嵌入式AI温升为何失控？降频怎么设？
长时间满负载跑模型时，板子最先拒绝的可能不是算法，而是电源和散热余量。嵌入式AI若把峰值算力当持续能力，延迟会在温升、限流和降频之间突然拉长。
温升失控通常不是单颗芯片温度高这么简单。NPU、DDR、PMIC 和摄像头供电会在推理周期内同步拉流，热量沿铜皮和外壳扩散后，热点可能从处理器表面迁到电源区域。实验台裸板能跑满，装进塑料外壳后却降频，就是因为对流路径和接触热阻完全变了。若系统还需要夜间密封、防水或无风扇工作，数据手册里的峰值 TOPS 只能说明短时能力，不能说明持续热平衡。
功耗预算要按任务占空比拆开，而不是按平均电流一句带过。一次推理也许只有十几毫秒，但预处理、内存访问和后处理会把高电流窗口拉长；多个模型轮流运行时，峰值之间可能没有足够冷却间隔。PMIC 若在高温下进入限流，处理器未必立刻复位，而是先触发电压下陷和频率保护，表现为少数帧突然慢很多。嵌入式AI设备出现这种长尾延迟时，根因常在热功耗链路，不在模型结构本身。
降频策略不能只按温度阈值硬切。若温度超过某一点才突然把频率砍半，控制周期会在几帧内发生阶跃，前端缓存和后端队列都来不及吸收。更稳妥的做法，是把延迟预算、温度斜率和任务优先级一起放进策略：先降低非关键模型帧率，再下调分辨率或跳过后处理细节，最后才降低主推理频率。这样性能退化是可预期的，而不是等热保护接管。
DVFS 还要考虑电压切换和内存频率。核心频率降了，若 DDR 仍在高带宽模式，系统总功耗下降有限；反过来，内存频率过早降低会让本来算力足够的模型被带宽拖慢。某些芯片的 NPU 和 CPU 共享电源域，CPU 后处理负载也会影响 NPU 可用热余量。策略设计时应先测出不同频点下的每帧能耗和时延曲线，再决定哪个频点是持续运行点，而不是只选最高可用档位。
供电瞬态也会参与热降级。推理突发会让核心电源和内存电源同时拉高电流，若板级去耦、走线压降或 PMIC 热阻余量不足，电压保护可能先于温度阈值介入。此时日志里只看到频率下降，真正触发点却是供电侧的瞬时限流。把电流波形、温度斜率和频率状态一起采样，才能避免把电源边界误判成软件策略问题。
验证应覆盖外壳、环境温度和老化后的导热状态。热像图要和片上温度、PMIC 状态、频率变化和帧时延日志对齐，才能看清是散热路径堵住、供电限流介入，还是降级策略过晚。还要检查降级后是否能恢复，若温度回落后频率迟迟不上升，队列会长期处在低吞吐状态；若恢复过快，又可能形成热振荡，导致帧时延周期性摆动。只在室温裸板上跑十分钟，往往会漏掉真正的量产边界和外壳边界。
下载文档
