149、功耗与热管理：影像算法的能效分析与动态调频策略
从一块烫手的开发板说起
去年夏天，我在调试一款车载环视系统。客户反馈说，车子在太阳底下停半小时，中控屏上的全景影像就开始卡顿，再过一会儿直接黑屏。我拿到日志一看，ISP芯片温度飙到了95度，CPU频率被系统强制降到最低，算法还在拼命跑——结果就是帧率从30fps掉到5fps，最后热保护触发，直接关机。
这不是个例。手机拍4K视频发热、安防摄像头在户外暴晒后丢帧、医疗内窥镜长时间工作后图像质量下降——这些问题的根子都在同一个地方：影像算法对功耗的漠视。我们总在追求更清晰的画质、更快的处理速度，却忘了热量是物理定律给的上限。
影像算法的能耗画像
先别急着调频，得搞清楚能量到底花在哪了。我习惯把影像算法的能耗拆成三块：
计算密集型：比如多帧降噪、HDR合成、深度学习去噪。这些模块吃的是CPU/GPU的算力，功耗跟时钟频率基本成正比。实测过一块高通骁龙8 Gen2，跑一个轻量级去噪网络，CPU频率从1.8GHz拉到2.4GHz，功耗从1.2W直接飙到2.8W——频率只涨了33%，功耗翻了一倍多。这里踩过坑：别以为降一点频率就能省很多电，频率和功耗的关系是三次方级别的。
内存密集型：比如RAW域处理、大分辨率图像的中间缓存。这类操作不费算力，但频繁读写DDR，功耗大头在内存控制器和总线。我见过一个团队把4K视频的YUV缓存从8bit改成10bit，帧率没变，整机功耗多了0.5W——就因为
