作者 |肖恩

编辑 |德新

过去两年，我们已经习惯了各类机器人在科技展、发布会和短视频里频繁出现：会跳舞的人形机器人、能爬楼梯的四足机器人，还有穿梭在商场和园区里的服务机器人。它们从实验室走进公众视野，看上去仿佛预示着“具身智能时代已经到来”。

但在这些画面背后，现实往往并没有那么光鲜：为了让一个动作能够稳定复现，工程师需要反复调参；为了让机器人在真实环境中多跑几圈，团队不得不一次次采集数据、修改算法。许多在聚光灯下表现完美的演示，只要把时间拉长、把场景变复杂，硬件稳定性不足、算法泛化性有限、系统调度压力过大等问题便会显现。

无论是硬件、算法，还是商业化路径与行业标准，机器人行业都还没有建立起足够坚实的底座。

而这个月，一家科技公司——黑芝麻智能在上海举办机器人平台产品发布会，一定程度上就是在正面回应这些行业痛点。其推出的新平台定名「 SesameX」，定位为首个专为机器人商业化部署打造的多维智能计算平台，希望为当前缺乏统一底座的行业补上一块关键拼图。

黑芝麻智能创始人兼 CEO 单记章的判断是：“人工智能正在从数字空间走向物理世界，而物理世界的复杂性远超过去的所有技术范式。”

在他看来，机器人并不像模型推理那样只需给出答案，而是要在高度动态、充满不确定性的物理环境中与人、物、空间持续互动，不仅“看懂世界”，还要“驾驭世界”。这对其计算体系提出的要求已经远超单纯算力堆叠。

在这样的背景下，SesameX 的定位变得清晰起来：它不是再做一个更大的模型，或再堆一块更强的芯片，而是重建机器人“应该如何计算”的底层结构，用一套系统平台去回应行业当前最核心的缺口。

一、SesameX：面向机器人的通用计算平台

SesameX 并不是某个芯片或模组，而是贯穿机器人智能全链路的系统化平台。

黑芝麻智能机器人业务负责人徐劲博士，以一张完整的系统图介绍了 SesameX 的层级结构：自底层的计算模组和通信体系起，向上覆盖实时操作系统、中间件、工具链与技能模型，再进一步延伸至系统级安全与持续自进化机制。

整个体系构成了机器人“从能运行，到能协同，再到能成长”的能力路径。

底层：三大模组构成机器人的“大脑”

针对不同的算力需求和应用场景，SesameX 平台推出了三款计算模组：Kalos、Aura 和 Liora。

在 SesameX 的设计中，它们并不是简单的“高、中、低”三档算力，而是三种面向不同机器人形态、能力阶段与应用场景的“大脑类型”，共同构成一个从基础感知到复杂认知的产品矩阵。

Kalos：商用服务机器人专用平台

Kalos 采用 8xCortex‑A55的CPU 架构，并集成 2×Cortex‑R5 MCU 负责实时控制，NPU 算力 48 TOPS，支持最高 8 路 1080P @ 30fps 视频输入，I/O接口丰富，适用于各类低速轮式机器人，如送餐机器人、迎宾机器人、物流机器人等，兼顾视觉感知与运动控制，让机器人“看得清、动得稳”。

Aura：多任务执行机器人通用计算平台

Aura 的 CPU 架构升级到 8 x Cortex-A78AE，并搭载 2× Cortex‑A78AE + 6× Cortex‑R5F 组成的异构运控处理单元，与 Kalos 上“CPU + 独立 MCU”式的分工不同，Aura 的设计是一个完整的运控子系统：其中 A78AE 核心可承担复杂控制策略与步态规划，R5F 核心则分别对应不同控制环路，实现并行实时控制。这种“大脑 + 小脑”式结构让规划与执行之间的链路更紧耦合，时延更低。

同时，Aura 集成了70 TOPS 的 NPU，可在高动态场景下实现视觉、力控与环境理解的多模态协同。支持最高 12 路 1080p @ 30fps 或 4 路4K @ 30fps 的视频输入，在 Kalos 的基础上将高速接口升级为 PCIe Gen4，面向多足机器人和人形机器人等强调实时性与稳定性的机体。

Liora：面向具身智能“大脑”的全能计算平台

如果说 Aura 更强调的是“身体如何稳、如何动得漂亮”，Liora 关注的则是“机器人在复杂世界中如何思考和做决定”。Liora 采用 16× Cortex‑A78AE 作为高性能通用计算集群，同时搭载 6× Cortex‑R52 作为实时控制与安全监控单元，并集成超过 500 TOPS 的 NPU，为大规模 CNN 感知模型、Transformer 多模态模型以及端到端控制提供算力基础。

与更偏重运动控制与多模态协同的 Aura 相比，Liora 在通用计算与推理层面明显“加码”，更适合作为整机系统的认知中枢。

Liora 还首次引入了面向机器人真实场景的 Model Zoo。它并不是简单的模型集合，而是一套经过算子适配与推理优化、能够直接在模组上部署的预训练模型与技能库，覆盖目标识别、空间感知、大语言模型等能力。让机器人厂商无需从零训练模型，就能获得可直接调用的核心智能能力，大幅降低开发门槛，加速产品落地，也标志着 SesameX 的能力从“执行与控制层”正式延伸到“认知与技能层”。

在系统设计上，Liora 面向的是世界模型与高阶认知任务：一方面需要承载视觉、语言、触觉等多模态输入，构建对环境的统一表征；另一方面要在此基础上完成任务规划、行为决策甚至端到端控制输出。这就要求其在算力之外，还必须具备足够的内存带宽、任务并行能力和对多路传感器的接入能力。Liora 支持最高24路1080P@30fps视频输入，I/O在 Aura 的基础上进一步扩展带宽与通道数量，同样提供 PCIe Gen4、TSN 及多种工业总线接口，更适合作为人形机器人、复杂服务机器人等形态的“中央大脑”，将环境理解、任务推理与运动指令统一在同一套认知框架之下。

SesameX 并不是提供一个统一模块给所有机器人，而是通过分层能力覆盖机器人行业，让不同形态的机器人都能找到合适的“智能起点”。

中间件层：决定机器人是否“流畅自然”的关键

机器人动作的流畅性，在外界看来是“是否自然、是否像人”，但在工程体系中，它真正考验的是中间件能否在毫秒级完成任务调度、资源分配与异常处理。

徐劲博士谈到，当前不少机器人在真实场景中出现动作不连贯、卡顿甚至异常行为，往往并不是模型能力本身不够，而是底层中间件在多任务并发时无法做好调度与算力分配，导致关键控制链路被挤占，从而带来潜在风险。

SesameX 的中间件体系正是为了解决这一行业痛点。它不仅提供异构算力调度，还会在任务下发前对不同类型的任务进行统一建模和预判，提前评估各自的资源需求与潜在冲突，并据此为感知、决策、控制链路排定优先级，从而在执行前就把关键路径“规划好”。这意味着，当机器人同时进行导航、避障、抓取和语音交互时，系统能够提前分配算力与带宽，避免关键任务被挤占。

同时，中间件内置的实时监控机制会持续追踪各模块的运行状态，一旦出现延迟积累或调度异常，系统会自动调整任务路径或进行局部降级，而不是整体停摆。例如，当视觉模块因光照突变导致计算延迟时，中间件会优先保障平衡与力控链路，并暂时降低视觉分辨率或调用缓存策略，从而保证机器人动作连续。

黑芝麻智能还首次提出了 Runtime 自学习调度机制。中间件会在长期运行中记录任务执行情况，并自动优化调度策略，让机器人在使用过程中“越跑越顺”。这使得 SesameX 不再依赖人工调参，而是能够根据环境变化和任务类型动态调整执行逻辑。

这一层决定的不仅是机器人“能不能动”，而是“动起来是否连贯、是否自然、是否可靠”。中间件让机器人摆脱“拼脚本驱动动作”的模式，转向真实意义上的实时协同与连续控制，为后续能力层提供了稳定基础。

原子应用层：让机器人“学会任务”而不仅是“执行动作”

在传统机器人系统中，技能大多依赖预设脚本，一旦任务组合发生变化或环境略有差异，动作便可能失效。这也是行业普遍面临的核心瓶颈：机器人会“做动作”，但不会真正“完成任务”。

为解决这一问题，SesameX 引入原子应用层，将任务拆解为最小可复用技能单元，如抓取、推拉、递送、开关门、导航停靠等。每个技能不仅包含动作，还包含触觉反馈、力控策略与失败恢复，使其能够在不同场景中重新组合并适应变化。

这一层的关键价值在于任务理解与组合。当机器人接到“取杯子”指令时，它不再简单执行固定动作，而是根据环境状态动态规划执行流程，并在失败时自动切换策略。这意味着机器人开始具备早期任务规划与策略选择能力。

原子应用层还支持经验回灌与跨设备迁移：机器人会根据执行过程优化参数，并将学习成果迁移到硬件配置相似的设备上，大幅缩短开发周期，让技能从单机资产变成平台资产。

从工程意义上看，这一层为机器人补上了“任务智能”的一环，让系统在完成动作的同时具备面向目标的调整与优化能力，也为后续更高层级的智能演进预留了成长空间。

系统级安全：被写进架构的“底层前提”

在 SesameX 的整体设计中，安全被提升到与算力和算法同等重要的位置，不再是附加在某个模块上的“功能选项”。黑芝麻智能将安全机制直接嵌入感知、模型、决策和控制等关键链路之中，通过多层监测、冗余和仲裁，让系统在出现异常、资源竞争或极端工况时，仍然能够保持可控、可恢复的状态，而不是简单依赖外部急停或单点防护。

这意味着，当机器人运行在复杂场景中时，SesameX 并不是在“事后补救”，而是在每一次感知输入、每一次决策下发、每一次控制执行之前，都对风险和不确定性进行评估与约束。安全由此从“某个模块的职责”变成“整个平台的工作方式”，成为架构层面的默认前提。

也正因为如此，“为什么今天的机器人比以往任何技术形态都更需要安全”，以及“安全该如何被系统性地写进机器人的计算架构”，成为黑芝麻智能在 SesameX 上反复试图回答的两个核心问题。

二、安全为何成为机器人时代的核心前提

如果说机器人行业的其他技术挑战——感知、力控、算力、模型——都属于“可被技术突破”的问题，那么安全是唯一一个如果处理不好，会直接阻断整个行业路径的问题。它不是一个“功能项”，而是一条“行业能否存在”的底线。

为什么今天的机器人比任何时代都更需要安全？

机器人从实验室走向社会的速度，比多数人预期的更快。它们开始出现在医院、工厂、酒店之间，甚至进入家庭客厅，与孩子、老人、宠物近距离接触。这种“物理共存”带来了一个前所未有的挑战：机器人将长期、稳定、无处不在地与人发生物理接触。

在大多数数字产品和传统消费电子中，人机交互主要停留在屏幕、按键或语音层面；但机器人不同，它的行动本质上是一种力量作用，它的“每一次靠近、举手、移动”，都可能带来潜在物理风险。

在黑芝麻智能看来，当机器人真正进入开放、复杂的真实场景时，安全问题呈现出几类典型特征：

动作链路长、环节多，一处异常就可能沿控制链路传导，演变为整机动作异常甚至失控；多模态感知、多任务并发时，算力争抢、时序抖动和“补丁式”安全机制叠加在一起，容易放大为整体行为不稳定、缺乏端到端安全闭环；传感器噪声、模型偏差与光照变化、行人或障碍物突然闯入等突发情况交织在一起，在长期运行中不断累积，持续暴露出系统的脆弱点。

这些问题共同指向一个核心现实：机器人在真实世界中运行时所面临的风险来源是动态叠加、相互影响且不断演化的，这使得传统“模块式安全”难以为继。

这意味着，机器人行业要真正走向规模化，必须先回答一个更直接的问题：当系统出现异常甚至多点失效时，机器人能否依然优先保护人类的安全？

单记章正是从这个角度强调：“当所有可能出错的地方都出错时，机器人仍要能最大程度避免对人的伤害。”这不是修辞，是一个未来产业的基本伦理线。

安全必须是一种系统能力

传统的机器人系统，安全往往被拆分成彼此独立的功能：避障模块负责避障、急停模块负责停止、力控模块负责调节力度，遇到问题再通过补丁式规则或新增硬件去“补救”。这种做法在相对封闭、任务固定的场景中还能维持运行，但一旦进入真实世界的高动态环境，多个模块同时工作、争夺资源时，原本分散的安全机制就难以形成有效联动，任何一个环节出问题都可能沿控制链路传导，引发连锁失效。正如发布会上所强调的，“当所有可能出错的地方都出错时，机器人仍要最大程度避免对人的伤害”，而传统的模块式安全显然无法支撑这一目标。

因此，黑芝麻智能在构建 SesameX 时提出了一个更高的安全定位：安全不再是设备级保护，而是一种面向真实世界的人身安全能力。这意味着安全不能停留在系统外层，而必须像神经系统一样嵌入整个“感知—理解—决策—执行”链路。只有当安全成为系统本身的运行方式，而不是附加功能，机器人才能真正进入复杂社会环境。

SesameX 如何实现系统级安全？

在安全的实现方式上，SesameX 采用的是一套从芯片到系统的全栈安全架构。黑芝麻智能在官方介绍中强调，这一体系以车规 ASIL‑D 级别的安全要求为设计基础，在平台内部形成“多域隔离 + 安全仲裁”的结构：感知、决策、控制和模型等关键环节分别承担不同的安全职责，而独立的安全域则作为仲裁中枢，对各域上报的状态和指令进行统一判断，确保所有计算与控制都在安全闭环中运行。

在此基础上，SesameX 将安全机制贯穿从“感知”到“执行”的完整链路：从传感器数据进入系统开始，到模型推理、决策下发，再到执行机构动作，每一阶段都配有相应的监测与保护策略。一旦出现异常数据、模型输出异常或控制链路不一致，系统可以通过限制动作、策略降级或切换安全模式等方式，避免风险被放大，而不是单纯依赖外部急停或单点防护。

在黑芝麻智能的眼里，系统安全是 SesameX 架构中的高阶能力，它融入各个层级，为机器人提供可靠、可信的安全保障：安全不再是附着在机器人外层的防护壳，而是与中间件、原子应用层等一起，成为 SesameX 日常运行方式的一部分，让机器人在不断拓展能力边界的同时，始终保持对人和环境的可控与克制。

在 SesameX 的逻辑中，安全不是“强行纠错”，而是“让机器人从架构上具备自我保护与保护他人的意识”。

对于机器人行业来说，安全不是附属条件，而是商业化的决定性因素，只有当人类敢把身体交给机器人，才会出现真正意义上的市场。而SesameX 的系统级安全设计，正是试图为机器人行业补上这块“决定未来”的底座。

三、机器人需要的五项核心能力

结合多年在智能驾驶和车规级平台上的量产经验，黑芝麻智能认为，机器人要真正走向规模化落地，至少需要在几个方向上形成体系化能力：可信安全、空间智能、认知理解、自主学习、多模态协同。它们并非抽象概念，而是机器人要从“可运行”迈向“可协作”、从“可演示”迈向“可量产”的必要条件。黑芝麻智能并不是把每一项能力拆成互不相干的功能模块，而是希望这些能力都能在同一套工程体系中被搭建出来、被反复验证，并在长期运行中持续演进。

首先是可信安全。在机器人开始进入家庭、工厂、医院、园区的时代，它们将与人保持更密切、更频繁的物理互动，这使得安全不仅仅是要求“不要出错”，而是要求机器人在任何情况下都能保持行为的可预测性、可控性和可恢复性。只有当人类愿意把自己的身体、孩子、财物交给机器人时，商业化才真正成立。黑芝麻智能从车规级架构迁移来的多域安全体系，将安全从一个模块提升为一种贯穿计算、感知、决策、控制链路的能力，让机器人在面对复杂冲突时仍能优雅降级并保证可靠性。

第二项能力是空间智能。具身智能的核心能力不是看清楚，而是理解三维世界的结构、动态与语义，这与自动驾驶的“可预测道路模型”完全不同。机器人需要在办公室、家庭、楼梯间、厂房、货架等极度复杂的异构环境中判断地面可行性、空间拓扑、障碍物属性等。黑芝麻智能通过在底层提供多模态同步采集、高带宽感知管线以及实时调度能力，让空间理解不依赖单一模型，而是成为系统级能力，从而增强机器人的环境适应性。

第三项能力是认知理解。传统机器人依赖规则或脚本，但下一代机器人必须具备理解任务意图、构建任务图、选择技能组合的能力，也即从“执行命令”转向“理解意图”。黑芝麻智能通过原子应用层将复杂任务拆解为最小可复用单元，使机器人不仅能完成动作，还能根据任务目标理解为何这样做。这让机器人拥有了从基础行为迈向任务级智能的路径。

第四项能力是自主学习。真实环境永远在变化，机器人必须具备让自身在使用过程中不断变得更好的能力，而不是依赖工程团队不断手动调参。黑芝麻智能将这种学习能力嵌入到系统循环中，通过 Runtime 的自优化机制、经验缓存和策略重写，让机器人能够在执行任务的同时修正自身行为。这意味着机器人不再是一次性部署的静态产品，而是一个能够持续进化的智能体。

最后是多模态协同。机器人需要同时处理视觉、语言、触觉、力控、导航、规划等不同类型的任务，这些任务的时间尺度、计算需求和实时要求都不同。如何让它们不相互阻塞、如何确保优先级合理、如何在毫秒级响应，是决定机器人“看起来自然”的关键。黑芝麻智能通过全栈 XPU 调度和三维并行架构，让多模态任务并行成为常态，使机器人能够以接近人类的连续性和一致性与世界交互。

从本质上看，黑芝麻智能希望将那些在人类身上经过漫长演化才形成的能力，以可工程化的形态注入机器人系统，让机器人不止“能动起来”，还能持续成长，在完成任务的同时逐步学会理解并适应所处的世界。

四、商业化进展：从真实产品验证平台能力

在发布会上，黑芝麻智能强调判断一个平台是否能够成为产业底座，最关键的标准不是技术指标本身，而是是否能够在真实场景中长期稳定运行，并支撑不同形态机器人的落地。现场展示的多款合作伙伴产品，正成为 SesameX 平台能力的直接验证载体。

目前，SesameX 已经在物流、巡检、人形等多个场景中实现部署，这些产品不仅完成了样机演示，更进入了持续运行和迭代阶段，从而为平台提供了最具说服力的验证路径。

在园区与工厂这样的封闭空间里，物流机器人是最早走向规模部署的一类产品。星程智能的慢速物流车采用了 SesameX 中的 Kalos 模组，将视觉感知与底盘控制集成在一块信用卡尺寸大小的模组内。在这个组合下，Kalos 不只是一个算力模组，而是承担起“视觉中枢 + 运动中枢”的角色，使物流车能在高性价比前提下稳定完成定位、避障与路径跟随。这种一体化中枢意味着开发周期显著缩短，也让后续迭代成本可控。

深庭纪的消费级四足机器人是 Aura 平台的重要落地之一。四足机器人每迈出一步，都在同时处理平衡、足端接触力、视觉感知、环境理解等多路信息，如果算力分配稍有不当，就会出现步态不稳甚至摔倒。基于 Aura 的平台方案中，多模态同步采集和毫秒级调度允许机器人在高速运动中实时修正身体姿态，既能完成高难度动作，又能保持对周边环境的持续感知。这类产品不再只是展会上的“炫技道具”，而是开始具备走进真实场景的基础能力。

往更高一层看，黑芝麻智能与武汉大学团队在 Liora 平台上探索的人形机器人方案，则开始引入世界模型与端到端控制，让机器人在面对开放环境时具备更强的整体性理解与决策能力。这里的 SesameX，不再只是执行预设动作，而是成为承载“世界观”的计算基础。

除了单机形态的产品落地，SesameX 也开始进入行业级解决方案之中。黑芝麻智能与均胜电子达成的战略合作，指向的是未来具身机器人“头部总成”和域控制器的标准化；而与湖北华中电力的合作，则把具身机器人带入输电巡检、带电作业等高度危险的电力场景。前者让 SesameX 嵌入汽车级供应链体系，后者让它成为行业数字化、智能化基础设施的一部分。

这些已经落地、正在运行的产品，共同指向一个事实：SesameX 并不是一个等待市场验证的概念，而是一套正在被不同类型机器人反向“打磨”的产业底座。正是通过这些合作伙伴，SesameX 的架构、工具链和安全体系在真实场景中不断接受压力测试，并在一次次部署与迭代中被塑造成更成熟的“全脑智能平台”。

如果说过去几年机器人行业的关键词是“速度”和“想象力”，那么未来几年决定行业走向的，将是“稳定性”“安全性”和“系统性”。行业需要一个能够让机器人从单点突破走向规模落地的基础平台。

黑芝麻智能这次给出的并不是一个激进的概念，而是一套稳扎稳打、体系化清晰，且在真实场景中已经被验证的答案：让机器人从“可运行”迈向“可协同”，从“可展示”迈向“可信任”，从“可用”迈向“可成长”。

SesameX 的出现标志着机器人行业开始进入“底层能力重构”的阶段。在这个阶段，决定行业未来的不是谁的动作更炫、谁的模型更大，而是谁能构建出一个真正面向现实世界、可持续进化的智能体系。而这，正是 SesameX 想要承担的使命。