黑芝麻智能推出 SesameX 多維具身智能計算平臺

簡介

黑芝麻智能推出的 SesameX多維具身智能計算平臺，構建了業界首個從硬件、軟件、工具鏈到模型生態的全棧機器人全腦體系 "。其中，SesameX Aura是專為多足機器人等複雜場景設計的高性能異構計算模組，具備 70 TOPS 算力與多模態同步採集能力，支持多攝像頭輸入、IMU 同步等高速接口，能精準實現環境感知、智能決策與運動控制的協同優化，讓機器人 "看懂世界，精準行動"。

產品介紹

SesameX 的目標並非構建一個封閉的全棧系統，而是面向產業夥伴提供一套開放、可擴展、可量產的機器人智能計算底座，幫助機器人從 「可運行」 走向 「可成長」，從單點能力展示邁向長期商業化落地。

SesameX 在平臺設計的早期階段，就將可成長性作為核心目標之一。所謂成長，並非簡單依賴模型規模擴大，而是系統能夠在真實環境中持續穩定運行，並在反饋中逐步優化行為表現。

傳統機器人系統往往以任務為中心進行設計，感知、規劃、控制彼此分離，模型部署完成即進入長期靜態運行狀態。一旦環境變化或任務複雜度提升，系統需要重新設計、重新標定，難以支撐規模化落地。

SesameX 通過在平臺層面引入統一的計算結構、任務表達方式和執行調度機制，使機器人在架構上具備持續演進的基礎條件。不同來源的感知模型、規劃算法和控制策略可以在同一平臺內協同運行，並在系統運行過程中形成穩定的閉環反饋，從而支持機器人能力隨時間逐步提升。這種設計，使機器人首次在工程層面具備了從 「任務執行型」 向 「認知理解型」 再向 「全腦協同型」 演進的現實路徑。

一套「從端側模組到全腦智能的體系化計算的全棧自研平臺」

SesameX 多維具身智能計算平臺提供了一套從硬件模組到系統軟件的完整計算體系，其目標並非替代行業生態，而是為機器人廠商和算法夥伴提供一個可靠、可擴展的基礎平臺。平臺通過模塊化設計、統一接口和兼容主流生態的方式，幫助合作伙伴降低系統集成複雜度，加速產品從研發走向量產。

• 計算平臺層 Module

SesameX 的計算系統由我們自主研發的三款計算模塊 Kalos、Aura 和 Liora 構成，分別面向不同類型與複雜度的機器人算力需求。在計算平臺這一層，我們提供的不僅是三款單獨的模組，而是一套完整的計算平臺體系。模組內部已高度集成 SoC、內存、電源、電源管理與時鍾等複雜設計，並可兼容主流底板接口，支持豐富的 I/O，包括 MIPI、CAN-FD、以太網、USB、SPI 與 I2C 等，從而讓開發者可以直接面向系統級方案進行設計。

平臺具備從實時控制到大模型推理均能穩定輸出的可靠性能，同時 Kalos 與 Aura 擁有緊湊小巧的體積（分別為 69×55mm 與 82×54mm），非常適合部署于敏感空間或移動場景。藉助這一平臺化設計，開發者只需進行底板設計即可完成整機規劃，大幅降低研發門檻。

整體而言，這一層的價值在於為機器人提供可量產級的堅實硬件基礎，幫助不同形態的機器人以最低成本快速進入功能調試與商業測試階段。

• 計算平臺層 Network

SesameX Network 作為系統級通信與數據編排層，負責在機器人內部將不同計算模組、異構算力單元以及各類外設構建為一個統一的實時協同體系，並同時支撐機器人與邊緣節點、雲端之間的穩健無線互聯。

在該層中，網絡子系統基於確定性以太網（TSN）構建內部主干，使感知→算力→控制鏈路具備可預測的端到端延迟與帶寬保障；通過集成多路高帶寬數據通道，可同時承載高分辨率 MIPI 視頻流、10GbE 數據交換以及跨單元共享 SRAM 的高速訪存，實現視覺、SLAM 與推理任務的並行數據供給。

系統還實現了面向 WiFi7/5G 的低時延無線協同協議，使機器人在與邊側節點進行分佈式推理、任務共享時維持毫秒級鏈路抖動。底層數據管線採用 Zero-copy 通路設計，使來自 ISP/DSP 的感知流可直接進入 NPU/CPU 的推理路徑，避免多級緩存拷貝帶來的額外延迟與功耗開銷。藉助上述通信機制，SesameX Network 為機器人構建起可擴展的實時協同計算結構，使其能夠在單機、集羣與邊雲協同環境下保持一致的實時性和數據一致性。

• 計算平臺層 OS

在操作系統層，SesameX 計算平臺提供了統一的軟件運行環境，支持 Ubuntu、ROS 2 以及自研的 SesameX-RTOS，從而在通用開發生態與實時控制需求之間實現兼容與平衡。平臺原生集成 ROS 2，能夠與行業主流算法框架無縫對接；同時通過 RTOS 與 Linux 的協同調度機制，使高頻控制環與大模型推理任務之間具備確定性時間片分配與干擾隔離能力。系統級安全隔離能力支持不同任務、不同權限在內核與用户態之間實現強隔離，確保運行安全性與可驗證性。

此外，OS 層提供統一的軟件抽象，使 Kalos、Aura 和 Liora 等多款模組可在同一套系統架構中保持一致運行體驗。作為機器人系統的 「基礎生命層」，這一層決定了整機的可靠性、實時性與可擴展性，是支撐上層感知、規劃與控制能力的根本。

• 中間件層

SesameX 中間件層由調度引擎、工具鏈和 Runtime 三大核心模塊構成，共同形成機器人系統的 「中樞神經網絡」。其中，SesameX 調度引擎負責跨模型、跨任務及跨算力單元的協同調度，通過優先級機制與任務隔離確保關鍵任務不被資源爭搶，安全域任務在系統中獲得最高級別的實時執行權。工具鏈組件提供並行編譯、混合精度加速、Transformer 結構優化、自動量化與算子級優化等能力，使模型在 Kalos、Aura、Liora 等不同模組上都能獲得最優延迟與算力利用率。SesameX Runtime 則對 CPU、DSP、NPU 與 MCU 進行異構融合調度，通過模型沙箱化、實時自調優和故障隔離，實現多模型並行執行與多單元算力的動態分配。

藉助中間件層的統一抽象和調度體系，機器人智能從 「分散式算力塊」 演進為 「統一調度的大腦結構」，從而獲得更平滑的動作生成、更低抖動的實時響應與更高的系統魯棒性。

• 原子應用層

SesameX 原子應用層通過將複雜任務分解為最小可複用的原子技能（Atom Skills），並進一步抽象為可組合的原子模型（Atom Models），構建出可動態編排的智能行為體系。該層基於任務模型（Task Model）實現運行時的技能組合，使機器人能夠在無需硬編碼流程的情況下，根據環境與目標在線生成行為序列。核心能力包括：

覆蓋視覺、定位、融合、規劃、控制、語言與多模態等多類別的原子技能庫；基於 Skill Graph 的任務圖生成機制，通過結構化圖模型而非傳統代碼邏輯驅動機器人行為；跨機器人平臺的模型複用能力，使不同機器人可共享如 VSLAM、目標檢測、軌跡生成等原子模型；以及支持實時任務編排的動態行為組合，使機器人能夠根據情境變換重構任務執行鏈路。藉助這一層，機器人首次具備類似 「思維積木」 的智能能力，智能行為從固定邏輯轉變為可組合、可擴展、可實時演化的任務體系。

系統安全層

系統安全層構建的是一個 「由下而上、多級聯動」 的安全體系，從物理行為開始守護，一直向上延伸到決策安全、主動預警和數據安全。這種設計保證了只要系統啟動，安全就始終在線，貫穿機器人生命周期的全部環節。

L0 | 本能反射層：最底層的機械與電氣保護。安全從最根部開始：電機斷電、STO、限位、限扭、急停等機制構成機器人的 「本能反射」，確保即使在最極端的情況下也不會造成物理傷害。這是所有安全的地基。

L1 | 動作審查層：實時運動安全約束。再往上一層，是由 MCU/R5F 等實時控制單元構建的動作審查系統。它以毫秒級速度監測速度、加速度、力矩和關節狀態，阻止任何不合理動作的發生。安全開始從 「物理兜底」 進入 「實時保護」。

L2 | 安全軌跡層：計劃級的行為兜底。在控制安全之上，是規劃與軌跡層的安全機制。即使決策模型輸出異常，也會自動降級為 「安全軌跡」，防止機器人進入風險區域。AI 出錯≠執行危險動作。

L3 | 策略防護層：約束高層意圖，避免錯誤策略落地。再向上，是高層行為與策略的安全約束。所有任務、計劃和策略在下發前都要經過校驗，確保不會突破安全邊界。決策層面具備 「自我約束能力」。

L4 | 主動預警層：提前 100ms 的危險預測能力。在此之上，是由多模態感知驅動的主動預警系統。人機距離、接觸風險、速度趨勢、傳感器健康狀況等都會實時監測，一旦判斷有風險，會主動觸發限速、減速、停機。機器人第一次具備 「第六感」。

L5 | 數據安全層

大腦與隱私的最高級守護。安全的最頂層來自數字世界：隱私保護、防攻擊、防入侵。本地推理、數據不上雲、端到端加密、NOC 防火牆與安全啟動機制共同構建機器人 「大腦的護城河」。不僅動作安全、決策安全，也保障數據與模型的完整性。從最底部的 「不傷人」，到中層的 「不做錯、不想錯」，再到最高層的 「不泄漏、不被攻破」。

系統安全層建立起一個完整的安全金字塔：

底層 → 身體安全（物理行為層）

中層 → 意圖安全（規劃與決策層）

頂層 → 大腦安全（隱私與系統完整性）

這種自底向上的安全架構，是機器人從 「小規模示範走向大規模落地」 的根本前提，也是SesameX平臺區別於業界的核心價值。

產品總結

綜上所述，SesameX 多維具身智能計算平臺的核心價值不在於單一算力的提升，而在於提供了一套從端側模組到全腦智能、從硬件到底層軟件、從模型到安全的完整系統體系。平臺通過六層架構實現了行業首次的全鏈路統一：

• 硬件層統一：模塊化、高集成、跨形態適配，覆蓋從移動到操作、從服務到人形的完整場景；

• 通信層統一：TSN、萬兆以太網與 WiFi7/5G 組成實時神經網絡，支撐感知、推理與控制的確定性協同；

• OS 層統一：Ubuntu+ROS 2+RTOS 的組合既保證生態兼容，又滿足工業級實時性；

• 中間件層統一：調度引擎、工具鏈與 Runtime 構成異構算力協調的 「大腦操作系統」；

• 智能層統一：原子模型 + 任務模型 + Skill Graph 讓機器人智能像積木一樣擴展、複用與重組；

• 安全層統一：六層安全體系自底向上守護，從物理行為、規劃、策略到隱私與防攻擊全面覆蓋。

這種高度一體化的系統結構，讓 SesameX 多維具身智能計算平臺成為一款真正意義上的 「機器人全棧智能底座」：它讓機器人不僅能穩定運行，更能隨環境變化持續成長；不僅能執行任務，更能具備理解能力；不僅能處理感知與控制，更能實現全腦協同的認知智能。

SesameX 多維具身智能計算平臺的意義不僅在於讓機器人 「動得好、看得懂」，更在於建立起一條從感知到智能、從安全到進化的系統級高速路，為機器人規模化落地提供了前所未有的統一基礎。這正是 SesameX 的獨特價值：它不是一塊芯片，而是一套讓機器人真正邁向未來的系統智能架構。

產品合作

SesameX 多維具身智能計算平臺從 Kalos、Aura 到 Liora，覆蓋了不同複雜度與形態的機器人需求。這些平臺並非孤立產品，而是構成一套可協同、可擴展的機器人智能階梯。

黑芝麻智能希望通過 SesameX，與機器人整機廠商、算法公司、系統集成商共同構建開放生態，讓機器人在真實世界中具備長期穩定運行與持續成長的能力。真正的具身智能，不只屬於算法或算力，而屬於一個能夠被產業廣泛採用、不斷演進的系統基礎。SesameX 正是為此而生。

黑芝麻智能的 SesameX 多維具身智能計算平臺，讓機器人能夠有 「可信任的安全」，從 「可運行」 走向 「可成長」，從 「可演示」 走向 「量產落地」。讓我們一起推動機器人安全和智能的進化，讓機器人早日成為我們的助手和夥伴。