漫话机器人马拉松：硅基生命的21公里，你不知道的15个“真相”（上集）

作者：田丰，AI达芬奇

硅基生命的21公里——2026北京亦庄人形机器人半程马拉松深度全拆解（上）

一、终点线前，两个截然不同的结局

北京南海子公园，终点线前。

两个画面，永远定格在2026年的这个春日。

第一个画面：一道银色残影，几乎是从摄影师的长焦镜头里穿透而过。"荣耀闪电"以50分26秒的成绩率先触线——这个数字让在场所有人倒抽一口冷气。去年同一赛道上，最快完赛时间超过两个半小时；今天，这台机器人用不到一小时，重新定义了这项赛事的时间尺度。

第二个画面，发生在稍晚一些：去年的冠军"天工Ultra"身影出现，步伐稳健，姿态有力。镜头、目光、快门声齐刷刷地聚拢——然后，它过了终点线，机身微微一偏，径直冲入路边绿化带。工程师们奔上前，用担架将它抬离赛道。

观众笑称："机器人也被胜利冲昏了头脑。"

没人知道真正的原因：是人群遮挡了视线？导航在最后一刻失准？还是感知系统把终点线误判为障碍物？这一幕短促、意外，却以一种近乎寓言的方式，照见了整个行业最直白的现实——进步与失控，只在一瞬之间。

乔布斯说，细节就是魔鬼。在21.0975公里的赛道上，每一个0.5%的系统缺陷都会被漫长的时间轴放大成致命失败。而在2026年的亦庄，胜利者与被担架抬走者，都是比赛胜利者，共同构成了这个行业最诚实的年度报告。

二、一年之间，换了人间

要理解今天的震撼，必须先记住去年的狼狈。

2025年，同一条赛道上，人形机器人被工程师们拖着完成比赛。参赛机器人身后跟着一溜扛着电脑的工程师队伍，频繁介入纠正方向，更像是一场人机协同接力，而非真正意义上的机器人马拉松。

2026年，规则本身变了。陪跑员被取消。人工干预被严格限制。遥控队伍的成绩须乘以1.2的惩罚系数。场内外换电直接影响成绩计算。约40%的参赛机器人实现了全程自主导航——人形机器人第一次独自面对一条复杂而漫长的真实道路。

这条赛道本身，就是一本为机器人量身设计的"难题集"。全长21公里，从平地到坡道，从连续弯道到狭窄路段，再到南海子公园内接近90度的急弯与下坡组合，十余种地形串联在一起。对人类跑者来说已不轻松，对机器人而言，每一个转弯、每一段坡度，都是对感知、决策与控制系统的同步拷问。

代价是看得见的：有的机器人因高温被迫暂停降温，有的突然迷路，有的步伐不稳如醉酒大汉，连去年的冠军天工Ultra都冲进了绿化带。

但收获同样震撼。最快完赛时间压缩至50分26秒，与去年相比缩短近两个小时。杰夫·迪恩曾说："真实世界的数据，远比任何测试集都更混乱。"亦庄的赛道，恰是对这句话最昂贵的验证。

三、冠军解剖：荣耀闪电凭什么跑进50分钟？

50分26秒，这个成绩需要认真对待。

换算一下：平均配速约2分24秒/公里，折合时速约25公里。这已经接近人类马拉松世界纪录选手的配速（约2分05秒/公里），而且机器人不需要十年系统训练，不需要高原拉练，不需要在比赛前夜焦虑失眠。

荣耀闪电的胜出，并非单一技术的偶然突破，而是"电-机-控"三角体系在当前工程约束下的最优解。

首先是关节扭矩密度的优势。 速度=步幅×步频，而步幅最直接的制约因素是关节电机的扭矩。更高的扭矩密度意味着在更短时间内施加更大的地面反力，这是高步频的物理基础。这一赛季，部分头部机器人的关节扭矩密度已远超行业均值，使得大步态在算法可控的前提下成为可能。

其次是步态控制的成熟度。人形机器人全身可能有30多个关节电机。迈大步时，这些电机需要高频、同步地完成姿态调整，对控制系统的实时性要求极高——关节级闭环频率需达到1000Hz以上，状态估计系统以200Hz运行，各系统时钟同步偏差须控制在5毫秒以内。任何一个环节的延迟，重心来不及修正，机器人就会摔倒。荣耀闪电在这条"精度高速公路"上，跑出了目前最快的速度。

第三是能源与热管理的协同。在控制能力不足的情况下，很多系统会主动退让为小步快走策略——这是理性的保守，但会牺牲速度。荣耀闪电能维持高配速完赛，说明其热管理方案足以支撑长时间的高功率输出。液冷技术在这一赛季已从"先进技术"变成头部队伍的标准配置：液体热容量约为空气的3500倍，液冷方案比风冷可将关节电机持续功率密度提升约30%至50%——这不是奢侈品，而是解锁硬件真实性能潜力的必要条件。

当然，荣耀闪电的胜利也留下了值得追问的问题：50分26秒距峰值速度还有多少空间？热管理约束、电池约束和稳定性安全余量，共同构成了大约35%的速度折扣。天工Ultra的峰值速度已达12公里/时，比赛配速却只有7至8公里/时。这说明整个行业的峰值能力，远未在赛道上完全释放。

四、为什么有的跑得像博尔特，有的像喝多了？

速度与步态的差异，是赛场上最肉眼可见的鸿沟。

快思慢想研究院院长田丰给出了清晰的物理学框架：步幅受关节运动范围和扭矩制约，步频则受电机响应速度和驱动能力限制。两者相乘，才是速度的真实天花板。

但天花板之下，藏着一条无情的铁律：更快的速度需要更大电流（更高能耗），更高能耗产生更多热量，热量积累迫使系统降速自保——这就是所谓的"电-热-机"三角约束。破解这个三角，需要液冷散热、高能量密度电池、轻量化执行器的协同突破，缺一不可。

步频的另一个隐形约束是系统响应延迟。更高步频意味着更高的功率需求，如果供电能力不足，高步频就只是一个无法实现的数字。这正是为什么部分机器人会主动选择小步快走策略——小步的调整空间更大，一旦姿态偏差，可以更快修正，是能力不成熟时的理性退让。

而"喝多了"的那些机器人，往往不是算法写坏了，而是热管理失控后控制系统降频的直接呈现——发热超限，系统被迫以更低的计算频率运行，步态随之紊乱，看上去就像醉汉蹒跚。

五、穿鞋还是裸足？一双跑鞋的工程哲学

赛场上，有的机器人穿着鲜艳的运动跑鞋，有的则以金属或碳纤维的裸足直接接触柏油路面。这不是审美偏好，是两套工程哲学的碰撞。

零零后科技创始人张振尧拆解了三个核心维度：

冲击吸收。 机器人每迈出一步，脚接触地面会产生体重2至3倍的反作用力。这股力量若直接沿腿部连杆向上传导，会对踝关节和膝关节造成高频冲击，极易引发金属疲劳——"机器人也会磨损'半月板'"。跑鞋在此扮演缓冲层的角色，人类马拉松研究表明，优质碳板跑鞋的弹性中底可回收约40%至50%的冲击能量；对机器人而言，弹性足底在理论上可降低约15%至25%的主动驱动能耗。折算到21公里赛程，这一差距可能转化为约0.5至1次换电的续航差异——是相当显著的系统级收益。

摩擦系数。 裸足的金属或碳纤维材质，直接接触柏油路面时摩擦系数偏低，容易产生微小位移。这些看似微不足道的滑移，会让算法产生误差，进而导致重心偏移，甚至引发系统振荡。穿上跑鞋能大幅提高静摩擦，尤其在过直角急弯时，高摩擦力帮助机器人维持向心力。

控制复杂性。 穿鞋也有代价：如果训练模型未将鞋底弹性材料和厚度纳入参数，机器人可能"不知道自己穿了鞋"，算法产生扰动；鞋的重量也会增加腿部末端负担，提高能耗。但张振尧认为，当前强化学习算法的鲁棒性已足以消化这两个问题，穿鞋利大于弊。

这背后，是更深的工程逻辑：裸足设计适合以力控为核心的高精度控制系统；弹性鞋底更适合以位置控制为主的系统，用硬件弹性来补偿控制精度的不足。两种路线并非优劣之分，而是哲学匹配问题。未来最可能的演化方向，是可变刚度仿生足——软件定义机械特性，平坦路面调硬提高能效，复杂地形调软提高稳定性，兼具两者之长。

六、脚掌不是配件，是"被动减速器"

穿鞋与否只是表层选择。脚掌结构本身，才是机器人跑步效率的深层变量。

目前人形机器人的脚掌方案主要分三类：刚性铝合金足，控制精度高、力反馈清晰，但冲击大，对关节冲击载荷高；弹性足，内置弹簧或橡胶缓冲层，可降低冲击、部分回收能量，但力传递路径更复杂；仿生趾足，模拟人类跖趾关节，改善离地推进效率，但增加控制自由度和机械复杂度。

人类跑步中，脚掌承担三重功能：足弓在着地时储存弹性势能、离地时释放（弹簧储能）；跟骨脂肪垫和足底筋膜负责冲击吸收；跖趾关节完成力方向转换。刚性足无法利用这套弹性储能机制，每步的能量利用效率因此显著偏低。

正因如此，仿生足底已被列为本届半马机器人完赛的核心技术之一。好的脚掌设计，相当于在机械层面"免费"获得一部分缓冲和储能功能，减轻了主动控制系统的计算和能耗负担。

七、雨中赴战：防水，是人形机器人的一道高墙

赛前两天，北京下雨。赛场上出现了一幕奇特的景象：参赛队伍纷纷给机器人披上雨衣，像给婴儿穿雨披一样，小心翼翼。

这并非矫情，机器人防水是一件极其困难的事。

人形机器人集成了大量传感器和精密设备，设计之初根本没有考虑在防水工况下使用。电源接口、关节之间的连接件、大量走线，都完全裸露在外。有人只要剪掉其中一根电线，就可能导致整个机器人系统彻底瘫痪。

更深层的困境在于成本。现阶段，很多团队正在关节处进行大量创新设计，追求更高效的运动性能，这些机械结构本身就带有实验性。如果现在就要求同时满足防水标准，将大幅压缩工程创新的空间。而即便真的做出防水机型，其整机成本至少会上升五倍，完全不符合人形机器人当前商业化落地的经济逻辑。

所以，雨衣是暂时最理性的答案。当然，这也是这个行业尚在成长期的真实注脚。

八、一场比赛换四五次电池，是技术的局限还是理性的权衡？

赛场上，最引人侧目的场景之一，是机器人定期停下来换电池。有的队伍一场比赛换了四五次。

这背后是一道无法回避的物理学算题。

目前人形机器人的动力电池以三元圆柱锂电池为主，市场占比约70%，能量密度约在250至300瓦时/公斤之间，电压平台多集中在48至58伏。天工Ultra全程更换了3次电池才完成半马，说明现有的48伏平台在长时间高负荷下，已经捉襟见肘。

将电池包做大，是最直接的解法，也是最糟糕的选择。整机重量上升，电机需要更大扭矩，更大扭矩带来更高电流与发热，最终消耗更多电量——一个吞噬自身的循环。张振尧直言："堆电池容量是下下策。"最理想的状态，是将电池重量控制在整机的10%至15%，依靠多次换电完成比赛。

今年出现了一个真正的创新：不断电换电。过去的换电流程需要断开电源、关机重启、重新校准传感器，耗时漫长且存在工程不确定性。今年部分队伍为机器人装备了多块电池包，先替换其中一块，由备用电池维持供电，实现系统不关机的热切换。这需要电源管理系统支持双路供电热切换、超级电容缓冲以保证切换瞬间的电流连续性，以及快速插拔接口的机械精度。其技术难度，接近航天器在轨维修的级别。

真正的终极梦想，当然是一块电池跑完全程。这需要材料学的突破。目前最被寄予厚望的路径是固态电池，其理论能量密度最高可达500瓦时/公斤，是现有液态锂电池的2至3倍。欣旺达等企业的目标是初期阶段将能量密度提升至350瓦时/公斤。以天工Ultra约55公斤体重、5公斤电池的典型配置估算，若达到350瓦时/公斤，单次充电理论上可跑约15至18公里，全程无换电在固态电池成熟后有望实现。

另一个不该被忽视的方向是"动能回收"——类似新能源汽车下坡回收动能的设计，通过腿部弹性储能机制回收每一步落地的动能，将高能耗的伺服结构转向高效率的被动动力状态。这不是奇迹，而是工程演化的必然方向。

书名：《AI商业进化论：“人工智能+”赋能新质生产力发展》

出版社：人民邮电出版社

作者：田丰

帮助你定位AI当下发展坐标的指南针

帮助你洞察AI未来演进趋势的航海图

通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。