2025年可以说是人形机器人的“破圈”之年,更是量产元年。>
>从春晚舞台的惊艳亮相到工业车间的实际作业,从运动赛场的竞技比拼到家庭场景的服务尝试,人形机器人正经历从 “炫技” 到 “实用” 的关键转型,其技术和产业的快速发展也同样引人关注。>
>而人形机器人所展现出来的运动灵活性和能效表现,都有了质的飞跃。而这一跨越的背后,不仅是人工智能算法的迭代,更是底层硬件技术的革新。>
>以氮化镓(GaN)为代表的第三代半导体,正在重塑机器人 “肌肉与神经” 的底层架构。>
>01.>
>GaN>,何以带来性能跃迁?>
>人形机器人的动态特性依赖于全身40个以上的伺服关节系统,每个关节需要兼具驱动、传感、控制功能。>
>传统硅基功率器件在机器人控制系统中广泛应用,但其性能已逐渐接近物理极限。硅基器件在高频开关、能效、体积等方面存在明显局限性,难以满足人形机器人对高动态响应、低能耗、轻量化等需求。>
>例如,硅基器件在高频工作时会产生较大的开关损耗,导致能量浪费和系统发热;另外,较大的芯片面积也限制了机器人内部空间的优化。>
>与此同时,机器人的续航能力也成为商业化落地的关键制约因素。当前主流产品在满载工况下的续航普遍不足 4 小时,电池能量密度提升的放缓,使得通过功率器件优化能效成为延长续航的核心路径。>
>具体来看,>人形机器人对功率器件的需求可概括为「三高一小」,即高频开关能力、高功率密度、高效率转换,以及小体积封装。>
>那么,从材料特性出发,氮化镓为何优于硅基>MOSFET>?>
>与硅基器件相比,GaN 在物理结构上具有>宽禁带>、高电子迁移率、高击穿电场强度等优势,这些特性转化为实际应用中的高频、高效、高功率密度等表现。>
>
>
>
第一,高频性能的革命性突破。>氮化镓器件的核心优势在于其电子迁移率和击穿电场远高于硅基材料。硅基MOSFET的典型工作频率通常在几十千赫兹(kHz)范围内,而氮化镓器件可轻松实现数百千赫兹甚至兆赫兹(MHz)级别的高频开关。>这一特性直接推动了人形机器人伺服控制系统中PWM(脉宽调制)控制精度的提升>。>
>人形机器人的核心目标是实现类人化的动态控制,这需要对关节电机进行毫秒级的精准调节。传统硅基MOSFET因寄生电容和电感较大,在高频PWM控制下容易产生电流纹波,导致电机转矩波动。而>氮化镓器件的寄生参数极小,能够显著降低电流纹波,提升PWM控制分辨率。>
>例如,在特斯拉Optimus人形机器人的关节电机控制中,高频PWM信号能够实现更细腻的电流调节,从而让机器人的动作更加平滑自然,甚至能够完成类似人类手指抓取玻璃杯的精细操作。>
>第二,低导通损耗与高效能转化。>硅基MOSFET在高频率开关过程中会产生显著的导通损耗和开关损耗,导致系统效率下降和散热压力增加。而氮化镓器件的导通电阻(Rds(on))比硅基器件低一个数量级,开关损耗几乎可以忽略不计。>
>
>
>
人形机器人在实际应用中需要应对复杂环境,例如搬运重物、跨越障碍等场景,这对关节电机的爆发功率提出了极高要求。硅基MOSFET因导通损耗大和热限制,通常难以在短时间内输出高功率。而氮化镓器件的低损耗特性使其能够在高频高功率状态下稳定运行。>
>据意优科技技术总监李战猛透露,>氮化镓驱动器的转换效率可达98.5%以上,而传统硅基方案的效率通常在85%-95%之间。这意味着在相同面积下,氮化镓可以获得更高的功率输出,满足人形机器人高爆发力运动的需求。>
>第三,高功率密度与小型化潜力。>氮化镓能够在较小的空间内处理较大的电场,同时拥有更快的开关速度,这就使得基于氮化镓的功率器件可以实现更高的功率密度输出。>
>换句话说,就是在相同体积下,氮化镓器件能够提供更大的功率,或者在提供相同功率时,氮化镓器件的体积可以更小、重量更轻。>例如,>英诺赛科>的100V氮化镓芯片应用于人形机器人关节驱动时,成功将电源模块的体积减少了30%。>
>对于人形机器人而言,这种小型化优势尤为重要。关节腔体通常直径不足10厘米,传统硅基器件的驱动器、传感器、减速器等模块难以在有限空间内集成。而>氮化镓通过紧凑封装和集成化设计,让其>高功率密度特性与集成式驱动器的特性相结合,进一步减小尺寸。>
>第四,热稳定性与可靠性。>氮化镓材料的禁带宽度远高于硅,使其在高温环境下仍能保持稳定的性能。>研究表明,氮化镓器件在650°C以上的高温中仍能正常工作,且其热导率较高,能够快速将热量传导至散热系统。>
>
>
>
这一特性对于人形机器人关节等高负载部件尤为重要,人形机器人在密集运动时,关节电机和驱动器会产生大量热量,导致局部温度骤升,而传统硅基系统的散热需求往往需要额外的冷却结构(如风扇或散热片),进一步增加了体积和重量。>氮化镓器件因低损耗和高热导率,能够将热量集中在可控范围内,从而减少对主动散热系统的依赖。>
>02.>
>GaN落地应用,重构机器人核心系统>
>GaN 技术落地应用人形机器人并非单点突破,而是渗透到从动力驱动到感知交互的全系统架构中。>
>在伺服驱动系统中,GaN 提升了关节的运动精度与功率密度;在能源管理系统中,GaN 优化了电池充放电效率与续航能力;在感知与通信系统中,GaN 增强了环境探测与数据传输的可靠性。>这种全链路的技术升级,正在推动人形机器人性能边界的持续突破。>
>■>伺服驱动>
>作为机器人的 “动力核心”,伺服驱动系统负责将电能转化为机械能,驱动关节完成各种动作。>
>GaN 器件通过高频开关与低损耗特性,为伺服系统带来了精度、功率与效率的全方位提升,成为机器人“数字肌肉”的核心支撑。>
>
>
>
▍>图源:英诺赛科>
>当前主流人形机器人单机约含40个关节电机,其GaN器件用量因关节大小而异。>小关节(如手指)用量较少(3-6颗),中等关节(如肘)用量中等(约12颗),大关节用量最多(24颗)。>这使得单台机器人的基础GaN用量达到约300颗。>
>当引入如>五指灵巧手>、腰部扭转等更复杂的自由度后,>单机GaN用量将显著攀升至1000颗以上>。>
>当前主流人形机器人搭载>约40个关节电机>,按照关节尺寸分级配置 GaN 器件:>手指等小关节需3至6颗,肘关节等中等关节需约12颗,而最大的关节则需要24颗。据此计算,单台机器人的GaN基础用量约300颗。>
>而随着五指灵巧手、腰部扭转关节等新自由度的加入,机器人单机GaN用量将突破1000颗。>
>在精密控制场景中,GaN 的优势集中体现在>灵巧手>与>多轴协同控制>上。>
>作为人形机器人领域领先企业,上海智元率先将集成了英诺赛科GaN器件的关节电机驱动应用至机器人,通过GaN技术解决了传统硅基器件在功率密度与控制精度上的瓶颈。>
>据介绍,>目前,智元人形机器人已在脖子、手肘等关键活动关节的3个电机中应用GaN器件,每个电机集成3颗GaN芯片,GaN器件已装配至数百台人形机器人。>
>此外,在多轴协同控制中,GaN 的同步响应能力至关重要。依托GaN技术高频开关(MHz级)、超低死区时间(ns级)以及高集成度等优势,解决了多轴协同中的延迟累积、通信抖动和热管理难题。>
>中科阿尔法科技有限公司>发布了一款基于氮化镓(GaN)驱动的机器人关节模组>(型号:ZK-RI0--PRO--B)。>该模组内置>中科无线半导体>AI ASIC具身机器人动力系统芯片家族关节系列“GaN阵列驱动器芯片”,具有250Hz高频神经反射与5ms全链路时延,这对于人形机器人实现快速、精准的动作控制至关重要。>
>
>
>
>
▍>图源:中科阿尔法>
> >高频神经反射能够确保机器人在复杂环境中迅速做出反应,而低时延则保证了动作的流畅性和连贯性。此外,该技术通过物理3D建模与多模态传感器数据融合输出的阵列控制信号>在5ms的时间同时控制机器人数十个关节>,不但保持了机器人在高速运动过程中的稳定性,还大幅缩短了机器人的研发训练时间。>
>在大功率关节应用中,GaN 的功率密度优势充分显现。>
>髋关节作为机器人的核心承重关节,需要在有限空间内输出高功率。与传统硅基MOSFET相比,GaN整个功率器件的芯片面积减小了50%以上。>GaN器件在人形机器人的髋关节模块中的应用,在有限的直径十几厘米的关节腔内,能搭载20余颗GaN器件,而传统硅基MOSFET根本塞不进这么小的空间。>
>另外,据德州仪器透露,>驱动机器人手指的电机可能只需要数安培电流,而驱动髋关节或腿的电机可能需要 100 安培或更高的电流。>
>■>能源管理>
>以特斯拉Optimus为例,其配备的52V、2.3kWh电池,仅能支持2至4小时运动,而人形机器人高强度、高频次动作需要更持久的能量供给。>
>人形机器人的续航能力直接决定其商业化价值,而能源管理系统是提升续航的核心环节。GaN 器件通过优化充放电效率、减小电源体积、实现能量回收等方式,成为破解续航难题的关键技术。>
>在电池快充领域,GaN 的高频高效特性推动了超快充技术的落地。>
>中科无线半导体发布的氮化镓(GaN)ASIC智能快充芯片>(包括:CT-3602、CT1020、CT1007与CT-1901)四个型号,通过>“氮化镓ASIC芯片+GaN功率管”>集成的差异设计,是为机器人定制化的快充专用芯片。>
>
>
>
>
▍>图源:中科无线半导体>
> >该系列采用>氮化镓合封>,通过ASIC芯片+GaN HEMT键合,高频高效,模块体积缩小30%,低内阻特性降低导通损耗,采用LLC设计结构系统效率达98%以上,充电发热减少25%,适配机器人对空间紧凑性与低发热的双重要求。>
>InnoGaN机器人240W快充解决方案采用All GaN BTPPFC+LLC技术>,具有高效率、小体积和高功率密度的优势。该方案在提升效率的同时,也保障了工作的连续性,为机器人快充领域带来新的技术突破。>
>>
▍>图源:英诺赛科>
> >此外,分布式电源架构的应用则提升了能源管理的灵活性。>英诺赛科还提供了高性能氮化镓机器人高性能DC-DC供电方案,采用GaN多相降压技术,实现更高效率与更小占板面积,助力机器人供电性能提升。>
>针对机器人BMS,英诺赛科提供了VGaN的应用方案,对比传统Si MOS方案,GaN器件在系统单板体积方面取得显著突破。>元器件数量得以大幅削减达50%。同时,系统单板体积减少33%。此外,GaN方案的温升较传统方案降低13.1℃,在无散热器的条件下,实现100A输出。>
>
>
>
>
▍>图源:英诺赛科>
> >除此之外,>能量回收系统是提升续航的另一重要路径。>机器人在行走、制动、下坡等场景中会产生大量制动能量,传统硅基方案因反向恢复损耗大,能量回收效率通常低于 75%。而>GaN 器件的零反向恢复特性,使能量回收效率提升至 92% 以上。>
>■>感知与通信>
>人形机器人的环境交互能力依赖于感知与通信系统的性能,而 GaN 器件在高频信号处理、抗干扰传输等方面的优势,正在强化机器人的“神经末梢”功能,使其更精准地感知环境、更可靠地传输数据。>
>在新能源汽车中,GaN就在激光雷达领域展现出巨大的潜力,成为自动驾驶技术的关键组成部分。>GaN 在新能源汽车激光雷达中的技术积累,为人形机器人提供了成熟的移植路径。>
>激光雷达作为机器人的“眼睛”,需要高功率、高频的激光驱动信号。GaN FET 的 2MHz 开关速度可驱动 1550nm 激光二极管实现 200m 以上的探测距离,较硅基方案提升 50%;同时,其低开关损耗特性使激光雷达的平均功耗降低 30%,解决了传统方案的发热问题。>
>另外,机器人的 IMU(惯性测量单元)、扭矩传感器等需要高精度的信号调理电路,而 GaN 器件的低噪声特性减少了信号干扰。>集成 GaN 的信号调理模块可将 IMU 数据采集延迟压缩,为动态平衡控制提供了实时数据支撑。>
>不仅如此,>在无线通信领域,GaN 射频器件增强了数据传输的可靠性与距离。>同时,其零反向恢复特性将 EMI(电磁干扰)噪声降低 20dB,减少了对其他传感器的干扰。>
>03.>
>写在最后>
>氮化镓器件的出现,标志着人形机器人从“功能实现”迈向“性能优化”的新阶段。其高频低损、小型化、高功率密度等特性,不仅解决了传统硅基MOSFET在关节驱动、电源管理等环节的瓶颈,还为人形机器人的智能化、轻量化和实用化提供了全新可能。>
>尽管氮化镓器件目前的成本仍高于硅基MOSFET,但随着8英寸晶圆量产、良率提升和规模效应的放大,其成本有望持续下探。此外,氮化镓的封装技术和驱动IC的优化,将进一步降低设计复杂度。>
>以英诺赛科和英飞凌为代表的IDM企业,力求在效率与成本上获得先发优势。>
>英诺赛科拥有全球最大规模的8英寸硅基氮化镓晶圆生产基地(苏州、珠海)。截至2024年末,英诺赛科晶圆产能达1.3万片/月,未来计划将产能扩充至2万片晶圆/月,产品设计及性能处于国际先进水平。>
>英飞凌更是推出了其>12英寸>氮化镓功率半导体晶圆技术。>相较于传统8英寸晶圆,12英寸氮化镓晶圆可在单位面积上产出更多的芯片,这不仅提升了生产效率,还显著降低了单位成本。>
>
>
>
今年7月消息,英飞凌宣布其在 300mm晶圆上的可扩展GaN生产已步入正轨,>首批样品预计将于2025年第四季度交付客户。>
>在机器人领域,英飞凌致力于提供全面的解决方案,>涵盖从关节驱动、智能传感、边缘计算到安全互联等各个环节>。>目前,英飞凌已与超过20家机器人产业链公司达成合作>,其创新的氮化镓关节方案能有效减轻机器人重量、延长电池续航;为GPU供电的方案也可应用于机器人,显著提升机器人性能与能效。>
>此外,芯联集成也将AI列为公司四大战略市场之一。目前,芯联集成已实现量产的包括>机器人灵巧手的动作驱动芯片>、高级辅助驾驶ADAS里面的激光雷达核心芯片、惯性导航芯片、压力传感器芯片等,>且已收到灵巧手的相关订单。>
>合作方面,>芯联集成还与具身智能机器人企业魔法原子有相关合作>,双方合作探索人形机器人核心零部件供应链,尤其高集成电驱控芯片的相关开发,进一步优化量产工艺。>
>以>纳微半导体>为代表的Fabless企业,致力于强化供应链,推动创新、降本增效。>
>作为全球 GaN功率 IC 龙头,纳微半导体此前主要与台积电合作,借助其 6 英寸产线进行氮化镓芯片的生产。如今,台积电决定于2027年前逐步退出GaN晶圆代工业务。>今年7月消息,纳微半导体宣布已与力积电建立战略合作伙伴关系,正式启动并持续推进8英寸硅基氮化镓技术生产。>力积电将为纳微半导体生产>100V至650V>的氮化镓产品组合>。>
>随着技术成本的下降和产业链的成熟,GaN有望成为人形机器人产业的“核心引擎”,推动这一领域从实验室走向工厂、家庭等多维应用场景。这场由材料创新引发的变革,正在重新定义机器人的能力边界。>
> >