2. Snapdragon硬件架构总览

做性能分析，第一步不是打开工具抓数据，而是先建立一张“硬件地图”。Snapdragon不是一颗通用CPU，而是一套异构计算系统（Heterogeneous SoC）：CPU、GPU、DSP、ISP、NPU、内存控制器和互连总线各自承担不同任务，通过总线交换数据。性能问题往往不是某个单元“慢”，而是任务被放错了单元，或者数据在总线与内存之间来回搬运。本节先建立整体结构认知，再逐块说明各自的性能特征与观察要点。

整体结构：从计算单元到内存的层级

Snapdragon的典型结构可以按“计算单元—互连—内存子系统—外设”四层理解。计算单元包括CPU集群、Adreno GPU、Hexagon DSP（含标量、向量、张量等子单元）、Spectra ISP和NPU；它们通过NoC（Network-on-Chip）与系统缓存（SLC，System Level Cache）连接；再往下是LPDDR内存控制器与LPDDR5/LPDDR5X颗粒；外设侧则包括显示、视频编解码、摄像头、Modem等。性能分析时，任何一条数据路径都可以抽象为“发起者→互连→缓存/内存→返回”，延迟和带宽就发生在这条链路上。

CPU集群：Prime、Gold、Silver的分工

现代Snapdragon CPU采用三档或四档集群。以典型的1+3+4结构为例：1个Prime超大核负责单线程爆发与低并发高负载；3个Gold性能核承担中等并行任务；4个Silver能效核处理后台与轻负载。它们共享L3缓存，但各自有独立L1/L2。性能分析要关注三点：一是任务被调度到哪一档核心，可通过/sys/devices/system/cpu/cpu*/cpufreq/scaling_cur_freq观察频率；二是核心迁移是否频繁，频繁迁移会带来缓存失效；三是热约束下的降频，Prime核往往最先被限制。判断CPU瓶颈时，先看单核占用率是否接近100%，再看是否因等待内存而空转。

GPU、DSP、ISP、NPU：各自的性能特征

Adreno GPU擅长高并行浮点与图形渲染，性能受着色器核心数量、频率和内存带宽共同约束。分析GPU时，GPU utilization高不一定代表瓶颈在GPU，也可能是带宽受限导致核心等待。Hexagon DSP包含标量单元、HVX向量单元和HMX矩阵单元，适合音频、传感器、图像后处理和低功耗常驻AI。它的优势是能效比高，但编程模型与CPU不同，任务划分不当会造成DSP空转。Spectra ISP是实时图像管线，吞吐以像素/秒衡量，高分辨率高帧率会迅速吃满带宽。NPU面向定点推理，关注TOPS、量化精度和内存访问模式；很多“NPU跑得慢”的案例，实际瓶颈在数据搬运而非算力。

内存子系统与互连：最容易被忽视的瓶颈

所有计算单元最终都要访问内存。SLC作为共享缓存，能显著降低对LPDDR的往返；LPDDR控制器的通道数、频率和时序决定峰值带宽与延迟。互连总线上的QoS仲裁决定谁优先获得带宽。性能分析中常见的现象是：CPU、GPU、DSP同时高负载时，各自单独跑都很快，合在一起却明显变慢——这通常是内存带宽或NoC争用导致的。观察手段包括读取/sys/class/devfreq下的带宽计数、使用Snapdragon Profiler查看DDR带宽与SLC命中率。判断依据是：若带宽接近峰值且延迟上升，说明内存子系统成为瓶颈，此时优化方向是减少数据搬运、提高缓存复用，而不是继续加算力。

一张可复用的观察清单