這兩年，關于人形機器人的故事已經被講了很多：AGI 的終極載體、萬億美元的勞動力替代、工廠和家庭的全面滲透。

但有點奇怪的是，作為一個電子產品，它的續航問題在這些議題里被關注得似乎并不多，通常是作為整機參數的一項被簡單帶過，很少被單獨拎出來分析。

這與電子產品過去幾十年的實際經驗并不太一致。智能手機每一代發布會都要單獨花十分鐘講電池技術，電動汽車進入主流市場用了將近二十年，其中相當一部分時間花在續航焦慮上。筆記本電腦、無人機等等，每一個新硬件品類都被電池的物理性能死死壓制過節奏。

人形機器人作為一個新硬件平臺，沒有理由跳出這條規律，它要在一臺 60 公斤左右的設備里，同時塞下相當于電動汽車幾分之一的能量儲備，再驅動 40 多個伺服關節維持雙足平衡和精細操作。

4 月 19 日，北京亦莊第二屆人形機器人半馬，榮耀齊天大圣隊的“閃電”以 50 分 26 秒奪冠，全程只在 10.6 公里處換了一次電池，10 秒熱插拔，機器人沒有停機。一年前的首屆半馬上，多數參賽機器人要換 5 到 6 次電池，每次三到四分鐘，換完還要重啟系統。

這是跑道上所呈現出來的進步。但對于這些最終要化身生產力工具的產品來說，真正的考驗在工廠，一臺人形機器人若要承擔工業部署，至少需要頂住一班 8 小時、一周 5 天、一年累計超過 2,000 小時的連續運行，并且這種節奏要在 3 到 5 年的折舊周期里穩定維持，這與半馬的物理學不在一個量級。

三個維度的物理上限

人形機器人的電池約束首先是多維的。

一臺 60 到 70 公斤的雙足機器人，電池重量大約只能占整機的八分之一左右，大致是 7 到 9 公斤。再重就會抬高重心，導致雙足平衡控制成本急劇上升。

Tesla Optimus 的 2.3 kWh 電池、Figure F.03 的 2.3 kWh 電池都卡在這個量級附近，這是當前能量密度下雙足幾何能容納的上限。要把這個上限往上推，要么提升電池本身的能量密度（受制于化學體系演進），要么改變雙足結構（動到根本上的產品定義）。短期內兩條路都沒有捷徑。

第二個維度是行走能耗。機器人學里有一個叫 cost of transport（行進能耗系數，下稱 CoT）的指標，意思是每公斤體重每米移動消耗多少焦耳。

人類步行的 CoT 大約是 0.2，這是幾億年演化篩選出的結果，人類的骨骼可以在膝蓋伸直時被動鎖定，靠骨架而不是肌肉對抗重力。機器人沒有這種結構，所有關節的承重都要靠電機持續出力。

思靈機器人的 Cassie 是研究界已知較高效的雙足平臺，30 公斤的體重以每秒 1 米速度行走就要 200W；本田 ASIMO 的 CoT 是 3.23，約人的 16 倍。按比例外推，一臺 60 公斤生產級人形機器人加 10 公斤負載，光是平地行走的持續功率就要 400 到 800W。這個數字會因控制算法和機械結構優化逐步下降，但雙足平衡本身的能耗劣勢在物理上是確定的。

圖丨行進能耗系數比較（來源：The Strange Review）

第三個維度是脈沖負荷。The Strange Review 在 3 月 26 日的一篇分析里描述了一個標準倉庫動作循環：機器人抓起 15 公斤箱子，走 30 米，上架，再走回起點。電池在單次充電周期內要吸收 200 到 400 個高功率尖峰，包括 2,500W 的抬升尖峰、3,000W 的平衡校正瞬態。

文章里采訪的 LG 電池工程師把這種 3 到 5C 持續放電評價為“非常激進”的工況，超出了商用鋰電池過去三十年的優化目標。鋰電池的演進曲線一直圍繞能量密度、循環壽命、安全性這三件事，反復高 C 率脈沖不在其中。

而且要注意的是，這三個維度上的約束是并聯的，改善其中一個不會減輕另外兩個的壓力。

把電池做得更輕一點會緩解幾何約束，但同等電量下重量減輕通常意味著能量密度提升，這意味著電芯化學體系要更激進，對脈沖負荷的耐受可能更差。把控制算法做得更省電會改善行走能耗，但伺服關節的瞬時電流尖峰受限于硬件層面的扭矩需求，軟件優化的空間有限。把電池做得更耐脈沖會犧牲能量密度或循環壽命。

這三個維度之間存在結構性的相互制約，任何單點突破都會被另外兩個維度的反彈消化掉。

標稱續航與實際工況

更關鍵的問題在于，即使是當前這套并不充裕的標稱續航，落到實際工況里還要再打折。

特斯拉 Optimus 標稱 8 小時（輕負載）或 2 到 4 小時（動態行走），Figure F.03 是 5 小時，這些是廠商的標準續航口徑。

IEEE Spectrum 在 2025 年 9 月那篇關于 Digit 的報道給出過一個更具體的數字：Digit 標稱續航 90 分鐘，但實際部署中機器人大約每跑 30 分鐘就會自主走回充電樁，因為 60 分鐘必須留作儲備，倉庫環境里隨時可能出現意外停頓，沒有儲備就有趴窩的風險，而機器人可不能像電動車一樣“開到沒電再說”，畢竟沒有廠商愿意看到幾百上千臺機器人在工廠里隨機停機。

所以，任何在真實工業環境部署的機器人都需要類似的電量儲備，區別只是儲備比例的高低。這意味著公開材料里“5 小時續航”的數字，在工廠里能調度的實際工時可能只有 2 到 3 小時。一臺跑兩班 8 小時的機器人，一天需要充電 3 到 4 次。

除此之外，還有一個非常嚴重的問題是循環壽命。鋰電池廠商給出的循環壽命標定是 800 到 1,500 次循環后保留 80% 容量，但這些數字大概率來自實驗室并不激進的標準工況。但倉庫的真實工況是高 C 率脈沖、快充、深放、電芯內部溫度因散熱不良瞬時沖到 80 到 100°C 的環境。

鋰電池領域有一條粗略法則：溫度每升高 10°C，副反應速率翻一倍。在這種工況下，循環壽命很可能會跌到 200 到 500 次。

一臺跑兩班的機器人一年消耗大約 500 次循環。賬面壽命兩年，真實工況下可能六個月。The Strange Review 的測算是，標準部署模型假設的“100 臺機器人每 12 到 18 個月換一次電池”，落地之后可能變成每 3 到 5 個月換一次。

運維端的隱性成本是停機：非熱插拔換電要 4 到 6 小時（診斷、降溫、拆裝、校準），100 臺機器人按壓縮時間表輪換，一年丟 1,000 到 2,000 個生產小時。按 200 美元一小時的機會成本算，熱插拔與人工換電之間的差距約 30 萬美元一年。

標稱續航實際打折一半、循環壽命實際打折四分之三，這兩個數字是 RaaS（Robotics As A Service，機器人即服務）商業模型的兩個核心假設變量。Agility 給 Digit 定的價是 30 美元一小時，按這個定價算 ROI，模型里默認電池能跑足標稱值、循環能用夠廠商標定的次數。如果兩個假設同時打折，TCO 直接翻倍，盈虧平衡點要從 18 個月推到 3 年以上。

貝恩咨詢 2025 年的人形機器人報告給出的判斷是：今天大多數人形機器人在真實負載下運行約 2 小時，要做到 8 小時一班不充電、不換電池，可能還需要 10 年。

工程上的兩條繞道

電池本身的化學體系演進短期內推不上去，工程上的應對就分成了兩條繞開物理邊界的路徑。

圖丨各大機器人廠商所采用的電池方案（來源：The Strange Revie）

一條是把換電過程做得足夠快，讓續航不足在運營層面不再構成瓶頸。優必選的 Walker S2 是這條路線的代表之一。它采用雙電池架構，主電池電量低時機器人自主走到充電樁，整個換電過程不到 3 分鐘，期間副電池維持機器人通電。其設計邏輯不是造一塊更耐用的電池，而是把電池視為耗材，把換電做成機器人能自己完成的動作。波士頓動力新版 Atlas 走的也是這條路，自主可換電池從一開始就被設定為核心架構決策。

另一條是在現有幾何約束下盡量提升單次充電的可用電量。比如 Figure F.03 把電池做成軀干的承重結構件，省下傳統電池外殼和支架占用的重量和體積，能量密度比上一代提升 94%，主動冷卻管路直接鑄進壓鑄殼體。

這條路解決不了循環壽命問題，但能延長電池在到達不可用門檻之前的有效使用時間。Agility Digit 走的是更溫和的版本，自主回樁、工作和充電時間比例從目前的 2:1 推向 4:1，長期目標 10:1。

圖丨Figure F.03 電池模塊（來源：Figure AI）

不過，軟件層面的優化空間終歸相對有限。更精細的電池管理算法、溫控調度策略組合起來，循環壽命可以從 200 次提到 400 次。但要把循環壽命做到電池廠商標稱值的水平，需要 5 倍以上的改善，剩下的距離只能靠硬件架構層面的改動來填補。

固態電池是目前看最有潛力的化學路線之一。豐田、QuantumScape、比亞迪等廠商的量產時間表落在 2027 到 2030 年區間，但這是面向車用大尺寸電芯的產業鏈優先級。人形機器人需要的緊湊型電芯要排在車用之后，時間窗口大概率落在 2028 到 2030 年之后。

更關鍵的是，固態電解質在反復高 C 率脈沖下的表現目前沒有大規模驗證。這是一個尚未被產業鏈回答的問題，固態電池有望解決能量密度的瓶頸，但峰值功率耐受未必同步解決。如果固態在脈沖負荷下表現不及預期，人形機器人需要的電池形態可能跟電動車的固態電池在化學路線上分叉，這意味著一條獨立的、更慢的產業化路徑。

參考資料：

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/

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成