第三章 功耗测量方法论：板级功耗测量、芯片内部传感器与软件统计
功耗测量这件事，说白了就是回答三个问题：芯片到底吃了多少电？这些电都花在哪了？有没有办法省下来？
我做了这么多年功耗优化，发现很多工程师一上来就调参数、改代码，结果越调越乱。为什么？因为连功耗数据都不准，你调个啥？
这一章，咱们就把功耗测量的三种手段讲透。板级测量、芯片内部传感器、软件统计——这三板斧你都得会。
3.1 板级功耗测量：最直接的方法
板级测量，就是把芯片当成一个黑盒子，直接测它从电源上抽了多少电流。我个人习惯先用这个方法做基准，因为它最可靠。
3.1.1 Shunt电阻法
原理很简单：在电源路径上串一个小电阻，测它两端的压降，再用欧姆定律算出电流。
公式长这样：
I = V_shunt / R_shunt
P = I × V_core嗯，这里要注意几个坑：
- 电阻值不能太大——我见过有人用1Ω的电阻，结果压降太大，芯片直接欠压复位了。一般选10mΩ到100mΩ比较合适。
- 电阻精度要够——至少1%，最好0.5%。我曾经因为用了5%的电阻，测出来的数据偏差20%，排查了三天才发现是电阻的问题。
- 走线要小心——Shunt电阻的焊盘要开Kelvin连接，不然焊锡电阻会引入误差。
3.1.2 功率监控芯片
如果你觉得Shunt电阻法太麻烦，可以用专用的功率监控芯片。比如TI的INA219、INA3221，或者Maxim的MAX34407。
这些芯片的好处是：
- 内置ADC，直接输出电流和功率值
- 支持I2C/SMBus接口，方便软件读取
- 精度高，一般能做到±1%以内
我在三星的时候，Exynos 2100的参考板上就用了INA3221，三通道同时监控CPU、GPU和内存的功耗。调试的时候特别方便，一个命令就能看到各路功耗。
代码示例（读取INA3221数据）：
// 伪代码：读取INA3221通道1的电流和电压
uint16_t read_ina3221_channel(uint8_t ch) {
uint16_t shunt_voltage = i2c_read(INA3221_ADDR, SHUNT_VOLTAGE_REG + ch*2);
uint16_t bus_voltage = i2c_read(INA3221_ADDR, BUS_VOLTAGE_REG + ch*2);
// 计算电流和功率
float current_mA = shunt_voltage * 0.005; // 取决于Shunt电阻值
float power_mW = current_mA * bus_voltage * 0.001;
return power_mW;
}3.2 芯片内部功耗传感器
板级测量只能看到芯片整体的功耗，但内部各个模块（CPU核、GPU、NPU、DSP）到底吃了多少电？这时候就得靠芯片内部的传感器了。
3.2.1 Thermal Diode（热敏二极管）
Thermal Diode其实不是直接测功耗的，它是测温度的。但温度变化和功耗有强相关性，所以可以用来估算功耗。
原理：二极管的正向压降随温度变化，大约是-2mV/°C。通过测量压降，反推温度。
在Exynos芯片里，每个主要模块都配了Thermal Diode。我记得Exynos 990有十几个温度传感器，分布在CPU、GPU、NPU、Modem等区域。
用法：
- 先校准：在已知温度下记录电压值
- 运行时读取电压，换算成温度
- 根据温度变化率，估算功耗
3.2.2 Power Monitor（片上功耗监控器）
这个才是真正的功耗传感器。三星从Exynos 9820开始，在芯片内部集成了Power Monitor模块。
工作原理：在每个电源域（Power Domain）的供电路径上，集成一个小的电流检测电路。它不像Shunt电阻那样需要外部元件，而是用片上MOSFET做电流镜，把电流复制一份出来，然后通过ADC量化。
优点：
- 精度高：一般能做到±5%以内
- 响应快：微秒级，能捕捉到瞬态功耗变化
- 粒度细：每个电源域独立监控
我在Exynos 2100的项目中，就用Power Monitor抓到了GPU的一个功耗异常。当时跑一个游戏场景，GPU功耗突然飙到8W，但帧率没提升。后来发现是某个shader单元没正确进入低功耗模式。如果没有Power Monitor，这种问题根本发现不了。
读取Power Monitor的寄存器示例：
// 读取Exynos GPU Power Monitor寄存器
uint32_t gpu_power = readl(EXYNOS_PMU_BASE + GPU_POWER_MONITOR_REG);
// 寄存器格式：高16位是电流值，低16位是电压值
uint16_t current_raw = (gpu_power >> 16) & 0xFFFF;
uint16_t voltage_raw = gpu_power & 0xFFFF;
// 换算成实际值
float current_A = current_raw * 0.001; // 单位：A
float voltage_V = voltage_raw * 0.001; // 单位：V
float power_W = current_A * voltage_V;3.3 软件功耗统计
板级测量和芯片传感器都是硬件手段，但很多时候我们没法接示波器，也没法读寄存器。比如用户手里的手机，你怎么测？这时候就得靠软件了。
3.3.1 BatteryStats
Android系统里的BatteryStats，说白了就是记录每个应用、每个硬件模块用了多少电。它基于一个简单的模型：
- CPU：根据运行时间和频率，查表得到功耗
- 屏幕：根据亮度和时间，查表得到功耗
- WiFi/蜂窝：根据收发数据量和时间，查表得到功耗
嗯，这里要泼一盆冷水：BatteryStats的精度其实不高。我做过对比测试，同一个场景，BatteryStats报的功耗和板级实测值能差30%以上。
为什么？因为它的功耗模型是固定的，但实际芯片的功耗受温度、制程偏差、具体 workload 的影响很大。你想想看，同一个CPU频率，跑整数运算和浮点运算的功耗能差一倍，但BatteryStats只按频率查表，怎么可能准？
不过，BatteryStats有一个好处：它能告诉你「相对」的功耗分布。比如某个App占了50%的功耗，那它大概率就是耗电大户。用来做问题定位，还是很有价值的。
3.3.2 PowerProfile
PowerProfile是Android系统里的功耗配置文件，存在/system/framework/framework-res.apk里。它定义了各个硬件模块在不同状态下的功耗值。
举个例子：
<?xml version="1.0" encoding="utf-8"?>
<device name="Android">
<item name="screen.on">200</item>
<item name="screen.full">800</item>
<item name="wifi.active">100</item>
<item name="wifi.scan">200</item>
<item name="cpu.speeds">[200000, 500000, 1000000, 1500000]</item>
<item name="cpu.active">[50, 100, 200, 400]</item>
</device>这个文件里的数值，单位是mA（毫安）。系统根据这些值，结合硬件使用时间，算出总功耗。
我在三星的时候，负责过Exynos 990的PowerProfile校准。说实话，这是个苦差事。你得在几十种场景下实测功耗，然后反推每个模块的系数。而且不同批次芯片的功耗有差异，还得取平均值。
3.4 三种方法的对比
好了，三种方法都讲完了。我做个总结对比：
| 方法 | 精度 | 响应速度 | 粒度 | 适用场景 |
|---|---|---|---|---|
| Shunt电阻法 | ±1%~5% | 纳秒级（示波器） | 板级 | 实验室基准测量、瞬态分析 |
| 功率监控芯片 | ±1%~3% | 毫秒级 | 板级/模块级 | 长时间监控、自动化测试 |
| Thermal Diode | ±10%~20% | 毫秒级 | 模块级 | 温度保护、功耗趋势分析 |
| Power Monitor | ±5% | 微秒级 | 电源域级 | 芯片内部功耗分析、调优 |
| BatteryStats | ±20%~30% | 秒级 | 应用级 | 用户场景功耗分析 |
我个人建议的实践流程是：
- 先用Shunt电阻法或功率监控芯片，拿到板级基准功耗
- 再用Power Monitor，定位到具体哪个模块耗电
- 最后用BatteryStats，验证优化效果在用户场景下的表现
这三步走下来，功耗问题基本无处遁形。下一章，咱们就讲讲怎么用这些工具，去抓Exynos芯片里的「电老虎」。