2. 座舱性能关键指标定义

座舱性能优化最容易陷入的误区，是“凭感觉说卡”。用户说“开机慢”“划不动”“点一下半天才反应”，这些描述无法直接指导调优。工程上必须先把主观感受翻译成可测量、可复现、可对比的量化指标，再为每个指标确定采集点、统计口径和达标阈值。本节围绕启动时间、帧率、触控延迟、应用响应时间、CPU/GPU/NPU 占用率、内存带宽、功耗与温度约束这八类指标，说明它们的定义边界、测量方式以及彼此之间的耦合关系。

一、时间类指标：启动、响应与触控

启动时间指从触发开机事件到用户可交互之间的时长。座舱场景下必须区分三个口径：冷启动（系统完全断电后上电）、温启动（系统休眠后唤醒）、以及应用冷启动（进程未驻留时首次拉起）。以冷启动为例，典型采集点是内核启动完成时间戳、Android 系统 boot_completed 广播时间、Launcher 首帧上屏时间（SurfaceFlinger 的 first frame presented），以及可交互判定点。工程上常把“可交互”定义为 Launcher 首帧呈现且触控输入通道已就绪，而不是简单取 boot_completed，因为后者往往早于画面真正可见。示例口径：某座舱项目将冷启动目标定为 ≤18s（从按下电源到 Launcher 首帧上屏），温启动 ≤2s，该数值属于示例假设，实际阈值需结合硬件平台与产品定位确定。

应用响应时间指用户触发某个操作（如点击图标、切换页面）到目标界面首帧呈现的时长。它与启动时间的区别在于：启动时间衡量系统级就绪，应用响应时间衡量单次交互的端到端时延。采集上通常用 am start -W 输出的 TotalTime 作为参考，但更准确的是结合 SurfaceFlinger 的帧提交时间戳，排除掉“进程已启动但画面未上屏”的假达标。

触控延迟是用户手指接触屏幕到画面产生对应反馈的时间，链路最长、也最容易被忽视。它由四段构成：触摸屏采样与上报、输入子系统分发、应用处理与渲染、显示合成与上屏。任何一段抖动都会直接放大体感延迟。测量上可用高速摄像机拍摄“手指接触—画面变化”的帧差，也可用 getevent 时间戳与 SurfaceFlinger 上屏时间戳做差值估算。示例目标：触控到上屏端到端 ≤80ms，其中触摸上报 ≤10ms、应用处理 ≤30ms、合成上屏 ≤40ms，这些分段值属于合理假设，用于说明如何拆解而非实测结论。

二、流畅度指标：帧率与掉帧

帧率不能只看平均值。座舱动画通常目标 60fps（每帧 16.67ms），但真正影响体感的是掉帧分布。工程上应同时采集三个量：平均帧率、1% Low（最差 1% 帧的帧率）、以及卡顿帧数（单帧耗时超过 2 倍帧预算的次数）。采集工具可用 dumpsys SurfaceFlinger --latency 获取指定图层的帧时间戳序列，再计算相邻帧间隔。判断依据：若平均帧率 58fps 但 1% Low 只有 22fps，说明存在周期性卡顿，问题通常出在某个耗时任务周期性抢占主线程，而非整体渲染能力不足。

三、资源类指标：CPU/GPU/NPU、内存带宽

CPU/GPU/NPU 占用率要区分“瞬时占用”和“持续占用”。瞬时峰值高不一定有问题，持续高位才是风险。CPU 侧关注大核集群占用率与主线程被抢占情况；GPU 侧关注渲染管线负载与频率是否被限；NPU 侧关注推理任务排队与占用时长。采集可用 top、dumpsys gfxinfo、以及高通平台提供的性能监控接口。

内存带宽是座舱多屏、多路摄像头、AI 推理并发时最容易被忽略的瓶颈。它不像 CPU 占用那样直观，但带宽饱和会同时拖慢 GPU 渲染和 NPU 推理。关注指标包括总带宽利用率、读写比例、以及各 IP 核的带宽占用分布。当带宽利用率持续超过 80% 时，即使 CPU/GPU 占用不高，也可能出现帧率抖动。

四、约束类指标：功耗与温度

功耗与温度是性能的“天花板”。座舱长时间运行，SoC 结温升高会触发降频，导致前面所有性能指标同步劣化。因此功耗与温度不是独立指标，而是性能达标的约束条件。工程上需同时记录：整机功耗、SoC 各域功耗、结温（thermal_zone）、以及降频触发点。判断逻辑是：若某场景帧率在运行 10 分钟后从 60fps 掉到 45fps，同时结温越过降频阈值，则问题根因是热约束而非渲染代码。

五、指标之间的耦合与调优顺序

这八类指标不是孤立的。举一个典型耦合链：多屏同时渲染 4K 视频时，GPU 占用率上升，内存带宽被大量占用，NPU 推理任务排队变长，应用响应时间随之增加；若此时结温接近阈值，SoC 降频会让帧率进一步下滑。因此调优不能只盯一个指标。

合理的排查顺序是：先确认用户可感知的结果指标（启动、帧率、触控、响应）在哪个场景不达标；再采集该场景下的资源指标，判断瓶颈在 CPU、GPU、NPU 还是内存带宽；最后检查功耗与温度是否已经触发降频。若温度未越限而资源指标也不高，则问题更可能出在软件调度、锁竞争或渲染路径上，而非算力不足。

以触控延迟为例，若测得端到端 120ms，拆解后发现触摸上报 8ms、应用处理 70ms、合成上屏 42ms，则瓶颈明确在应用处理段。此时应进一步查看主线程是否被同步 IO 或复杂布局阻塞，而不是盲目提升 GPU 频率。这种“先拆解、再定位、后验证”的方式，能让每一项优化都有明确的指标收益。

把上述指标固化为一份可执行的采集清单，是后续所有调优工作的基础。建议至少记录：指标名称、采集命令或工具、采样频率、统计口径（均值/分位/峰值）、目标阈值、以及测试前置条件（温度、电量、后台负载）。只有口径统一，跨版本、跨平台的对比才有意义。