CN110475325A - 功率分配方法、装置、终端及存储介质 - Google Patents

Abstract

本公开的实施例提供了一种功率分配方法、装置、终端及存储介质。功率分配方法包括：采集终端的当前应用和当前功能模块的特征值；利用特征值确认数据库中是否存在与当前应用和当前功能模块对应的功率配置；当存在与当前应用和当前功能模块对应的功率配置时，采用相应的功率配置。本公开通过选择合适的功率配置，从而达到续航能力最大化，进而提升用户体验。

Description

功率分配方法、装置、终端及存储介质

技术领域

本公开的实施例涉及计算机技术领域，更具体地，涉及一种功率分配方法、装置、终端及存储介质。

背景技术

伴随移动通讯及互联网的普及，手机等终端已经是人们生活中密不可分的一部分。在日益增长的使用需求下，手机等终端的续航能力已经成为困扰用户最大的痛点。如何提高手机等终端的续航能力，已经成为急需解决的一个重点问题。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

为了解决上述问题，本公开提供了一种功率分配方法、装置、终端及存储介质，以选择合适的功率配置，提升终端的续航能力，进而提升用户体验。

根据本公开的一个实施例，提供了一种功率分配方法，包括：采集终端的当前应用和当前功能模块的特征值；利用所述特征值确认数据库中是否存在与所述当前应用和所述当前功能模块对应的功率配置；当存在与所述当前应用和所述当前功能模块对应的功率配置时，采用所述功率配置。

根据本公开的另一实施例，提供了一种功率分配装置，包括：数据采集模块，配置为采集终端的当前应用和当前功能模块的特征值；查询模块，配置为利用所述特征值确认数据库中是否存在与所述当前应用和所述当前功能模块对应的功率配置；选择模块，配置为当存在与所述当前应用和所述当前功能模块对应的功率配置时，采用所述功率配置。

根据本公开的另一实施例，提供了一种终端，所述终端包括：至少一个存储器和至少一个处理器；其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码以执行上述功率分配方法。

根据本公开的另一实施例，提供了一种计算机存储介质，所述计算机存储介质存储有程序代码，所述程序代码用于执行上述功率分配方法。

本公开通过选择合适的功率配置，从而达到续航能力最大化，进而提升用户体验。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1示出了本公开的实施例的功率分配方法的示意流程图。

图2示出了本公开的另一实施例的功率分配方法的示意流程图。

图3示出了本公开的实施例的终端的示意图。

图4示出了适于用来实现本公开的实施例的电子设备400的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

为了提升终端的续航能力，可以采用如下方案：在硬件方面入手，使用大容量电池和低功耗器件；在软件方面入手，将应用分类，对每类应用预定义一个功耗策略，根据当前应用类型调用合适的功耗策略，通过限制使用手机等终端的CPU/GPU等资源来减少耗电，提升续航能力。然而，基于硬件的方案受限于手机等终端的外观/结构和器件制造工艺，很容易达到瓶颈。而在软件方面的方案也面临以下问题：需要提前用人工对应用分组，难以覆盖到所有应用；每类应用只能用使用固定的功耗策略，而在终端实际运行中，即使是同一个应用，在不同功能模块下，对资源的需求是不同的；因此，为避免性能降低，只能根据此类应用所需的最大资源来适配，从而并不能让终端一直处于最优的功耗配置下。

因此，本公开提出了基于可更新的数据库的功率分配方法，可以优化相应的应用和模块的功率配置。

如图1所示，本公开的实施例提供了一种功率分配方法。该方法包括步骤S101，采集终端的当前应用和当前功能模块的特征值。本公开中的终端可以包括但不限于诸如移动电话、智能手机、笔记本电脑、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置、车载终端设备、车载显示终端、车载电子后视镜等等的移动终端设备以及诸如数字TV、台式计算机等等的固定终端设备。在一些实施例中，结合参考图2，首先，用户启动某个应用的某个功能。如本领域技术人员所知的，即便是同一个应用，在执行不同的功能时，对资源的需求以及功耗可能是不同的。之后，采集启动的当前应用和功能模块的特征值。在一些实施例中，该特征值可以包括应用名称、功能名称等，例如，微博的直播功能、微信的扫一扫功能等。

接着，本公开的方法进行至步骤S102，利用上述特征值确认数据库中是否存在与当前应用和当前功能模块对应的功率配置。之后，本公开的方法进行至步骤S103，在一些实施例中，数据库中可能已经存在与当前应用和当前功能模块对应的功率配置，此时，可以直接采用该功率配置。

在一些实施例中，在采用某个功率配置之后，随着当前应用和当前模块的进行，终端的实时的功耗可能也发生变化。由此，可以对功耗进行实时优化和配置。在一些实施例中，在采用上述功率配置之后，采集终端的系统资源使用参数。在一些实施例中，系统资源使用参数可以包括但不限于CPU的运行频率、CPU的使用率、GPU的运行频率、GPU的使用率、数据传输速度、数据传输量、系统响应时间和帧率中的一个或多个。通常，终端中功耗大的部件主要包括CPU、GPU、屏幕等。因此，本公开中采集的系统资源使用参数主要包括上述种类。

之后，通过人工智能模型优化所述终端的功率配置参数，得到优化的功率配置。在一些实施例中，通过人工智能模型确定终端的功率配置参数包括根据帧率、GPU的运行频率和GPU的使用率计算GPU的工作频率。在一些实施例中，通过人工智能模型确定终端的功率配置参数包括根据CPU的运行频率和CPU的使用率计算CPU的工作频率。在一些实施例中，通过人工智能模型确定终端的功率配置参数包括根据数据传输量计算数据的传输速率。在一些实施例中，通过人工智能模型确定终端的功率配置参数包括根据显示内容计算合适的屏幕参数等。

在一些实施例中，人工智能模型包括人工智能算法。利用人工智能算法来计算终端的功率配置参数，例如，利用深度学习技术进行数据分析和计算。深度学习包括人工神经网络技术，具体包括深度神经网络、卷积神经网络、深度置信网络、递归神经网络等。对于深度学习而言，数据分析和计算并不需要通过人工设计，它们都可以通过深度学习过程得到。例如，假设采集到的CPU的运行频率为2GHz，CPU的使用率为50％，此时人工智能算法可以计算CPU的工作频率为1GHz，即，此时可以将CPU的功率配置参数设置为1GHz。经过人工智能算法计算后的CPU的工作频率不仅能良好地实现所启动的应用的相应功能，而且可以最小化功耗，进而延长续航时间。类似地，假设采集到的待传输的数据量为10Mb，可用数据传输速率为100Mb/s，根据人工智能算法智能学习，则可以将数据传输速率为10Mb/s，此时可以满足数据的快速传输，又可以满足用户的反应时间，用户操作后的反应时间差不多为1s。类似地，假设采集到的GPU的运行频率为710GHz，GPU的使用率为60％，此时人工智能算法可以计算GPU的工作频率为426GHz，即，此时可以将GPU的功率配置参数设置为426GHz。经过人工智能算法计算后的GPU的工作频率不仅能良好地实现所启动的应用的相应功能，而且可以最小化功耗，进而延长续航时间。

之后，将经过人工智能模型优化的功率配置更新到数据库中。针对该应用的特定功能模块，已经计算出相应的功率配置参数。在下次启动相同应用的相同功能模块时，可以直接采用该功率配置参数。例如，假设已经经过人工智能算法定制了微博应用的直播功能对应的CPU的工作频率、GPU的工作频率、数据传输速率和屏幕参数等，则在下次启动微博的直播功能时，可以直接调用该功率配置。因此，在本公开中，可以让终端自动为每个应用的每个功能模块定制功耗策略。只要用户使用过该功能后，就可以自动生成该功能独有的功耗策略，从而能够覆盖更多应用及功能模块，让终端始终处于最佳功耗策略中。

如上所述，假设已经经过人工智能算法定制了微博应用的直播功能对应的CPU的工作频率、GPU的工作频率、数据传输速率和屏幕参数等，则在下次启动微博的直播功能时，可以直接调用该功率配置。

在一些实施例中，数据库中可能暂不存在与当前应用和当前功能模块对应的功率配置，此时，直接进入到采集终端的系统资源使用参数的步骤。然后，通过人工智能模型确定终端的功率配置参数，优化功耗配置，并且将优化后的功率配置参数更新到数据库中。这些步骤的细节可以从关于采用已有的功率配置之后的优化中找到，并且因此在此不再重复描述。在更新到数据库之后，如果下次启动相同应用的同一功能，此时数据库中已经存在相应的功率配置参数，从而可以直接调用该功率配置参数。由此，本公开的实施例可以让终端自动为每个应用的每个功能模块定制功耗策略。只要用户使用过该功能后，就可以自动生成该功能独有的功耗策略，从而能够覆盖更多应用及功能模块，让终端始终处于最佳功耗策略中。

在一些实施例中，如图2所示，循环执行采集终端的所述系统资源使用参数以及通过人工智能模型确定终端的功率配置参数。即，在本公开中，一旦启动某个应用，进入功率配置阶段，可以通过采集系统资源使用参数来不断地实时优化功率配置，直到退出当前应用为止。针对不同的应用、针对同一应用的不同模块、针对同一模块的不同进程，均可以获得优化的相应功率配置。通过人工智能算法优化功耗配置之后，再次采集系统资源使用参数，并且再次通过人工智能算法进行优化，从而可以不断地进行实时优化，并且人工智能模型也能从中不断地学习，在满足终端的使用性能的情况下，始终使终端的功耗最小化。

在一些实施例中，本公开的实施例还提供了一种功率分配装置300，包括：数据采集模块301，配置为采集终端的当前应用和当前功能模块的特征值；以及查询模块302，配置为利用所述特征值确认数据库中是否存在与当前应用和当前功能模块对应的功率配置；选择模块303，配置为当存在与当前应用和当前功能模块对应的功率配置时，采用所述功率配置。在一些实施例中，功率分配装置300还包括参数采集模块，用于采集终端的系统资源使用参数。在一些实施例中，功率分配装置300还包括功率优化模块，用于通过人工智能模型优化终端的功率配置参数。在一些实施例中，功率分配装置300还包括数据更新模块，将对应于系统资源使用参数的功率配置参数更新到数据库中。

在一些实施例中，本公开可以让终端自动为每个应用的每个功能模块定制功耗策略。只要用户使用过该功能后，就可以自动生成该功能独有的功耗策略，从而能够覆盖更多应用及功能模块，让终端始终处于最佳功耗策略中。另外，通过将定制的功率配置参数更新到数据库中，在下次启动相同应用的同一功能时，可以利用采集的特征值查询该功率配置参数对应的功率配置，并且直接调用该功率配置。本公开的实施例采用人工智能技术，实时计算出最佳功耗方案，进而达到续航最大化。

下面参考图4，其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。

或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，提供了一种功率分配方法，包括：采集终端的当前应用和当前功能模块的特征值；利用所述特征值确认数据库中是否存在与所述当前应用和所述当前功能模块对应的功率配置；当存在与所述当前应用和所述当前功能模块对应的功率配置时，采用所述功率配置。

根据本公开的一个或多个实施例，还包括：在采用所述功率配置之后，采集所述终端的系统资源使用参数；通过人工智能模型优化所述终端的功率配置参数，得到优化的功率配置；将所述优化的功率配置更新到所述数据库中。

根据本公开的一个或多个实施例，当不存在与所述当前应用和所述当前功能模块对应的功率配置时，采集所述终端的系统资源使用参数；通过人工智能模型优化所述终端的功率配置参数，得到优化的功率配置；将所述优化的功率配置更新到所述数据库中。

根据本公开的一个或多个实施例，循环执行采集所述终端的所述系统资源使用参数以及通过人工智能模型优化所述终端的所述功率配置参数，直到退出所述当前应用。

根据本公开的一个或多个实施例，所述系统资源使用参数包括CPU的运行频率、CPU的使用率、GPU的运行频率、GPU的使用率、数据传输速度、数据传输量、系统响应时间和帧率中的一个或多个。

根据本公开的一个或多个实施例，通过人工智能模型优化所述终端的功率配置参数包括：根据帧率、GPU的运行频率和GPU的使用率计算GPU的工作频率；根据CPU的运行频率和CPU的使用率计算CPU的工作频率。

根据本公开的一个或多个实施例，通过人工智能模型优化所述终端的功率配置参数包括根据数据传输量计算数据的传输速率。

根据本公开的一个或多个实施例，提供了一种功率分配装置，包括：数据采集模块，配置为采集终端的当前应用和当前功能模块的特征值；查询模块，配置为利用所述特征值确认数据库中是否存在与所述当前应用和所述当前功能模块对应的功率配置；选择模块，配置为当存在与所述当前应用和所述当前功能模块对应的功率配置时，采用所述功率配置。

根据本公开的一个或多个实施例，提供了一种终端，所述终端包括：至少一个存储器和至少一个处理器；其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码以执行上述功率分配方法。

根据本公开的一个或多个实施例，提供了一种计算机存储介质，所述计算机存储介质存储有程序代码，所述程序代码用于执行上述功率分配方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种功率分配方法，其特征在于，包括：

采集终端的当前应用和当前功能模块的特征值；

利用所述特征值确认数据库中是否存在与所述当前应用和所述当前功能模块对应的功率配置；

当存在与所述当前应用和所述当前功能模块对应的功率配置时，采用所述功率配置。

2.根据权利要求1所述的功率分配方法，其特征在于，还包括：

在采用所述功率配置之后，采集所述终端的系统资源使用参数；

通过人工智能模型优化所述终端的功率配置参数，得到优化的功率配置；

将所述优化的功率配置更新到所述数据库中。

3.根据权利要求1所述的功率分配方法，其特征在于，当不存在与所述当前应用和所述当前功能模块对应的功率配置时，采集所述终端的系统资源使用参数；

通过人工智能模型优化所述终端的功率配置参数，得到优化的功率配置；

将所述优化的功率配置更新到所述数据库中。

4.根据权利要求2或3所述的功率分配方法，其特征在于，循环执行采集所述终端的所述系统资源使用参数以及通过人工智能模型优化所述终端的所述功率配置参数，直到退出所述当前应用。

5.根据权利要求2或3所述的功率分配方法，其特征在于，所述系统资源使用参数包括CPU的运行频率、CPU的使用率、GPU的运行频率、GPU的使用率、数据传输速度、数据传输量、系统响应时间和帧率中的一个或多个。

6.根据权利要求2或3所述的功率分配方法，其特征在于，通过人工智能模型优化所述终端的功率配置参数包括：

根据帧率、GPU的运行频率和GPU的使用率计算GPU的工作频率；

根据CPU的运行频率和CPU的使用率计算CPU的工作频率。

7.根据权利要求2或3所述的功率分配方法，其特征在于，通过人工智能模型优化所述终端的功率配置参数包括根据数据传输量计算数据的传输速率。

8.一种功率分配装置，其特征在于，包括：

数据采集模块，配置为采集终端的当前应用和当前功能模块的特征值；

查询模块，配置为利用所述特征值确认数据库中是否存在与所述当前应用和所述当前功能模块对应的功率配置；

选择模块，配置为当存在与所述当前应用和所述当前功能模块对应的功率配置时，采用所述功率配置。

9.一种终端，其特征在于，所述终端包括：

至少一个存储器和至少一个处理器；

其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码以执行权利要求1至7中任一项所述的功率分配方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有程序代码，所述程序代码用于执行权利要求1至7中任一项所述的功率分配方法。