电子产品世界

具身人工智能（PAI）正推动机器人从装配线这类相对安全、可预测的作业环境，走向充满不确定性、动态变化的人形机器人应用场景。电源已成为人形机器人规模化普及的首要瓶颈。

能源供给与供电系统（包括电源转换和储能）是制约具身人工智能在人形机器人中落地的关键因素。例如，现有电池技术将这类机器人的续航限制在3 小时以内，部分机型甚至远低于这一水平；而大多数工业和医疗场景的需求是8～20 小时连续工作。

能耗需求的上升首先源于双足行走。与在二维平面移动、能耗更低的轮式机器人不同，人形机器人需要在三维空间中完成平衡与移动。这意味着除了环境感知和运动控制外，还需要更多传感器来维持姿态平衡。

对更多传感器的需求同样延伸到机器人手部。人类手部拥有 27 个运动自由度，要实现接近人类的操作能力，机器人手部至少需要 19 个自由度，这就需要更多传感器。用于行走和抓取的大量传感器，会带来复杂的传感器融合算法，进一步消耗大量电能。

显然，所有这些运动都需要电机、执行器以及配套驱动电路，进一步推高功耗并加剧电池系统负担。这些因素也带来了显著的成本问题：一套基础的人形机器人电池系统、舵机及其驱动器，约占整机成本的30%（图 1）。

图 1：储能、电源转换与运动系统可占人形机器人总成本的 30%。（图片来源：麦格理集团）

行走的复杂性

人形机器人行走必须考虑零力矩点（ZMP）和质心力矩支点（CMP），二者都是用于保证平衡的地面参考点。

图 2：人形机器人行走是一项复杂且高能耗的运动。（图片来源：《国际机器人研究期刊》）

零力矩点（ZMP）用于确定地面上水平惯性力矩与重力合力为零的位置（适用于平底、平稳行走）。质心力矩支点（CMP）则将这一概念扩展至包含角动量变化的场景，例如摆臂或上半身快速运动。

当 CMP 与 ZMP 重合时，地面反作用力会直接穿过身体质心（CM），这是保证稳定的必要条件。

这意味着行走不仅需要对多路传感器数据进行高功耗实时处理，运行基于机器学习 / 人工智能的传感器融合算法，还要精确协调腿部、手臂与躯干大量执行器的运动（图 2）。

多装电池就能解决吗？

增加电池数量看似可以延长续航，但电池增重会降低机器人灵活性，反而让行走等动作消耗更多能量。同时，更多电池也会直接推高系统成本。

目前行业正采用基于 ** 氮化镓（GaN）** 的先进电源转换技术，以缓解部分功耗与电池限制带来的挑战。

人形机器人存在电动汽车不具备的严格重量约束。电动汽车可以将约 1/3 的重量分配给电池系统，而人形机器人为保证平衡与灵活性，电池重量通常被限制在整机的1/8 以内。

此外，在快速、重复、动态运动中出现的大功率放电，会大幅缩短电池循环寿命。某些情况下循环寿命可能降至200 次，导致电池更换更加频繁，削弱人形机器人的经济性。

机器人的 “能量食物”

能源供给不仅是技术或经济层面的限制，它往往直接决定机器人能执行什么任务。在灾难救援、医院病患护理等场景中，需要长时间持续作业，过短的电池续航会直接让人形机器人失去应用资格。

目前有多种方案可提升人形机器人续航。研究人员正在探索金属空气电池等新型电池技术，这类电池理论能量密度极高，但主要受限于可充电性差、输出功率低、易受环境影响等问题，仍处于研发阶段。

另一种研究方向是为机器人 “喂食” 铝或其他金属，或使用化学燃料，以摆脱电池的限制（图 3）。在这类系统中，氧气与燃料在反应器中结合，通过 “食物” 产生电能。但在废弃物处理、功率密度、能量密度、环境适应性等方面仍存在大量难题有待解决。

图 3：未来机器人可能通过 “消耗” 化学燃料来发电。（图片来源：The Conversation）

总结

在人形机器人中实现具身人工智能所需的储能、电源转换、运动控制以及大量执行器，正制约着这类系统的发展与普及。氮化镓功率器件可以缓解部分问题，但能源供给的根本瓶颈，仍需要全新的储能技术路线才能突破。

关键词： 电源 具身人工智能 人形机器