2025年7月，研究人员 Francesco Malandrino、Olga Chukhno、Alessandro Catania、Antonella Molinaro 和 Carla Fabiana Chiasserini 发表了“跨多个时间尺度的 XR 卸载：功耗、温度与能量的作用”，这是一项经过同行评审的研究，建模了卸载决策如何通过三个同时约束影响 XR 可穿戴设备：

·        功耗，

·        温度，

·        以及电池续航。

其提出的策略 TAO 提供了一个用于在真实部署中管理这些权衡的框架。对于任何构建依赖边缘基础设施的 XR 应用的开发者而言，它都是一个有用的视角。

下面是这项研究告诉我们的内容，以及其在实践中的意义。

为什么 XR 可穿戴设备是一个不同的问题：热量

XR 头显和智能眼镜不是手机，也不是笔记本电脑。它们会长时间贴在人体皮肤上，这种接触带来一种其他两类设备都没有的硬性约束：43°C 的表面温度上限，超过该值后，长时间接触可能导致低温烫伤。

这一限制会影响后续的一切。局部计算会立即产生热量。该论文基于 Microsoft HoloLens 和 Google Glass 的详细 3D COMSOL 模型构建了热仿真，结果显示温度在处理过程中会迅速上升，并在处理结束后缓慢下降。在会话开始后的前 500 秒内，本地处理三次请求，就足以使这两台设备超过安全阈值。硬件仍在运行，但用户已处于风险之中。

这就是论文将卸载视为一种安全机制，而不是性能增强的原因。设备的热状态决定了本地计算何时必须停止，而不受电池电量或功耗余量的影响。

同时管理三个约束

这篇论文的核心贡献，是提出了一个能够同时捕捉所有三个相关时间尺度的系统模型。

大多数卸载策略跟踪的是功耗（即时）和电池续航（长期），并将它们视为主要约束。温度则介于两者之间（它会在几分钟内累积，并受最近处理历史的影响），而大多数策略完全忽略了它。

论文测试了一个最先进的基线方案，它能够正确建模功耗和电池，但跳过了热行为。结果它大约有 5% 的时间超出了安全温度限制。这不是边缘情况，而是把一个约束排除在模型之外所带来的可预测后果。

TAO 通过对三者进行联合建模来解决这一问题。卸载决策以概率方式做出，并通过一个可调的置信参数来控制约束执行的保守程度。在 99% 的置信度下，设备在整个会话期间都能保持在安全热限度内。在更低的置信度下，边缘卸载的成本可下降 50% 以上。开发者和运营者可以根据使用场景及可接受的风险水平，选择自己需要落在哪一段曲线上。

实际启示很直接：忽略温度的卸载策略会周期性地以电池和功耗模型无法预测的方式失效。考虑热行为并不是可有可无的架构细节。它决定了一个策略是可行还是不可行。

策略：尽量本地处理，必要时再卸载

TAO 的设计理念值得清楚理解，因为它颠覆了常见的表述方式。

目标并不是尽可能多地卸载，而是在物理约束要求时才使用边缘卸载，尽可能多地在本地处理。边缘服务器是后备方案，而不是默认选项。这样既能让基础设施成本保持可控，也能在网络条件变化时保持系统韧性。

触发卸载的不是性能阈值，而是物理阈值。当设备预测的温度、电池电量或功耗接近某个约束边界时，TAO 就把下一次请求路由到边缘。这个决策是反应式的、实时的，基于设备当前状态作出。

这正是 XR 开发者需要努力构建的架构：以本地优先计算为主，在需要时由边缘卸载作为可靠、低延迟的后备方案。

这对基础设施有什么要求

一个由温度触发的卸载系统，最重要的基础设施要求只有一个：当触发条件出现时，边缘服务器必须已经准备就绪。

TAO 的决策在数秒内完成，并基于设备的实时状态。这意味着边缘计算需要快速预置、部署到离用户更近的位置，并且无需在每个地点预先分配容量也能扩展。为峰值需求而建立的常久在线基础设施既昂贵又缺乏灵活性。能在数秒内启动的按需计算，才是与这种架构相匹配的模型。

Edgegap 的编排平台在 615+ 个全球位置中，平均可在3 秒内从冷启动为计算工作负载完成预置。对于一个感知热量的卸载系统来说，这种预置速度正是让该架构可行的关键。卸载决策和基础设施响应需要在同一时间尺度上运行，而它们确实如此。

对于正在为 XR 应用构建网络层的开发者，Edgegap 关于在VR 和 XR 项目中降低延迟的指南，涵盖了与论文所建立的热模型相配套的延迟考量。

给 XR 开发者的结论

这篇论文给出了明确结论：XR 可穿戴设备面临的约束组合，是任何单变量卸载策略都无法可靠处理的。热行为不是次要问题，而是主要约束；忽略它会导致系统即使在功耗和电池指标看起来都正常时，仍会在实际环境中失效。

正确的架构是在设备能够安全承受时尽可能本地计算，一旦不能，就立即卸载到边缘。当底层基础设施能足够快地响应，使切换无缝完成时，这种策略就会非常有效。冷启动时间、地理接近性和按需预置并不是基础设施细节，它们是决定卸载策略是否按设计运行的变量。

—

本文基于并引用了同行评审论文“XR Offloading Across Multiple Time Scales: The Roles of Power, Temperature, and Energy”，作者为 Francesco Malandrino、Olga Chukhno、Alessandro Catania、Antonella Molinaro 和 Carla Fabiana Chiasserini，发表于 arXiv，时间为 2025 年 7 月。原始内容中的所有权利归其各自所有者所有。