4. 异构计算单元与任务分配
高通 Snapdragon 数字座舱平台并不是“一颗大 CPU 跑所有任务”，而是由多个异构计算单元协同工作：Kryo CPU 负责通用控制与调度，Adreno GPU 负责图形渲染与并行浮点计算，Hexagon DSP 承担低功耗常驻音频与传感器处理，NPU（Hexagon 张量加速器）承担神经网络推理，ISP 负责摄像头图像信号处理。理解它们的职责边界，是做出合理算力分配方案的前提。
一、各计算单元的职责边界
Kryo CPU 是通用处理器，擅长分支密集、逻辑复杂、延迟敏感的任务，例如 Android/Linux 系统调度、应用框架、HMI 逻辑、任务编排与跨单元数据搬运。它不适合大规模并行浮点或定点矩阵运算，因此不应把神经网络推理、像素级图像处理放在 CPU 上长期运行。
Adreno GPU 是图形与并行计算单元，核心职责是仪表、中控、副驾屏、HUD 的 2D/3D 渲染、多图层合成、视频解码后处理，以及通过 OpenCL/Vulkan Compute 承担的并行浮点任务，例如部分图像滤波、点云预处理、轻量矩阵运算。GPU 的优势是高吞吐并行，劣势是功耗较高、对实时确定性支持有限。
Hexagon DSP 是低功耗、常驻型信号处理单元，典型职责包括语音唤醒、降噪、回声消除、波束成形、音频编解码、传感器融合。它可以在 CPU 休眠时持续监听，是“始终在线”语音与音频链路的核心。
NPU 是面向神经网络推理的专用加速器，负责语音识别声学模型、驾驶员监控（DMS）与乘员监控（OMS）的视觉模型、手势识别、视线追踪、多模态融合等 AI 推理任务。NPU 的强项是定点/低精度矩阵乘加，能效比远高于 CPU 和 GPU。
ISP 负责摄像头原始数据到可用图像的转换：黑电平校正、去马赛克、白平衡、降噪、HDR 合成、色彩校正。ISP 的输出才是 NPU 和 GPU 可用的 YUV/RGB 图像。ISP 的吞吐直接决定 DMS/OMS 摄像头能否稳定运行。
二、多屏显示任务的算力分配
假设座舱配置为：12.3 英寸仪表（1920×720，60fps）、15.6 英寸中控（2560×1440，60fps）、副驾娱乐屏（1920×1080，60fps）以及 HUD（854×480，60fps）。四块屏的像素吞吐约为：仪表 0.83 亿像素/秒、中控 2.21 亿像素/秒、副驾 1.24 亿像素/秒、HUD 0.25 亿像素/秒，合计约 4.53 亿像素/秒。Adreno GPU 需要同时承担 UI 图层渲染、视频播放解码后处理和多屏合成，因此 GPU 是显示链路的主要瓶颈。
分配策略上，仪表和 HUD 属于安全相关显示，应绑定到 GPU 的高优先级渲染队列，并预留固定的渲染带宽；中控与副驾屏可共享剩余 GPU 资源，通过 SurfaceFlinger 的图层合成策略控制。CPU 侧只负责窗口管理、输入分发和渲染命令提交，不参与像素级合成。若中控同时播放 4K 视频，应使用 GPU 的硬件解码单元，避免 CPU 软解占用 Kryo 核心。
三、语音任务的算力分配
语音链路分为“始终在线”和“唤醒后”两个阶段。始终在线阶段由 Hexagon DSP 承担：麦克风阵列采集 4~6 通道 16kHz/16bit 音频，DSP 运行波束成形、AEC、降噪和唤醒词检测，功耗控制在毫瓦级。唤醒后，DSP 将增强后的单通道音频送入 NPU 运行声学模型，再由 CPU 上的语言模型和对话管理完成语义理解。
一个可参考的分配示例：DSP 预留 2 个 Hexagon 硬件线程处理音频前端，NPU 为语音识别分配约 15%~20% 的推理算力，CPU 大核绑定语音会话线程。这样即使中控在运行导航和视频，语音唤醒延迟仍可保持在 300ms 以内（示例目标值，实际取决于模型和负载）。
四、视觉与 AI 任务的算力分配
视觉链路从 ISP 开始。DMS 摄像头通常为 1 路 200 万像素、30fps，OMS 为 1 路 200 万像素、30fps，环视为 4 路 100 万像素、30fps。ISP 需要同时处理多路 RAW 数据，输出 YUV 给 NPU 和 GPU。若 ISP 吞吐不足，会出现丢帧或曝光异常，因此摄像头数量和分辨率必须与 ISP 能力匹配。
NPU 承担 DMS 的人脸检测、视线追踪、疲劳判断，OMS 的乘员检测、手势识别，以及语音声学模型。以典型模型为例：人脸检测约 0.5 TOPS、视线追踪约 0.8 TOPS、手势识别约 1.0 TOPS、语音声学模型约 1.5 TOPS，合计约 3.8 TOPS。若 NPU 有效算力为 8 TOPS，则占用约 48%，仍有余量应对多模态融合。GPU 可承担部分图像预处理，如缩放、色彩空间转换，减轻 ISP 和 CPU 负担。
五、任务分配检查表
| 任务 | 首选单元 | 关键约束 | 观察指标 |
|---|---|---|---|
| 仪表/HUD 渲染 | Adreno GPU | 高优先级、固定带宽 | 帧率、丢帧数 |
| 中控/副驾渲染 | Adreno GPU | 共享剩余资源 | 合成延迟 |
| 语音唤醒 | Hexagon DSP | 常驻低功耗 | 唤醒率、功耗 |
| 语音识别 | NPU | 推理算力预留 | 识别延迟、准确率 |
| DMS/OMS 视觉 | ISP + NPU | ISP 吞吐匹配 | 帧率、推理耗时 |
| 系统调度 | Kryo CPU | 大核绑定、优先级 | CPU 占用率 |
综上，异构计算单元的任务分配不是“谁强就给谁”，而是根据任务特性匹配单元优势：常驻低功耗任务交给 DSP，神经网络推理交给 NPU，图像前端交给 ISP，渲染与并行计算交给 GPU，逻辑调度与框架交给 CPU。只有边界清晰、数据流顺畅，多屏、语音、视觉与 AI 任务才能在同一颗座舱芯片上稳定并行。