20小时前 算力越强，机器人越早趴窝

作者：半呆君

算力越强，机器人越早趴窝。问题不在算法不够聪明，在身体的死循环——背电池太重，干活就发烫，发烫就得降速。

2026 年，人形机器人站上风口。央视在播，板块在涨，各家发布会都在讲：再等大模型进化一步，机器人就能进工厂、进家里。

可这话经不起拆。机器人确实量产了，但买回去的大多数没进工厂——躺在实验室和展厅。真正在工厂连轴跑起来的，两只手数得过来。

不是没需求，是干不了活。宇树 G1 连续干两三个小时就趴窝——不是卡壳，是关节烫到了保护温度，自己停了，得等人来换电池或者降温。工厂要的是连轴八小时不歇的工人。

换个参照就懂：人脑整天处理信息才烧 20 瓦，机器人那套算力系统却要开到 200 瓦往上——差的是能效，不是聪明。

所以人形机器人的天花板，不在算法，在热力学。它卡在一个圈里：要连续干活得背块大电池，电池越重关节越累、电机越烫；要降温就得加散热，散热器件要么增重、要么耗电，两头都在往回加码；更费电，就得背更大的电池；热到极限还得降速，又吃掉部分有效工时。这条锁，AI 进化解不开。

今年那场人形半马，夺冠的机器人跑完 21 公里关节稳定在 32 度；可去年首届，选手一路摔倒、零件脱落，工作人员得跟着跑、随时手动降温。工厂里更隐蔽——它不倒，只是悄悄变慢，然后停在工位上，绿灯还亮着，活没干完。

 一、量产了，可它不干活

机器人卖出去，都卖给了谁？

出货量最大的宇树，2025 年人形收入里73.6% 来自科研教育，工业只有 9.01%。买走的主力是高校和研究所，不是产线。

看行业盘子：2025 年全球卖了约1.24 万台，2026 上半年冲到2.2 万台（同比 +300%）。量在暴涨，结构没动——文娱商演和科教数采仍占六成以上，智能制造13%，仓储物流5%。真正进工厂干活的，不到两成。

确实有真在干活的，而且不止一家。有厂商客户集中在汽车和 3C 制造，也有机型产线集群部署，成功率做到 99.99%。可加总一看，能进工厂的仍是少数——分化本身就是结论：能进工厂的，是少数厂家的少数机型。

二、干两小时就趴窝，砸钱也不好使

让它干活会怎样？干不长。

续航公开口径2 到 4 小时，产线要的是8 小时连轴。差一倍往上，中间那几个小时不是靠"多背块电池"能补的。

比续航更要命的是能连着干多久不坏（MTBF）。业内普遍认可1000–2000 小时，而汽车、3C 产线硬门槛是8000 小时。差 4 到 8 倍，数量级差距，不是调参数能抹平的。

门槛本身没分化，分化的是门槛之外三样：精度（末端 ±0.1 毫米）、成功率（柔性工序 99.9%，一千次错一次）、换型成本（每进新厂重新适配）。对靠稳定节拍吃饭的产线，第三样最难接受——你不是坏一次，是每隔几个月就要停下来重新教一遍。

钱能买来更好的电机、更轻的材料，买不来材料疲劳曲线的暴露时间。可靠性不是线性放大，它是个时间函数。

三、最耗电的不是电机，是那颗「大脑」

行业习惯把瓶颈归给"灵巧手""数据""算法"。真正啃电的，是身上跑 AI 大模型的那块板子。

机器人身上有三层"脑子"：最上头跑 AI 大模型（最耗电），中间管走路平衡，最底下管手脚怎么动。问题出在最上头那层。

据行业实测，一个 7B 规模的模型跑在 Jetson Orin上，每秒决策约 6.6 次，功耗30–50 瓦；要把频率提到每秒 50–100 次追流畅，整个算力系统的账单得开到200 瓦以上。频率提约 10 倍，功耗涨约 5 倍。

这里有两个限定：

第一，多数操作任务每秒10–30 次就够了，只有双足行走这种不停调平衡的活才要 30 次以上。所以"想流畅就得烧 200 瓦"不是普遍命题，是非要用大模型追高频控制时才付的代价。

第二，跑不动的是大模型，不是这个品类。换个小模型做压缩加速（INT8 量化），在 AGX Orin 64GB 上能跑到每秒40–66 次。工程上本来就有"换小模型"这条路。

那把最费电的推理扔云端呢？

这是条明路——端侧只留实时控制，功耗能降一个量级。但工厂产线对延迟和断网的容忍度是零：云端抖个 50 毫秒，装配线上就是一次撞机。不是技术不行，是产线不允许。

人脑净功耗 20 瓦，机器人那块板子常规推理就要30–50 瓦。这是"脑子对脑子"的比法——差的是能效，不是聪明。

四、一个绕不出去的圈

耗电只是这一段。真正的问题在于，它不只是一段，是个圈。

要连续干活得背电池；电池越重，关节负载越大；关节越累，电机越烫；要降温就得加散热，散热器件要么增重、要么耗电，两头都在往回加码；越费电，就越得背更大的电池。转一圈，回到原点。

电池这一环：3 公斤电池撑1–3 小时；要撑满 8 小时，得背8–27 公斤——相当于让一台 70 公斤的人形，把自身体重的一成到四成换成电池挂在身上。可每多挂一公斤，关节负载就大一分，电机就烫一分，耗电就快一分——电池加得越狠，电烧得越快。

散热这一环：风冷高负荷跑 10 分钟就烫手；没液冷 4 分钟就过温。芯片温度过了 45℃，会触发热到极限自动降速。

工程师手上的解法不少——降速、分区散热、换小模型——但每招都有代价，凑在一起还是算不过账。热分区要加传感器和风道，液冷要加微泵和散热器（温降能做到 80% 以上，可关节还是得增重 6%）。每一招都在往身上加东西，而身上每多一两，关节就多一分负担，又多一分热。

它不是五个难题，是一个圈。加电池增重，换电也增重，液冷增重还耗电——AI 再进化，也解不开这条锁。

准确的说法不是"完全无解"，而是：单招有效，连招超预算。在工程和经济双重约束下，能解开这个圈的组合拳，凑不齐。

工程师为什么要降频？因为不降就烧。降频这件事本身，就是热约束存在的直接证据。

五、腿该用在需要腿的地方

工厂真的需要一台会两条腿走路的机器吗？

双足机器人在野外能爬山、能过沟，那是它的主场。但工厂地面是平的，要腿干什么？

工厂里用双足，就像给写字楼配越野车——不是车不好，是用错了地方。

据厂商公开表述，工厂平面作业里绝大多数场景，轮式半身方案就能覆盖；双臂轮式方案用的是成熟工业部件，核心部件无故障时间通常能到数万小时量级，比双足路线高一个数量级。

这条路线已经跑出实例：一台双臂最大负载 50 公斤的轮式重载机器人，今年 3 月在动力电池头部厂商量产线完成验收，此后7×24 小时连续自主作业超过三个月——全程零遥操，靠纯视觉自己看路，干的是物料转运。

请注意它的形态：没有腿。

但双足确实有不可替代的地方：废墟搜救、野外电力巡检、核污染取样。轮式进不去狭窄缝隙，无人机进得去但干不了活（拧不了阀门、搬不了东西）。锁死双足的，是"空间约束"加"需要接触式操作"同时成立。

双足不可替代的地方，恰恰是这个圈转得最死的地方。野外没有充电桩，背着电池翻山越岭耗电更大；工厂还能靠轮式加换电缓解，双足的主场反而无处可绕。

电动车的故事很多人熟：普及节奏被电池能量密度曲线卡着，不是被软件卡着。机器人卡的是算力能效和散热，不是电芯能量密度（续航早被换电绕开了）。更关键的是，电动车替代出行工具（体验问题），机器人替代劳动力（经济账）。

能不能干活，落到账上就是一个变量——有效工时。这个圈转得越死，能连续干活的时间越短；时均成本，恰恰被这个时间除出来。

把账算一算（不引报价，只比时均成本）：

双足时均成本是人工的2.8–4 倍，且只算了折旧（电费维修都没计）。轮式已落到人工同量级，这就是它先跑通回本的原因。

即便双足降价到跟轮式同价，时均成本仍然高一倍——因为它每天只能有效干 4 小时，轮式能干满 8 小时。这道差距不靠降价解决，只能靠拉有效工时，而有效工时正是被热锁死的。

那为什么还有人在买？因为相信通用化——工厂只是练兵场，将来要进家庭。可有一笔账绕不开：如果工厂是练兵场，那练兵的成本谁来付？资本市场可以等，产线等不了——产线要的是当下回本的生产力，不是未来的通用可能性。

说回到那两个圈。外面那个圈是市场：出货→数据→模型→订单→降本，转得挺欢。

里面那个圈是物理：出货越多，真实工况暴露越多，热和可靠性问题越显性，回本被吃掉。但里面那个圈不是纹丝不动。出货量上去了，研发投入跟着上去，规模会把它一点点撑开——锂电能量密度就是被电动车千万辆级出货硬逼出来的。这就是两个圈互相咬合的证据。

可节奏错配：物理松动是工程年尺度，有滞后；算法迭代是周尺度。所以近一两年，部署节奏是被物理卡着的，不是被 AI 卡着的。

这个圈的松紧，被"形态和场景匹不匹配"决定。平面工厂里，双足拉到最紧，换轮子能松一大半；野外复杂地形，谁都松不了。

六、该盯什么

人形机器人的投资时钟，可能要从"AI 时刻"拨到"能源时刻"。软件迭代以月计，物理改进以年计——数字智能的快节奏，撞上物理世界的慢节奏。

这里的"年"不是物理侧没进步，是说从实验室到产线可靠性的验证周期：一个新东西要上车身，得跑两三年路测，而机器人进工厂，容错率是零。

这堵墙不是靠下一场发布会推得倒的，是靠规模和年尺度的工程投入慢慢松动。在墙松动之前，所有"量产元年"的欢呼，都要打个折扣。

下次看到"机器人量产元年"，先问三个问题

它连续干了几个小时？

后背烫不烫？

背着电池还走得动吗？

答案比 PPT 诚实。