第24章 电池与功耗优化：功耗分析工具、降低推理功耗的策略、动态频率调整

做AI应用开发，尤其是跑在手机上的神经网络，功耗是个绕不开的话题。我见过不少团队，模型精度刷得挺高，一上真机，手机烫得能煎鸡蛋，用户直接卸载。嗯，今天我们就来聊聊怎么把功耗降下来。

24.1 功耗分析工具：先搞清楚电都去哪了

优化功耗的第一步，不是瞎调参数，而是先测量。你得知道你的模型在跑的时候，到底消耗了多少电。

24.1.1 Android自带的电池统计

最简单的办法，用dumpsys batterystats。这个命令能告诉你每个应用的耗电情况。我个人习惯在测试前先重置一下：

adb shell dumpsys batterystats --reset
# 跑你的模型
adb shell dumpsys batterystats --charged > battery.txt

打开battery.txt，找到你的包名，能看到CPU唤醒时间、网络流量、传感器使用时长等。不过说实话，这个粒度比较粗，只能看个大概。

24.1.2 更精细的工具：Battery Historian

Google官方的Battery Historian，能把耗电数据可视化。你导出bugreport，丢到网页上，就能看到一条时间轴，哪段时间CPU在忙、哪段时间屏幕亮着、哪段时间GPS在工作，一目了然。

我建议你在跑NNAPI推理前后，分别抓一次数据。对比一下，就能看出推理过程对功耗的影响有多大。

24.1.3 硬件级功耗测量

如果你手头有Monsoon或Power Monitor这类设备，那是最准的。直接串在电池和主板之间，实时电流电压都能看到。我在项目中遇到过，软件统计显示功耗不高，但硬件一测，峰值电流直接超标。嗯，软件统计有时候会“骗人”。

24.2 降低推理功耗的策略：从模型到硬件，层层优化

搞清楚电都去哪了，接下来就是怎么省。我总结了几条实战经验，从软件到硬件都有。

24.2.1 模型层面的优化

模型越小，计算量越少，功耗自然越低。这是最根本的。

• 量化：FP32转INT8，计算量不变，但内存带宽和功耗能降一半以上。我做过一个图像分类模型，量化后功耗从2.3W降到1.1W，精度只掉了0.3%。
• 剪枝：去掉不重要的权重。有些模型剪掉30%的参数，精度几乎不变。
• 知识蒸馏：用大模型教小模型。小模型推理快，功耗低。

24.2.2 运行时策略：别让NPU一直满负荷

模型加载好了，推理的时候怎么省电？

• 批量处理：把多个输入攒到一起，一次推理。减少NPU的启动和停止次数。比如视频帧处理，可以攒5帧一起送进去。
• 降低帧率：不是所有场景都需要30fps。人脸检测，10fps就够用了。帧率降下来，功耗直线下降。
• 异步推理：别在主线程里同步等结果。用ANeuralNetworksExecution_startCompute异步执行，CPU可以去做别的事。

24.2.3 硬件选择：用NPU还是DSP？

NNAPI支持多种硬件加速器。不同硬件，功耗特性不一样。

硬件	性能	功耗	适用场景
CPU	低	高（通用计算）	小模型、兼容性优先
GPU	高	中高	大模型、高吞吐
NPU	高	低（专用电路）	定点模型、低功耗
DSP	中	极低	始终在线、语音唤醒

我个人建议：如果模型已经量化成INT8，优先选NPU。如果模型是FP16，GPU可能更合适。DSP适合那种“一直开着但不用太频繁”的场景，比如语音关键词检测。

24.3 动态频率调整：让硬件按需工作

动态频率调整，说白了就是“用多少电，干多少活”。你想想看，如果模型推理只需要50%的算力，为什么让NPU跑在100%的频率上？

24.3.1 什么是DVFS？

DVFS（Dynamic Voltage and Frequency Scaling）是硬件自带的节能技术。当负载低时，降低电压和频率；负载高时，再提上去。Android系统本身就在用，比如CPU的调频器（governor）。

NNAPI也支持类似机制。你可以通过ANeuralNetworksCompilation_setPriority和ANeuralNetworksCompilation_setPreference来暗示系统：这个推理任务对功耗敏感，还是对延迟敏感。

// 设置编译偏好：优先低功耗
ANeuralNetworksCompilation_setPreference(compilation, 
    ANEURALNETWORKS_PREFER_LOW_POWER);

// 或者优先低延迟
ANeuralNetworksCompilation_setPreference(compilation, 
    ANEURALNETWORKS_PREFER_FAST_SINGLE_ANSWER);

24.3.2 手动控制频率？别想了

有些同学可能会问：能不能直接设置NPU频率？嗯，在Android上，普通应用没有这个权限。系统安全模型不允许你直接操作硬件寄存器。你只能通过NNAPI的API来“建议”。

我曾经试过在root过的设备上手动写频率，结果系统直接崩溃。后来我学乖了，老老实实用NNAPI的标准接口。

24.3.3 实战：动态调整策略

在实际项目中，我一般这样用：

• 场景一：应用刚启动，需要快速响应。用PREFER_FAST_SINGLE_ANSWER，让硬件跑高频。
• 场景二：后台持续处理，比如视频滤镜。用PREFER_LOW_POWER，牺牲一点延迟，换续航。
• 场景三：电池电量低于20%。强制切换到低功耗模式，甚至降级到CPU推理。

你可以在代码里监听电池状态：

IntentFilter filter = new IntentFilter(Intent.ACTION_BATTERY_CHANGED);
registerReceiver(new BroadcastReceiver() {
    @Override
    public void onReceive(Context context, Intent intent) {
        int level = intent.getIntExtra(BatteryManager.EXTRA_LEVEL, 0);
        int scale = intent.getIntExtra(BatteryManager.EXTRA_SCALE, 100);
        int percent = level * 100 / scale;
        if (percent < 20) {
            // 切换到低功耗模式
            setLowPowerMode();
        }
    }
}, filter);

24.4 本章知识体系

下面这张图，把功耗优化的核心逻辑串起来了。从测量到策略，再到动态调整，是一个闭环。

你看，整个优化流程是闭环的。先测量，再优化，然后通过动态调整来适应不同场景。没有一步到位的方案，只有不断迭代的过程。

---