这两年，关于人形机器人的故事已经被讲了很多：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。

但有点奇怪的是，作为一个电子产品，它的续航问题在这些议题里被关注得似乎并不多，通常是作为整机参数的一项被简单带过，很少被单独拎出来分析。

这与电子产品过去几十年的实际经验并不太一致。智能手机每一代发布会都要单独花十分钟讲电池技术，电动汽车进入主流市场用了将近二十年，其中相当一部分时间花在续航焦虑上。笔记本电脑、无人机等等，每一个新硬件品类都被电池的物理性能死死压制过节奏。

人形机器人作为一个新硬件平台，没有理由跳出这条规律，它要在一台 60 公斤左右的设备里，同时塞下相当于电动汽车几分之一的能量储备，再驱动 40 多个伺服关节维持双足平衡和精细操作。

4 月 19 日，北京亦庄第二届人形机器人半马，荣耀齐天大圣队的“闪电”以 50 分 26 秒夺冠，全程只在 10.6 公里处换了一次电池，10 秒热插拔，机器人没有停机。一年前的首届半马上，多数参赛机器人要换 5 到 6 次电池，每次三到四分钟，换完还要重启系统。

这是跑道上所呈现出来的进步。但对于这些最终要化身生产力工具的产品来说，真正的考验在工厂，一台人形机器人若要承担工业部署，至少需要顶住一班 8 小时、一周 5 天、一年累计超过 2,000 小时的连续运行，并且这种节奏要在 3 到 5 年的折旧周期里稳定维持，这与半马的物理学不在一个量级。

三个维度的物理上限

人形机器人的电池约束首先是多维的。

一台 60 到 70 公斤的双足机器人，电池重量大约只能占整机的八分之一左右，大致是 7 到 9 公斤。再重就会抬高重心，导致双足平衡控制成本急剧上升。

Tesla Optimus 的 2.3 kWh 电池、Figure F.03 的 2.3 kWh 电池都卡在这个量级附近，这是当前能量密度下双足几何能容纳的上限。要把这个上限往上推，要么提升电池本身的能量密度（受制于化学体系演进），要么改变双足结构（动到根本上的产品定义）。短期内两条路都没有捷径。

第二个维度是行走能耗。机器人学里有一个叫 cost of transport（行进能耗系数，下称 CoT）的指标，意思是每公斤体重每米移动消耗多少焦耳。

人类步行的 CoT 大约是 0.2，这是几亿年演化筛选出的结果，人类的骨骼可以在膝盖伸直时被动锁定，靠骨架而不是肌肉对抗重力。机器人没有这种结构，所有关节的承重都要靠电机持续出力。

思灵机器人的 Cassie 是研究界已知较高效的双足平台，30 公斤的体重以每秒 1 米速度行走就要 200W；本田 ASIMO 的 CoT 是 3.23，约人的 16 倍。按比例外推，一台 60 公斤生产级人形机器人加 10 公斤负载，光是平地行走的持续功率就要 400 到 800W。这个数字会因控制算法和机械结构优化逐步下降，但双足平衡本身的能耗劣势在物理上是确定的。

图丨行进能耗系数比较（来源：The Strange Review）

第三个维度是脉冲负荷。The Strange Review 在 3 月 26 日的一篇分析里描述了一个标准仓库动作循环：机器人抓起 15 公斤箱子，走 30 米，上架，再走回起点。电池在单次充电周期内要吸收 200 到 400 个高功率尖峰，包括 2,500W 的抬升尖峰、3,000W 的平衡校正瞬态。

文章里采访的 LG 电池工程师把这种 3 到 5C 持续放电评价为“非常激进”的工况，超出了商用锂电池过去三十年的优化目标。锂电池的演进曲线一直围绕能量密度、循环寿命、安全性这三件事，反复高 C 率脉冲不在其中。

而且要注意的是，这三个维度上的约束是并联的，改善其中一个不会减轻另外两个的压力。

把电池做得更轻一点会缓解几何约束，但同等电量下重量减轻通常意味着能量密度提升，这意味着电芯化学体系要更激进，对脉冲负荷的耐受可能更差。把控制算法做得更省电会改善行走能耗，但伺服关节的瞬时电流尖峰受限于硬件层面的扭矩需求，软件优化的空间有限。把电池做得更耐脉冲会牺牲能量密度或循环寿命。

这三个维度之间存在结构性的相互制约，任何单点突破都会被另外两个维度的反弹消化掉。

标称续航与实际工况

更关键的问题在于，即使是当前这套并不充裕的标称续航，落到实际工况里还要再打折。

特斯拉 Optimus 标称 8 小时（轻负载）或 2 到 4 小时（动态行走），Figure F.03 是 5 小时，这些是厂商的标准续航口径。

IEEE Spectrum 在 2025 年 9 月那篇关于 Digit 的报道给出过一个更具体的数字：Digit 标称续航 90 分钟，但实际部署中机器人大约每跑 30 分钟就会自主走回充电桩，因为 60 分钟必须留作储备，仓库环境里随时可能出现意外停顿，没有储备就有趴窝的风险，而机器人可不能像电动车一样“开到没电再说”，毕竟没有厂商愿意看到几百上千台机器人在工厂里随机停机。

所以，任何在真实工业环境部署的机器人都需要类似的电量储备，区别只是储备比例的高低。这意味着公开材料里“5 小时续航”的数字，在工厂里能调度的实际工时可能只有 2 到 3 小时。一台跑两班 8 小时的机器人，一天需要充电 3 到 4 次。

除此之外，还有一个非常严重的问题是循环寿命。锂电池厂商给出的循环寿命标定是 800 到 1,500 次循环后保留 80% 容量，但这些数字大概率来自实验室并不激进的标准工况。但仓库的真实工况是高 C 率脉冲、快充、深放、电芯内部温度因散热不良瞬时冲到 80 到 100°C 的环境。

锂电池领域有一条粗略法则：温度每升高 10°C，副反应速率翻一倍。在这种工况下，循环寿命很可能会跌到 200 到 500 次。

一台跑两班的机器人一年消耗大约 500 次循环。账面寿命两年，真实工况下可能六个月。The Strange Review 的测算是，标准部署模型假设的“100 台机器人每 12 到 18 个月换一次电池”，落地之后可能变成每 3 到 5 个月换一次。

运维端的隐性成本是停机：非热插拔换电要 4 到 6 小时（诊断、降温、拆装、校准），100 台机器人按压缩时间表轮换，一年丢 1,000 到 2,000 个生产小时。按 200 美元一小时的机会成本算，热插拔与人工换电之间的差距约 30 万美元一年。

标称续航实际打折一半、循环寿命实际打折四分之三，这两个数字是 RaaS（Robotics As A Service，机器人即服务）商业模型的两个核心假设变量。Agility 给 Digit 定的价是 30 美元一小时，按这个定价算 ROI，模型里默认电池能跑足标称值、循环能用够厂商标定的次数。如果两个假设同时打折，TCO 直接翻倍，盈亏平衡点要从 18 个月推到 3 年以上。

贝恩咨询 2025 年的人形机器人报告给出的判断是：今天大多数人形机器人在真实负载下运行约 2 小时，要做到 8 小时一班不充电、不换电池，可能还需要 10 年。

工程上的两条绕道

电池本身的化学体系演进短期内推不上去，工程上的应对就分成了两条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）

一条是把换电过程做得足够快，让续航不足在运营层面不再构成瓶颈。优必选的 Walker S2 是这条路线的代表之一。它采用双电池架构，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，期间副电池维持机器人通电。其设计逻辑不是造一块更耐用的电池，而是把电池视为耗材，把换电做成机器人能自己完成的动作。波士顿动力新版 Atlas 走的也是这条路，自主可换电池从一开始就被设定为核心架构决策。

另一条是在现有几何约束下尽量提升单次充电的可用电量。比如 Figure F.03 把电池做成躯干的承重结构件，省下传统电池外壳和支架占用的重量和体积，能量密度比上一代提升 94%，主动冷却管路直接铸进压铸壳体。

这条路解决不了循环寿命问题，但能延长电池在到达不可用门槛之前的有效使用时间。Agility Digit 走的是更温和的版本，自主回桩、工作和充电时间比例从目前的 2:1 推向 4:1，长期目标 10:1。

图丨Figure F.03 电池模块（来源：Figure AI）

不过，软件层面的优化空间终归相对有限。更精细的电池管理算法、温控调度策略组合起来，循环寿命可以从 200 次提到 400 次。但要把循环寿命做到电池厂商标称值的水平，需要 5 倍以上的改善，剩下的距离只能靠硬件架构层面的改动来填补。

固态电池是目前看最有潜力的化学路线之一。丰田、QuantumScape、比亚迪等厂商的量产时间表落在 2027 到 2030 年区间，但这是面向车用大尺寸电芯的产业链优先级。人形机器人需要的紧凑型电芯要排在车用之后，时间窗口大概率落在 2028 到 2030 年之后。

更关键的是，固态电解质在反复高 C 率脉冲下的表现目前没有大规模验证。这是一个尚未被产业链回答的问题，固态电池有望解决能量密度的瓶颈，但峰值功率耐受未必同步解决。如果固态在脉冲负荷下表现不及预期，人形机器人需要的电池形态可能跟电动车的固态电池在化学路线上分叉，这意味着一条独立的、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/

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成