人形机器人绕不开的坎：续航问题怎么破？

这两年，关于人形机器人的宏大叙事已经足够多了：AGI的终极载体、万亿美元的劳动力替代、工厂和家庭的全面渗透。

但一个略显奇怪的现象是，作为一款电子产品，它的续航问题在这些宏大议题里似乎被边缘化了。它通常只是作为整机参数表里的一行数字被简单带过，很少被单独拎出来进行深度剖析。

这其实与过去几十年消费电子和电动汽车的发展经验并不相符。智能手机每一代发布会都要花上十分钟专门讲解电池技术；电动汽车为了克服续航焦虑，用了将近二十年才真正走入主流。笔记本电脑、无人机……每一个新硬件品类的普及节奏，都曾被电池的物理性能死死压制。

人形机器人作为一个全新的硬件平台，没有理由跳出这条铁律。它需要在约60公斤的设备里，塞下相当于电动汽车几分之一的能量储备，同时驱动40多个伺服关节来维持双足平衡和完成精细操作——这对电池而言，是一场多维度的极限挑战。

三个维度的物理上限

人形机器人的电池约束，首先就体现在三个相互掣肘的物理维度上。

第一是几何与重量约束。一台60到70公斤的双足机器人，电池重量大约只能占到整机的八分之一，也就是7到9公斤。再重，就会显著抬高重心，导致平衡控制的成本和难度急剧上升。目前，特斯拉Optimus的2.3 kWh电池、Figure F.03的2.3 kWh电池，基本都卡在这个重量上限附近。想要突破，要么等待电池能量密度的化学体系革命，要么改变双足结构这一根本的产品定义——短期内，这两条路都没有捷径。

第二是行走能耗约束。机器人学里有一个关键指标叫“行进能耗系数”（Cost of Transport, CoT），即每公斤体重移动一米所消耗的能量。人类步行的CoT大约在0.2，这是亿万年演化出的高效结构：我们的骨骼可以在膝盖伸直时被动锁定，依靠骨架而非持续发力的肌肉来对抗重力。机器人则没有这种“偷懒”的机制，所有关节承重都需要电机持续做功。

研究界已知效率较高的双足平台，如思灵机器人的Cassie，30公斤体重以每秒1米速度行走也需要200W功率。本田ASIMO的CoT高达3.23，约为人类的16倍。按此比例推算，一台60公斤的生产级人形机器人加上10公斤负载，仅平地行走的持续功率就可能达到400到800W。这个数字会随着控制算法和机械结构的优化而下降，但双足平衡本身带来的能耗劣势，在物理上是确定存在的。

图丨行进能耗系数比较（来源：The Strange Review）

第三是脉冲负荷约束。The Strange Review在一篇分析中描述了一个典型的仓库作业循环：机器人抓起15公斤的箱子，行走30米，上架，再返回起点。在这个过程中，电池在单次充电周期内可能要承受200到400次高功率尖峰，包括高达2,500W的抬升尖峰和3,000W的平衡校正瞬态功率。

有LG的电池工程师将这种持续3到5C倍率的放电工况评价为“非常激进”，这已经超出了过去三十年商用锂电池的主要优化目标。锂电池的技术演进一直围绕着能量密度、循环寿命和安全性展开，反复承受高倍率脉冲放电并非其设计初衷。

更要命的是，这三个维度的约束是并联且相互制约的。改善其中一个，往往会对另外两个造成压力。例如，减轻电池重量能缓解几何约束，但同等电量下减重通常意味着采用更激进的化学体系，这可能削弱其对脉冲负荷的耐受性。优化控制算法可以降低行走能耗，但伺服关节的瞬时电流尖峰受硬件扭矩需求限制，软件优化的空间有限。提升电池的脉冲耐受性，则可能牺牲能量密度或循环寿命。

可以说，这三个维度构成了一个结构性的“不可能三角”，任何单点技术突破带来的收益，都可能被另外两个维度的反弹所抵消。

标称续航与实际工况

比物理上限更现实的问题是，即便是当前这套并不充裕的“标称续航”，在实际工业工况中还要面临大幅折扣。

特斯拉Optimus标称续航为8小时（轻负载）或2到4小时（动态行走），Figure F.03是5小时。这些都是厂商在标准测试环境下的口径。

然而，真实世界要严苛得多。IEEE Spectrum在一篇关于Agility Digit的报道中给出了一个具体案例：Digit标称续航90分钟，但在实际部署中，机器人大约每运行30分钟就会自主返回充电桩。因为必须预留60分钟的电量作为安全储备，以应对仓库中随时可能出现的意外停顿。机器人不能像电动车那样“开到没电再说”，没有厂商能承受数百台机器人在产线上随机停机的后果。

因此，任何部署在真实工业环境中的机器人都需要类似的电量储备策略，区别只在于储备比例的高低。这意味着，公开材料中“5小时续航”的数字，在工厂里能够调度的实际有效工时可能只有2到3小时。一台需要跑满两班（16小时）的机器人，一天内可能需要进行3到4次充电。

除此之外，循环寿命是另一个严峻挑战。锂电池厂商标称的800到1500次循环后容量保持80%，是基于实验室标准工况得出的。但仓库的真实工况是高频高倍率脉冲、快速充电、深度放电，以及因散热不良导致电芯内部温度瞬间飙升至80到100°C。

在锂电池领域，有一条粗略的经验法则：温度每升高10°C，导致容量衰减的副反应速率大约翻一倍。在这种严苛工况下，电池的实际循环寿命很可能骤降至200到500次。

一台每天运行两班的机器人，一年消耗的循环次数大约在500次。这意味着，账面寿命两年的电池，在真实工况下可能仅能支撑六个月。The Strange Review的测算指出，标准部署模型中假设的“每12到18个月更换一次电池”，落地后可能变成每3到5个月就要更换。

这带来了隐性的运维成本：非热插拔式的换电流程（包括诊断、降温、拆装、校准）可能需要4到6小时。一个拥有100台机器人的工厂，按照压缩时间表轮换电池，一年可能损失1000到2000个生产小时。以每小时200美元的机会成本计算，热插拔换电与人工换电方案之间的年化成本差距可能高达30万美元。

标称续航在实际中打对折，循环寿命在实际中打“骨折”——这两个变量，恰恰是“机器人即服务”（RaaS）商业模式的核心假设。例如，Agility为Digit定价30美元/小时，其投资回报率模型默认电池能跑满标称值、能用够标定次数。如果这两个假设同时大幅缩水，机器人的总拥有成本（TCO）可能直接翻倍，投资盈亏平衡点将从18个月推迟到3年以上。

贝恩咨询在2025年的人形机器人报告中给出了一个冷静的判断：今天的大多数人形机器人在真实负载下仅能运行约2小时。要实现8小时一班不充电、不换电池的目标，可能还需要10年时间。

工程上的两条绕道

既然电池化学体系的根本性突破尚需时日，工程上的应对策略便分化为两条试图绕开物理边界的路径。

图丨各大机器人厂商所采用的电池方案（来源：The Strange Review）

第一条路径是“以换代充”，将换电过程做到极致快速，让续航不足在运营层面不再成为瓶颈。优必选的Walker S2是这一路线的代表之一。它采用双电池架构，当主电池电量低时，机器人自主走到充电桩，整个换电过程不到3分钟，期间由副电池维持系统供电。其设计哲学不是制造一块更耐用的“超级电池”，而是将电池视为标准耗材，并将换电本身设计成机器人可以自主完成的常规动作。波士顿动力的新版Atlas也采用了类似思路，自主可更换电池从一开始就被定义为核心架构决策。

第二条路径是在现有的几何与重量约束下，千方百计提升单次充电的可用电量。例如，Figure F.03将电池包直接设计为躯干的承重结构件，省去了传统电池外壳和支架所占用的重量与空间，使其能量密度比上一代提升了94%，并将主动冷却管路直接铸造在压铸壳体内。这条路虽然解决不了循环寿命的根本问题，但可以延长电池在达到报废门槛之前的有效使用时间。Agility Digit则采用了更温和的渐进策略，通过优化，致力于将机器人的工作与充电时间比从目前的2:1逐步提升至4:1，长期目标为10:1。

图丨Figure F.03 电池模块（来源：Figure AI）

然而，必须清醒认识到，软件和结构层面的优化空间终归有限。更精细的电池管理算法、更智能的温控调度策略组合起来，或许能将循环寿命从200次提升到400次。但要想达到电池厂商的标称值水平，需要5倍以上的改善幅度，剩下的巨大差距，只能等待硬件和化学体系的根本性变革。

固态电池是目前看来最具潜力的化学路线之一。丰田、QuantumScape、比亚迪等厂商的量产时间表大多定在2027至2030年区间，但这是针对车用大尺寸电芯的产业优先级。人形机器人所需的紧凑型高功率电芯，其产业化大概率要排在汽车之后，时间窗口可能落在2028至2030年之后。

更关键的一个未知数是，固态电解质在反复承受高倍率脉冲放电下的长期表现，目前尚未经过大规模实际验证。固态电池有望解决能量密度的瓶颈，但其峰值功率耐受能力未必能同步解决。如果固态电池在脉冲负荷下的表现不及预期，那么人形机器人未来所需的电池形态，可能会与电动车的固态电池在技术路线上产生分叉，这意味着一条独立的、可能更慢的产业化路径。

参考资料：

1.https://spectrum.ieee.org/humanoid-robot-scaling

2.https://www.bain.com/insights/humanoid-robots-from-demos-to-deployment-technology-report-2025/

3.https://thereview.strangevc.com/p/hitting-the-battery-wall

4.https://www.nature.com/articles/d41586-023-02170-y

5.https://www.simplexitypd.com/blog/top-5-technical-challenges-in-humanoid-robotics/