在機器人技術加速向真實世界滲透的當下，行業正形成新的共識：機器人要真正實現規模化應用，不僅需要強大的算力與算法，更需要一套具備持續演進能力、可量產且開放兼容的智能計算底座。隨著深度學習與Transformer架構的引入，機器人系統復雜度呈指數級增長，傳統模塊化、靜態部署的架構已難以適應動態環境需求。在此背景下，黑芝麻智能正式推出SesameX多維具身智能計算平臺，旨在為產業伙伴提供從硬件到軟件、從感知到決策的全棧式解決方案，推動機器人從“單點功能”向“長期自主成長”跨越。

平臺的核心創新之一是“全腦智能”理念。區別于單一超級模型，SesameX通過計算、系統與模型三層面協同實現多模態能力整合：在計算層，CPU、NPU、DSP與MCU等異構算力單元統一調度，確保不同任務匹配最優資源；在系統層，統一任務表達機制消除感知、規劃與控制間的數據孤島，形成連續信息流；在模型層，多模態模型與原子化能力組合支持跨算法體系協同。例如，在復雜服務場景中，機器人可同時處理視覺識別、語音交互與運動控制任務，輸出穩定一致的跨模態行為，而非碎片化響應。

安全是機器人大規模應用的前提。SesameX將安全理念貫穿平臺架構，構建L0至L5六級安全體系，覆蓋從物理防護到數據安全的完整鏈條。L0層通過電機斷電、限位等機械保護確保極端情況下的物理安全；L1層由實時控制單元監測運動狀態，阻止不合理動作；L2層在規劃層提供安全軌跡兜底；L3層約束高層策略意圖；L4層基于多模態感知實現100ms級危險預測；L5層通過本地推理、端到端加密與防火墻保護數據與模型完整性。這一體系使機器人在傳感器異常、模型輸出錯誤或資源爭搶時，可自動進入限速、重規劃或安全停機狀態，為商業化部署提供系統級保障。

為解決機器人長期運行中的性能衰減問題，SesameX引入“閉環進化”機制。平臺持續記錄感知穩定性、推理延遲與任務成功率等關鍵指標，通過結構化數據分析定位問題根源，例如感知模型對特定光照的適應性或規劃策略在擁擠環境中的保守性。優化階段，合作伙伴可選擇本地微調或云端再訓練，平臺通過統一接口支持模型更新與策略回滾，并在受控條件下驗證效果。這種漸進式迭代使機器人能力隨部署規模擴大持續提升，形成技術與應用相互促進的良性循環。

SesameX平臺提供從硬件模組到系統軟件的完整計算體系，包含計算平臺層、網絡層、操作系統層、中間件層、原子應用層與系統安全層六大架構。硬件層以自主研發的Kalos、Aura與Liora模組為核心，支持實時控制與大模型推理，緊湊設計適配移動與操作類機器人；網絡層基于確定性以太網（TSN）與WiFi7/5G構建實時協同體系，實現感知、算力與控制鏈路的確定性延遲保障；操作系統層兼容Ubuntu、ROS 2與自研RTOS，滿足通用開發與實時控制需求；中間件層通過調度引擎、工具鏈與Runtime實現跨模型與算力單元的協同；原子應用層將復雜任務拆解為可復用的原子技能與模型，支持動態行為編排；系統安全層則通過六級防護機制確保全生命周期安全。

這一高度一體化的架構使SesameX成為機器人全棧智能底座，覆蓋從移動到人形、從服務到工業的完整場景。平臺通過模塊化設計與統一接口降低系統集成復雜度，幫助合作伙伴快速完成功能調試與商業測試。例如，在商服場景中，機器人可基于原子模型庫動態組合避障、跟隨與交互能力，適應不同環境需求；在工業巡檢場景中，平臺支持多機器人集群協同，通過邊云互聯實現任務共享與實時數據交換。

黑芝麻智能表示，SesameX的目標是構建開放生態，與整機廠商、算法公司及系統集成商共同推動機器人技術落地。平臺已覆蓋不同復雜度的機器人需求，從低算力服務機器人到高算力人形機器人均可適配。通過提供可量產的硬件基礎、統一的軟件環境與持續進化的能力，SesameX正助力機器人從“可演示”邁向“可信賴、可規模化”的新階段，為真實世界應用提供系統級解決方案。