具身人工智能（PAI）正推動機器人從裝配線這類相對安全、可預測的作業環境，走向充滿不確定性、動態變化的人形機器人應用場景。電源已成為人形機器人規模化普及的首要瓶頸。

能源供給與供電系統（包括電源轉換和儲能）是制約具身人工智能在人形機器人中落地的關鍵因素。例如，現有電池技術將這類機器人的續航限制在3 小時以內，部分機型甚至遠低于這一水平；而大多數工業和醫療場景的需求是8～20 小時連續工作。

能耗需求的上升首先源于雙足行走。與在二維平面移動、能耗更低的輪式機器人不同，人形機器人需要在三維空間中完成平衡與移動。這意味著除了環境感知和運動控制外，還需要更多傳感器來維持姿態平衡。

對更多傳感器的需求同樣延伸到機器人手部。人類手部擁有 27 個運動自由度，要實現接近人類的操作能力，機器人手部至少需要 19 個自由度，這就需要更多傳感器。用于行走和抓取的大量傳感器，會帶來復雜的傳感器融合算法，進一步消耗大量電能。

顯然，所有這些運動都需要電機、執行器以及配套驅動電路，進一步推高功耗并加劇電池系統負擔。這些因素也帶來了顯著的成本問題：一套基礎的人形機器人電池系統、舵機及其驅動器，約占整機成本的30%（圖 1）。

圖 1：儲能、電源轉換與運動系統可占人形機器人總成本的 30%。（圖片來源：麥格理集團）

行走的復雜性

人形機器人行走必須考慮零力矩點（ZMP）和質心力矩支點（CMP），二者都是用于保證平衡的地面參考點。

圖 2：人形機器人行走是一項復雜且高能耗的運動。（圖片來源：《國際機器人研究期刊》）

零力矩點（ZMP）用于確定地面上水平慣性力矩與重力合力為零的位置（適用于平底、平穩行走）。質心力矩支點（CMP）則將這一概念擴展至包含角動量變化的場景，例如擺臂或上半身快速運動。

當 CMP 與 ZMP 重合時，地面反作用力會直接穿過身體質心（CM），這是保證穩定的必要條件。

這意味著行走不僅需要對多路傳感器數據進行高功耗實時處理，運行基于機器學習 / 人工智能的傳感器融合算法，還要精確協調腿部、手臂與軀干大量執行器的運動（圖 2）。

多裝電池就能解決嗎？

增加電池數量看似可以延長續航，但電池增重會降低機器人靈活性，反而讓行走等動作消耗更多能量。同時，更多電池也會直接推高系統成本。

目前行業正采用基于 ** 氮化鎵（GaN）** 的先進電源轉換技術，以緩解部分功耗與電池限制帶來的挑戰。

人形機器人存在電動汽車不具備的嚴格重量約束。電動汽車可以將約 1/3 的重量分配給電池系統，而人形機器人為保證平衡與靈活性，電池重量通常被限制在整機的1/8 以內。

此外，在快速、重復、動態運動中出現的大功率放電，會大幅縮短電池循環壽命。某些情況下循環壽命可能降至200 次，導致電池更換更加頻繁，削弱人形機器人的經濟性。

機器人的 “能量食物”

能源供給不僅是技術或經濟層面的限制，它往往直接決定機器人能執行什么任務。在災難救援、醫院病患護理等場景中，需要長時間持續作業，過短的電池續航會直接讓人形機器人失去應用資格。

目前有多種方案可提升人形機器人續航。研究人員正在探索金屬空氣電池等新型電池技術，這類電池理論能量密度極高，但主要受限于可充電性差、輸出功率低、易受環境影響等問題，仍處于研發階段。

另一種研究方向是為機器人 “喂食” 鋁或其他金屬，或使用化學燃料，以擺脫電池的限制（圖 3）。在這類系統中，氧氣與燃料在反應器中結合，通過 “食物” 產生電能。但在廢棄物處理、功率密度、能量密度、環境適應性等方面仍存在大量難題有待解決。

圖 3：未來機器人可能通過 “消耗” 化學燃料來發電。（圖片來源：The Conversation）

總結

在人形機器人中實現具身人工智能所需的儲能、電源轉換、運動控制以及大量執行器，正制約著這類系統的發展與普及。氮化鎵功率器件可以緩解部分問題，但能源供給的根本瓶頸，仍需要全新的儲能技術路線才能突破。