2. Camera硬件功耗拆解：Sensor、ISP、DSP、CPU、GPU、Memory各模块功耗占比
上一章我们聊了整机功耗的宏观视角，这一章咱们把镜头拉近，看看Camera这条Pipeline里，每个硬件模块到底吃了多少电。
我入行那会儿，第一次做功耗拆解，拿着电流钳测了半天，发现Sensor的功耗居然比ISP还高，当时挺意外的。后来才明白，不同场景下，功耗的“主角”是会换的。
2.1 功耗拆解的整体框架
一个典型的拍照或录像流程，数据流是这样的：
说白了，光从Sensor进来，经过ISP处理，再到DSP/CPU/GPU做算法，最后数据在Memory里倒腾。每个环节都在耗电，但比例天差地别。
2.2 各模块功耗占比详解
我整理了一份典型场景下的功耗占比表。注意，这是基于某款主流旗舰芯片的数据，不同平台会有浮动，但趋势是一致的。
| 硬件模块 | 预览 (30fps) | 拍照 (单帧) | 录像 (1080p30) | 录像 (4K60) |
|---|---|---|---|---|
| Sensor | 25% - 35% | 15% - 20% | 30% - 40% | 35% - 45% |
| ISP | 20% - 25% | 25% - 30% | 20% - 25% | 20% - 25% |
| DSP | 10% - 15% | 15% - 20% | 10% - 15% | 10% - 15% |
| CPU | 10% - 15% | 20% - 25% | 10% - 15% | 5% - 10% |
| GPU | 5% - 10% | 5% - 10% | 5% - 10% | 5% - 10% |
| Memory | 10% - 15% | 10% - 15% | 10% - 15% | 10% - 15% |
关键发现：Sensor和ISP是的功耗大户，两者加起来通常超过50%。CPU在拍照后处理阶段会短暂飙升，但录像时反而占比下降，因为硬件编解码和ISP接管了大部分工作。
2.3 Sensor：光与电的转换代价
Sensor的功耗主要来自三部分：像素阵列的读出、模拟前端（AFE）的转换、以及MIPI接口的传输。
- 像素读出：分辨率越高、帧率越快，读出功耗越大。4K60比1080p30的读出功耗高出2-3倍。
- 模拟前端：ADC转换的功耗，跟位深和增益有关。HDR多帧合成时，ADC会反复工作，功耗明显上升。
- MIPI传输：数据量越大，MIPI Lane的功耗越高。4K60需要4条Lane跑在1.5Gbps以上，功耗不容小觑。
我记得有一次，客户反馈预览时手机发热严重。一查，发现Sensor的MIPI频率配高了，降一档后温度直接降了3度。嗯，细节决定成败。
2.4 ISP：图像处理的电力黑洞
ISP是专门为图像处理设计的硬件，但它并不省电。为什么？因为它要处理的数据量太大了。
一个典型的ISP Pipeline包含：Bayer处理、去马赛克、白平衡、色彩校正、Gamma、降噪、锐化、缩放……每一步都是像素级的运算。
我的经验：ISP的功耗跟“处理精度”强相关。同样是降噪，3x3的卷积核和5x5的卷积核，功耗能差30%。在项目初期，我建议先跑一遍ISP的功耗profiling，找到瓶颈再优化。
2.5 DSP与CPU：算法落地的选择
DSP和CPU都负责算法执行，但定位不同。
- DSP：专为信号处理设计，能效比高。适合跑固定的、计算密集型的算法，比如FFT、卷积、矩阵运算。
- CPU：通用性强，但能效比低。适合跑控制逻辑、复杂分支、以及不规则的算法。
我见过不少团队，把本该跑在DSP上的算法扔给CPU，结果功耗直接翻倍。你想想看，CPU的大核跑一个100ms的算法，跟DSP跑同样的算法，功耗差距可能达到3-5倍。
避坑指南：我曾经在一个项目中，把AI降噪算法跑在CPU上，结果手机烫得拿不住。后来迁移到DSP，功耗降了60%，帧率还提升了。所以，算法落地的第一原则：能用硬件加速的，绝不用CPU。
2.6 GPU与Memory：被忽视的隐性消耗
GPU在Camera中的角色，主要是图形渲染和部分通用计算。比如，预览画面的叠加、滤镜的实时渲染、以及部分AI模型的推理。
GPU的功耗特点是“突发性高”。平时可能只占5%，但一旦开启美颜或AR特效，功耗能瞬间飙到20%以上。
Memory的功耗则比较“稳定”。Camera Pipeline需要大量的buffer来存帧数据，比如raw图、YUV图、显示帧。这些buffer在DDR里进进出出，每读一次、写一次，都在耗电。
我个人的习惯是，在Memory功耗优化上，优先关注“带宽”而不是“容量”。很多时候，减少一次不必要的内存拷贝，比省掉几MB的buffer更有效。
2.7 场景化功耗分布：为什么不能只看单模块
上面我们拆了每个模块，但实际项目中，功耗是场景驱动的。同一个模块，在不同场景下，功耗占比可能完全不一样。
举个例子：
- 普通预览：Sensor和ISP占大头，CPU几乎在睡觉。
- HDR拍照：Sensor连续读出多帧，ISP做合成，CPU做后处理，三者同时高负载。
- 4K录像：Sensor和ISP持续工作，但CPU反而轻松了，因为编码由硬件VPU负责。
- 夜景模式：CPU和DSP开始发力，因为多帧降噪和AI增强算法都在这里跑。
所以，做功耗优化时，一定要先明确目标场景。你不能拿着预览的功耗数据，去优化录像的发热问题——那会南辕北辙。
2.8 本章小结
这一章我们把Camera的硬件功耗拆了个遍。Sensor和ISP是常驻的功耗大户，DSP和CPU是算法落地的关键选择，GPU和Memory则是容易被忽略的隐性消耗。
记住一句话：没有的功耗占比，只有场景下的最优平衡。