「ヒューマノイドがすごい」「もうすぐ工場で働く」——そんなニュースを見ながら、こう思ったことはありませんか。
☕「あのロボット、実際どれくらい動けるんだろう？」
☕「デモ動画は3分。8時間シフトで働けるの？」
☕「バッテリーを大きくすればいいだけじゃないの？」
答えを先に言います。現在の主要なヒューマノイドの連続稼働時間はおおむね2〜4時間。そして、これは「電池をもう1個積む」では解決しません。
面白いのはここからです。人間が1日に食べる約2,000kcalは、エネルギーに直すと約2.3kWh。これは、Teslaの「Optimus Gen2」が背負っているバッテリー容量（2.3kWh）とほぼ同じなんです。
同じエネルギーを持ちながら、人は1日働き、ロボットは2時間で止まる。この記事では、その差がどこで消えているのかを電力収支・発熱・重さの3点から、図で分解していきます。
🎯 先に結論：壁は「電池」ではなく3つある
「稼働時間が短い＝電池が悪い」と思われがちですが、実際には3つの壁が同時に効いています。しかも、この3つは互いを悪化させ合います。
壁1：容量の壁
人型の体積では2〜2.5kWhしか積めない。EVのように床下に敷き詰められない。
壁2：発熱の壁
数十個のモーターが熱を出す。しかも密閉された体からは逃がせない。
壁3：重さの壁
電池も放熱板も重い。重くなるほど電気を食う。増やすほど不利になる。
💡 この記事の主張：ヒューマノイドのボトルネックはAIモデルではなく、電力収支と放熱という、極めて古典的な電気・機械の問題です。そしてこの領域こそ、日本企業が歴史的に強い場所です。
📊 実機データ：みんな「2〜5時間」で止まっている
公表値を並べると、開発企業が違っても着地点が驚くほど似ています。物理法則が同じなので当然といえば当然です。
| 機種 | 電池容量 | 公表稼働時間 | 逆算した平均消費 |
|---|---|---|---|
| Tesla Optimus Gen2 | 2.3kWh | 動的動作で約2時間 | 約1,100W級 |
| Figure 03 | 2.3kWh | ピーク性能で5時間 | 約460W |
| Atlas（Boston Dynamics） | 非公表 | 4時間／重作業時2時間 | — |
| Unitree G1 | 約0.43kWh | 約2時間 | 約215W |
| Unitree H1 | 0.864kWh | 静的動作でも4時間未満 | 約220W以上 |
| 🧍 人間（参考） | 約2.3kWh ＝食事2,000kcal | 16時間 | 約145W |
🍚 たとえ話：人間とOptimusは「同じ弁当箱」を持っています。容量2.3kWhはまったく同じ。違うのは燃費だけです。人が145Wで一日暮らすところを、ロボットは500〜1,100Wで走り続ける。つまりロボットは人の3〜7倍の大食いなのです。
※出典：Figure公式（F.03 Battery）、Boston Dynamics Atlas仕様書、Unitree公表値、TrendForce 2026年1月発表。人間側は食事2,000kcal＝約2,326Whとして概算（体温維持や脳の消費も含むため厳密な比較ではありません）。稼働時間は作業内容で大きく変動します。
⚡ 電気はどこへ消えているのか
三菱総合研究所の試算が、この構造を非常にきれいに示しています。総容量2,000〜2,500Whのロボットを4時間動かすなら、平均消費は500〜600Wに抑えなければなりません。その内訳がこちらです。
ここが一番の驚きどころです。AIチップの取り分は、全体のわずか1割強しかありません。500Wは電子レンジ弱運転1台分、80Wは古い白熱電球1個分。つまり「AIが電気を食う」のではなく「体が電気を食う」のがフィジカルAIの実態です。
データセンター側の電力構造と比べたい方はAIデータセンターはなぜ電気を食うのか、AIチップ側の消費が気になる方はエッジAI半導体 vs データセンターGPUもあわせてどうぞ。
🦾 なぜモーターだけで400〜500Wも食うのか
「歩いていないときは電気を使わないのでは？」——ここが人間の直感と決定的にズレるポイントです。
人間が腕を上げ続ける
骨と腱が構造的に支えるため、姿勢を「保つ」だけならエネルギー消費は小さい。関節をロックすればほぼタダで止まっていられます。
ロボットが腕を上げ続ける
1ミリも動いていなくても、重力に逆らうトルクを出すために電流を流し続ける必要があります。仕事量ゼロなのに電気は消える。
この「2乗」が効くのが厄介なところです。重い荷物を持つ、大きな減速比を使わずに直接トルクを出す、姿勢を保持し続ける——どれも電流を増やす行為であり、そのたびに発熱は跳ね上がります。
しかもモーターの電力変換効率は、数百W級で約80%。すでにかなり良い水準まで来ており、改善余地は数%しか残っていないとされています（三菱総研）。裏を返せば、500W流したら100W前後は必ず熱になるということ。これは技術で消せない、物理の取り分です。
🔥 第2の壁：熱を「逃がせない」体
当ブログの読者なら、データセンターが熱と戦っている話はご存知だと思います（液冷とは？／コールドプレートとは？）。ロボットの熱問題は、それよりはるかに条件が厳しいのです。
データセンター
- 床も天井も自由に使える
- 大型ファン・液冷・冷却塔が使える
- 冷却設備の重さは無制限
- 電源は壁から無限に取れる
ヒューマノイド
- 関節は防塵のため密閉されがち
- 冷却ファンを積めば重量が増える
- 人の隣で動くため騒音も制約
- 冷却に使う電力も電池から出る
日本テキサス・インスツルメンツは2025年11月の基調講演で、ヒューマノイド開発の最大の障壁は「熱」だと明言しています。アクティブ冷却（ファンや液冷）が事実上使えないため、そもそも損失を減らすしかない、という主張です。
古い話ですが、川田工業のHRP-3Pの報告では、時速1.2kmというゆっくり歩くだけでモータ1個あたり7〜10Wの発熱が生じ、ハウジングが高温になると記されています。これが全身に数十個。人型ロボットは体の中に小さなヒーターを数十個抱えて歩いているようなものです。
熱が出る → 放熱板やファンを付ける → 重くなる → 重い体を支えるため電流が増える → 銅損は電流の2乗で増える → さらに熱が出る。
電池を増やしても同じです。電池が重くなれば、その重さを運ぶために消費が増え、増えた分だけ稼働時間の伸びが目減りします。「たくさん積めば解決」が成立しないのは、このためです。
さらに実務的な問題として、モーターが熱くなると永久磁石の減磁や巻線絶縁の劣化リスクが出るため、制御側が出力を絞ります（デレーティング）。数分のデモ動画では出せる性能が、連続稼働では出せない——この差の正体は、多くの場合ソフトではなく熱です。
🚪 業界が探している3つの突破口
壁の構造がわかると、打ち手も自然に3つに絞られます。どれが本命かではなく、3つとも同時に進むと見るのが現実的です。
モーターを回すインバータの損失を減らせば、発熱も冷却部品も減り、負のスパイラルを断てます。日本TIはGaN（窒化ガリウム）活用を明確に打ち出し、ロームは2026年1月に国産ヒューマノイド団体「KyoHA」へ参画、同年4月には高温時オン抵抗を約30%下げた第5世代SiC MOSFETの開発完了を発表しました。
→ SiC・GaN・Siの違いを図解で読む
技術的にいま最も現実的な解です。Boston DynamicsのAtlasは自律バッテリー交換3分（充電1.5時間）を仕様に明記し、中国UBTechのWalker S2は2025年7月に3分での自動交換とデュアルバッテリー方式を公開しました。1台の稼働時間ではなく、隊列全体の稼働率で勝つという発想の転換です。
TrendForce（2026年1月）は、ヒューマノイド向け全固体電池の需要が2035年に74GWhへ達すると予測。人の生活空間で動く以上、発火しにくい固体電解質は安全面でも合理的です。ただし三菱総研は、全固体化しても実効的な重量エネルギー密度の改善は5割増（約350Wh/kg）程度が上限と見ています。2時間が3時間になる話であって、8時間になる話ではありません。
🔭 時間軸の目安：三菱総研は、AI推論に必要な処理を50〜80Wの枠内で実現できる時期を10〜15年先と試算しています（2020年頃の自動運転L4相当構成では2,800Wを要した）。一方で電池側の伸びしろは限定的。つまり先に効いてくるのは「半導体の省電力化」という順番になります。
💼 「電源と熱」を握るのは誰か
この壁を崩す仕事は、AIモデルの会社ではなく電気と機械の会社の領域です。だからこそ日本企業の名前が並びます。
上流：損失を減らす半導体
- ローム（6963）：SiC/GaN・ゲートドライバ・モータドライバ。KyoHA参画
- 富士電機（6504）：パワー半導体とインバータ
- 三菱電機（6503）：パワー半導体・サーボ
- ルネサス（6723）：制御用MCU/SoC
- TDK（6762）：電池・磁気センサー
- Texas Instruments（TXN）／Infineon（IFX.DE）
中流：電流を減らす関節
- ハーモニック・ドライブ・システムズ（6324）：波動歯車減速機。小さな電流で大トルクを生む鍵
- ナブテスコ（6268）：精密減速機。中小型領域へ参入
- ニデック（6594）：モーター
- ミネベアミツミ（6479）：ベアリング・小型モーター。CES2026でロボットハンド公開
- THK（6481）／日本精工（6471）
下流：本体・統合
- NVIDIA（NVDA）：エッジ推論チップと基盤モデルで規格を主導
- ファナック（6954）／安川電機（6506）：サーボ制御の蓄積
- 川崎重工業（7012）
- Tesla（TSLA）
- Figure AI（非上場・米）、Unitree（非上場・中国）：直接投資は不可
⚠️ 実需と思惑を分けてください。減速機やパワー半導体は、産業用ロボット・EV・FAという既存の実需で稼いでいる会社です。ヒューマノイド向けは現時点で数量が小さく、業績への寄与はこれから。ハーモニック・ドライブ・システムズも決算説明会でヒューマノイド向けのボリューム見通しについて慎重な議論をしています。「テーマで買われた」と「受注が立った」は別物として読む必要があります。証券コード・上場区分は執筆時点のものです（同社は2026年2月にプライム市場へ変更）。投資判断はご自身で最新のIR資料をご確認ください。
🎓 あなたにとって、この話が何を意味するか
ニュースを「稼働時間」で読めるようになります。新機種の発表を見たら、まず電池容量と公表稼働時間から平均消費電力を割り算してみてください。500Wを大きく下回っていれば、駆動系か電力変換で何か新しいことをやっている可能性があります。逆に稼働時間の記載がないリリースは、そこが弱点だと読めます。
この記事に出てきた技術は、電気機器・パワエレ・伝熱工学という、地味で古典的な講義そのものです。AIが華やかに見える時代に、ボトルネックは銅損と放熱にある。この領域を扱う企業（パワー半導体、減速機、モーター、熱設計）は、いま人材を強く求めています。
日本TIの整理では、機能安全（SIL認証など）が実用化の決定打とされています。電源・熱・安全設計の実務経験は、そのままフィジカルAIに転用できる資産です。自社が「脳」ではなく「体」のどこを担えるかを考えると、参入点が見えやすくなります。
🚫 よくある3つの誤解
❌ 「電池を大きくすれば解決」
→ 重量が増え、その重量を運ぶために消費も増えます。人型という形状が容積の上限を決めています。
❌ 「AIチップが電気を食っている」
→ 取り分は50〜80W、全体の1割強です。主犯はモーターです。
❌ 「デモ動画のあの動きが8時間続く」
→ 熱によるデレーティングがあります。研究デモの性能と、連続稼働の性能は別物として見てください。
❓ よくある質問（FAQ）
📚 次に読むべき記事
この記事の要点は3つです。①ロボットの電気は9割が体（モーター）に消える。②発熱は電流の2乗で増え、密閉された体では逃がせない。③突破口は電池ではなく、半導体の省電力化と運用設計。ここから先は、どこを深掘りしたいかで進む道が分かれます。
コメント