解读

面试官问“功耗占比”并不是想听“用电池电量除以时间”这种生活化答案，而是考察候选人是否具备移动平台性能闭环思维：能否把帧率、温度、电流、电压、频率、利用率这些离散指标，用可复现、可上报、可版本对比的方法量化出来，并定位到底是代码把CPU跑满，还是Shader把GPU跑炸。国内大厂（腾讯、网易、米哈）在iOS过审、安卓渠道评级、出海KPI（Google Vitals、App Store Thermal Policy）时，都要提交功耗报告，因此“能拆CPU/GPU占比”是高级U3D的硬门槛。

知识点

1. 硬件采样接口

   • iOS：Xcode → Window → Devices and Simulators → Energy Log，底层调用IOKit私有IOPMPowerSource与kIOHIDEventSystemConnectionEnergyUsedKey，可读到CPU Energy、GPU Energy、Connectivity Energy（单位nJ）。
   • Android：高通/MTK/三星芯片均实现PowerStats HAL 2.0（AOSP），通过adb shell dumpsys batterystats --checkin可拿到CPU/GPU/DRAM/Modem分轨功耗（单位mAh）。
   • 通用：Linux Energy Aware Scheduling (EAS) 节点/sys/devices/virtual/powercap暴露energy_uj，部分骁龙开放/sys/class/kgsl/kgsl-3d0/gpu_busy_percentage与/sys/class/devfreq/*电压频率表。

2. Unity引擎层钩子

   • PlayerLoop自定义采样：在EarlyUpdate与PostLateUpdate之间插入System.Diagnostics.Stopwatch与Unity.Profiling.Profiler.BeginSample，记录逻辑帧耗时。
   • GPU耗时：UnityEngine.Rendering.CommandBuffer.IssuePluginEvent插桩，调用glQueryCounterEXT(GLES)/vkCmdWriteTimestamp(Vulkan)/MTLCommandBuffer.addCompletedHandler(Metal)，取GPU时间戳差值。
   • 频率与利用率：安卓Java层反射PowerManager.getThermalHeadroom() + ActivityManager.getMemoryInfo()，iOS用sysctl读取hw.cpufrequency与hw.activecpu。

3. 功耗模型换算
   功耗 ≈ 电容开关功耗公式 P=αCV²f；在移动端，芯片厂已把αC合并成恒定系数k，因此只需拿到实时电压V、频率f、利用率%，即可估算分轨功耗。高通官方文档给出kCPU≈2.1e-10，kGPU≈3.8e-10（骁龙888示例），误差<5%。

4. 工具链落地

   • 开发期：Unity Profiler + Profile Analyzer导出csv，合并Python脚本把mAh、nJ、fps、温度拼成功耗火焰图。
   • 自动化：Jenkins + Airtest驱动真机跑Poco脚本，每30s采样一次dumpsys与sysctl，上传Grafana看板，红线阈值：CPU>350mW、GPU>450mW即报警。
   • 现网：iOS内置MetricKit MXEnergyLog，安卓接Firebase Performance自定义Trace，后台按渠道版本聚合CPU/GPU占比，回传热云或TDW做A/B。

答案

“我会在Unity侧搭一套零侵入的功耗拆解管线，分三步：

1. 采样：iOS用Xcode Energy Log，安卓用dumpsys batterystats + PowerStats HAL，拿到CPU/GPU毫安时；同时通过ProfilerRecorder抓每帧CPU时间，用CommandBuffer.IssuePluginEvent插GPU时间戳，得到毫秒级耗时。
2. 建模：把芯片厂公开的k系数写进配置表，再用实时频率、电压、利用率套公式算出P=αCV²f，得到CPU功耗与GPU功耗两条曲线。
3. 对齐：以整局游戏生命周期为横轴，把mAh转成焦耳后，按CPU/(CPU+GPU)得出占比，输出到Excel+火焰图两份报告；若GPU占比>55%且温度>42℃，就定位到具体Pass，回退Shader精度或降帧到30fps。
   这样策划、QA、运营都能看懂，版本对比时一眼看出是逻辑代码还是渲染管线在偷电。”

拓展思考

1. 5G、高刷、DDR的功耗耦合：当CPU把数据喂给基带或内存时，IO功耗会被算进CPU轨，导致“占比虚高”。解决方法是读取PowerStats的DRAIL与BCL字段，把DRAM/Modem拆出去，再做一次归一化。
2. 可变分辨率+动态帧率的功耗收益量化：用Unity Adaptive Performance（三星Provider）实时下调GPU频率，记录每10%频率下降带来的GPU功耗斜率，可反向推导出最优帧率曲线，实现“温度墙”内最大化画质。
3. 国内安卓渠道审核新趋势：华为、OPPO 2024年Q3开始要求提交**GPU能耗占比<45%**的测试报告，否则不给精品标；提前把上述管线做进CI，可避免发版前临时抱佛脚。