人形机器人的天花板不在算法，在热力学

2026 年，人形机器人站上风口，但真正进工厂干活的少得可怜。买回去的机器人大多躺在实验室和展厅，连产线门都没进过。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，是关节过热触发温度保护。工厂要的是连轴八小时不歇的工人。人脑净功耗只有 20 瓦，机器人跑大模型推理的算力板，日常就要 35 到 40 瓦，想要流畅控制，整个算力子系统得开到 200 瓦以上。差距不在聪明，在费电。

人形机器人的天花板，不在算法，在热力学。

量产了，可它不干活

卖得最多的宇树，2025 年人形机器人收入中 73.6% 来自科研教育，工业场景只有 9.01%。据高工机器人产业研究所测算，2025 年全球人形机器人销量约 1.24 万台，中国约 7300 台；2026 年上半年全球出货突破 2.2 万台，同比增长近 300%。但结构没变：文娱商演和科教数采合计仍在六成以上，智能制造只占 13%，仓储物流 5%。真正进工厂干活的不利两成。

能稳定在产线运行的，只有少数厂家的少数机型。

干两小时就趴窝

公开口径人形机器人续航 2 到 4 小时，产线要求 8 小时。平均无故障时间（MTBF）在 1000 到 2000 小时，而汽车、3C 产线门槛是 8000 小时。这还不是全部：工业机械臂末端精度需 ±0.1 毫米，柔性工序成功率需 99.9%，3C 换型频繁，每进一个新厂都要重新适配。这些硬指标没法靠多调参数抹平。

原来以为“钱能解决”——钱能买来更好的电机、更轻的材料，买不来可靠性曲线暴露的时间。可靠性是时间函数。

最耗电的不是电机，是那颗“大脑”

机器人算力分三层：大脑跑视觉-语言-动作（VLA）模型和世界模型，小脑做实时运动规划与力控，脊髓即关节驱动器负责毫秒级电流环。耗电大户是最上层。

实测一个 7B VLA 模型跑在 Jetson Orin 上，每秒决策 5 到 10 次，功耗 30 到 50 瓦；若把控制频率提到每秒 50 到 100 次去追流畅，整个算力子系统的功耗会飙到 200 瓦以上。注意，200 瓦是整系统账单，不是单颗芯片。Orin 模组官方功耗上限为 60 瓦，真实工况处于中低档位。

当然，不是所有任务都需要那么高频率。多数操作每秒 10 到 30 次足够，只有双足行走才需要 30 次以上。换一个 2B 小模型做 INT8 量化，能在 AGX Orin 上跑到每秒 40 到 66 次。工程上也有“换小模型”这条路。

把推理扔到云端？产线对延迟零容忍：云端抖 50 毫秒，在装配线上就是一次撞机。高频力控和装配线，还得端侧自己兜住。

人脑净功耗 20 瓦，机器人日常推理就要 30 到 50 瓦。比的是能效，不是聪明。

一个绕不出去的圈

要能干活，就得背电池；电池越重，关节越烫；降温需要散热，散热件要么增重要么耗电；更费电又得背更大电池。这是一个循环锁。

按公开口径粗估，3 公斤电池撑 1 到 3 小时；要撑满 8 小时，得背 8 到 27 公斤——相当于 70 公斤的人形把一成到四成体重换成电池。电池加得越狠，电烧得越快。

散热同样严峻：风冷高负荷跑 10 分钟就烫手，完全无液冷 4 分钟就过温。芯片温度过 45℃会触发热节流——系统自动降速。

工程师工具箱并不空：三级热节流、占空比管理、预测性热管理、热分区、动态功耗档位，硬件上还有强制风冷、相变材料。但单招有效，连招超预算。每一招都在往机器人身上加东西，而身上每多一两，关节就多一分负担、多一分热。在工程和经济双重约束下，能解开这个圈的组合拳凑不齐。

腿该用在需要腿的地方

工厂大多平面作业，轮式半身方案就能覆盖，且核心部件无故障时间常达数万小时，比双足高一个数量级。已有实例：一台双臂最大负载 50 公斤的轮式重载机器人，在一家动力电池头部厂商产线 7×24 小时连续自主作业超过三个月，全程零遥操，干的是物料转运。

双足的需求在户外复杂地形、废墟搜救、核污染区等。这些地方轮式进不去，无人机进去但干不了活——没有接触式作业能力，拧不了阀门。双足是唯一同时满足“空间约束+接触操作”的形态。但也正因如此，双足主场恰恰是这个圈转得最死的地方：户外没有充电桩和换电站，背着电池翻山越岭更耗电。

算一笔账：按 3 年折旧、每年 300 个有效工作日、只算折旧（成本下限），双足方案时均成本是人工的 2.8 倍到 4 倍（83 元对 20–30 元）。轮式方案已与人工同量级。更残酷的是：即便双足降价到与轮式同价，它每天只能有效干 4 小时，而轮式能干满 8 小时，时均成本仍然高一倍。这道差距只能靠拉长有效工时解决，而有效工时正是被热锁死的。

那为什么还有人买单？因为相信通用化——工厂是练兵场。可练兵场的钱谁来付？工厂要的是当下就能回本的生产力，不是未来的通用可能性。外部市场圈在转：出货放量、数据积累、供应链降本；内部物理圈也在转：出货越多，真实工况暴露越多，热与可靠性问题越显性。物理圈的松动以年计，算法迭代以周计——近一两年的部署节奏，是被物理卡着的。

该把时钟拨到哪一格

人形机器人的投资时钟，可能要从“AI 时刻”拨到“能源时刻”。电池能量密度、散热材料、功率器件的改进以年计，从实验室到产线的可靠性验证也需要年尺度。这堵墙不是推不倒，是靠规模和工程投入慢慢松动，不是靠下一场发布会。在那之前，所有“量产元年”的欢呼都要打个折扣。