核心要點

1. 輔助駕駛與自動駕駛技術需要更多傳感器采集數據，且部分數據的處理速度需大幅提升；

2. 向軟件定義汽車和集中式智能架構轉型后，車企能更清晰地界定高先進制程處理器與內存的應用場景，同時在合適位置部署成熟、低成本的技術；

3. 汽車以太網、低功耗雙倍數據率內存（LPDDR）等此前備受忽視的技術已發展成熟，如今需求激增。

輔助駕駛與自動駕駛傳感器產生的數據呈爆炸式增長，且車輛需基于這些數據做出實時決策，這對車載內存和存儲子系統提出了前所未有的要求。

隨著越來越多的機械功能被電子系統替代，車載智能水平不斷提升，汽車行業面臨的技術挑戰正與大型數據中心趨同。對于自動制動、車道居中、倒車影像處理、懸架調節等關鍵功能，處理器與內存之間的數據傳輸必須達到極高速度，才能保障功能的優先級執行。

與此同時，車輛搭載的功能對安全性的要求層級各異。例如，信息娛樂系統的部分功能是提醒駕駛員的關鍵，但其余功能則無此要求。行業當下的挑戰在于，既要將車輛作為一個整體系統進行管理，又要兼顧其 “系統之系統” 的屬性，讓不同功能按優先級有序運行。而解決這一問題的最佳方式，是提升數據帶寬、降低延遲，并更精細化地規劃：不同位置需搭配何種元器件、采用何種制造工藝，以及控制何種成本。

西門子 EDA 汽車與軍工 / 航空航天業務混合物理與虛擬系統副總裁戴維?弗里茨表示：“當我們談及支持服務質量的 10 千兆位汽車以太網時，傳統汽車工程師會問，‘我該如何保證信號能在 100 毫秒內準確傳輸至制動系統？’我的回答是，‘你看到兩個街區外的那棟建筑了嗎？如果用非屏蔽雙絞線以太網電纜繞著那棟建筑走一圈再傳回來，延遲可能也就幾微秒，而你擔心的卻是毫秒級的延遲。’這是因為以太網的傳輸速率極高，即便存在一些仲裁過程，也有充足的時間完成處理。因此，以往擔心的‘系統高負荷時，數據能否從 A 點快速傳輸至 B 點’的問題，如今基本不復存在；而如何劃分 1.5 兆比特 / 秒的控制器局域網（CAN）總線帶寬、確保數據傳輸的難題，也迎刃而解。這就是兆比特與千兆比特傳輸速率的差距。”

這一技術突破對汽車設計產生了深遠影響。弗里茨補充道：“如今部分車企會在車身外部搭載 16 至 20 個攝像頭，當高優先級數據包需要通過網絡從 A 點傳至 B 點，而網絡因視頻幀傳輸處于高負荷狀態時，車企應盡可能在車輛邊緣端完成更多數據處理，這能有效降低帶寬需求。中國車企深諳此道：即便 20 個高分辨率攝像頭同時傳輸數據，即便發生碰撞事故，車輛仍能完成數據處理、幀存儲，并通過人工智能對幀數據進行分析。其人工智能算法能實現高速數據饋送，因為這類車型搭載的片上系統（SoC）能實現納秒甚至皮秒級的延遲；而競品車型大多僅配備數個電子控制單元（ECU），即便配置較好，這些獨立 ECU 之間也僅能實現數兆比特的通信帶寬。如今的汽車設計，正逐步向片上系統的設計邏輯靠攏?！?/p>

這也讓車企得以靈活搭配各類處理器與內存產品：在性能要求最高的位置部署高端產品，在合適場景下精簡配置，同時根據不同功能的需求規劃能耗，并整體控制成本。

Imagination高級產品經理阿米爾?基亞表示：“傳統車載功能多依賴微處理器（MPU）或數字信號處理器（DSP），如今行業對利用圖形處理器（GPU）完成部分車載任務的興趣日益濃厚。例如，在車內信息娛樂系統和車載顯示領域，眾多企業已開始采用 GPU。開發者發現，GPU 的靈活性使其能高效兼顧計算與圖形處理任務；與其額外集成加速器，不如拓展現有 GPU 的能力，使其同時支撐信息娛樂系統并提升計算性能，從而降低系統開銷。這一轉變也讓車企有機會在相關系統中采用更小型的微處理器，或減少對數字信號處理器的依賴?！?/p>

邁向軟件定義汽車時代

上述諸多技術變革，是車企轉型的重要基礎。過去十年，車企才開始將研發重心從電子控制單元轉向軟件定義的技術路線。這一轉型的優勢在于，車輛的不同系統和子系統可像片上系統的功能模塊一樣設計，再根據實際需求進行靈活整合。進而，車企能更精準地規劃不同位置的帶寬需求、內存容量，選擇適配的內存類型，并界定數據的優先級。

基亞說：“所有車企都在向更集中的架構轉型。此前行業廣泛采用分布式 ECU，如今正朝著集中式基礎設施升級。部分車企的平臺對計算能力要求極高，傳感器和顯示屏會產生大量實時數據：有的車企搭載 6 個車載攝像頭，有的則配備 8 至 12 個，且所有攝像頭均實時流傳輸數據。這意味著系統內部需要實現高速數據交互，因此車企正嘗試將所有功能整合至單一的片上系統中，以應對這一需求?！?/p>

軟件定義汽車（SDV）與由多個專用功能 ECU 組成的傳統汽車有著本質區別。前者不僅要求各系統按規完成自身功能，其核心邏輯還能整合多個系統的數據，做出實時決策。而要實現這一點，必須保障關鍵數據的實時可獲取性，才能讓決策落地。

蘭布斯硅知識產權業務開發總監阿迪爾?巴魯什表示：“高分辨率傳感器、人工智能加速器，以及安全關鍵型工作負載，均需接入共享內存和存儲子系統；若帶寬不足，這些子系統將迅速成為性能瓶頸。如果內存無法為計算引擎提供高速數據饋送，芯片的利用率會下降，延遲會增加，這將直接影響車輛的安全性和用戶體驗。從超高速片上內存到大容量持久化存儲，構建分層的內存與存儲架構，能確保不同工作負載在帶寬、延遲、容量和成本之間達到最優平衡，最終打造出安全、響應迅速且功能豐富的車輛?！?/p>

隨著汽車架構的變革重塑行業格局，內存技術的選型變得愈發關鍵。美光科技產品與系統副總裁邁克爾?巴斯卡指出：“從 L3 級到 L4 級乃至更高級別的自動駕駛，模型的復雜度、精細化程度和能效，始終是車企研發的重點。我們都見過無人駕駛出租車在某些交通場景下陷入停滯，這說明當前的算法模型仍無法應對所有極端邊緣場景。事實上，在更高階的自動駕駛階段，算法模型的規?？赡苓€會在一段時間內持續擴大，之后才能實現能效的提升，存儲領域的發展亦是如此?！?/p>

從更精細化的角度來看，電動汽車搭載的內存類型，取決于功能的響應時間要求、目標市場定位，以及車輛的動力來源。對于純電動汽車而言，續航里程是核心競爭優勢，減少數據傳輸的能耗，就能有效延長續航。因此，盡管圖形雙倍數據率內存（GDDR）容量更大，但在特定功能場景下，低功耗雙倍數據率內存第六代（LPDDR6）已能滿足需求。

楷登電子硅解決方案集團總監弗蘭克?費羅表示：“LPDDR 內存最初走紅，是因為其帶寬高于傳統 DDR 內存：初代 LPDDR4 的帶寬約為 4 吉比特 / 秒，而 LPDDR6 的帶寬已高達 14.4 吉比特 / 秒，這是其首個核心優勢。同時，低功耗也是 LPDDR 的重要特性，且其內存容量也有所提升。盡管 LPDDR6 的容量仍不及 DDR 內存，但在汽車應用中，隨著高級駕駛輔助系統（ADAS）和人工智能推理技術的普及，容量的重要性日益凸顯。LPDDR6 實現了內存容量與帶寬的平衡，恰好契合汽車行業的諸多需求?！?/p>

不過，L4 和 L5 級自動駕駛的到來，為這一選型邏輯增添了新的考量。新思科技嵌入式內存知識產權首席產品經理達里爾?賽策表示：“為實現高級功能而提升片上內存的容量和帶寬，需要付出的主要代價是芯片面積和功耗的增加，這會影響車輛的熱管理和可靠性。因此，設計人員必須在性能需求與能耗、芯片面積限制之間找到平衡，通常會采用低壓運行和架構優化的方式來解決這一問題?！?/p>

此外，隨著車載語言模型的復雜度不斷提升，車企對內存容量和帶寬的需求也持續增加，同時需要在性能與成本之間找到平衡。費羅舉例說：“以特斯拉為例，其車型中搭載了四顆 LPDDR 內存。車企原本考慮‘減少 GDDR 內存的使用’，但如今為滿足容量需求，仍需搭配同等規模的 GDDR；因此，眾多車企正計劃采用 LPDDR6，因為其既能滿足容量需求，又具備 LPDDR 系列的其他優勢?！?/p>

高帶寬內存（HBM）是通過硅通孔（TSV）連接的堆疊式動態隨機存取存儲器（DRAM），目前因硅通孔的可靠性問題和車輛振動的影響，尚未應用于汽車領域。但由于市場對高性能內存的需求持續增長，部分車企已將其納入研發視野，這在一定程度上意味著車企可能會犧牲低成本內存的選型機會。

法國里昂證券集團汽車半導體首席分析師楊宇表示：“內存行業的集中度極高，少數頭部企業占據壟斷地位，且產能需供所有行業共享。因此，對于有轉型雄心的車企而言，深入了解內存行業至關重要。近期的一個典型案例是，受人工智能需求激增、產能轉移以及分銷渠道投機行為的影響，過去數月 DDR4 內存的價格暴漲?！?/p>

據里昂證券集團統計，當前車載應用中各類內存的類型及應用場景如下：

1. 動態隨機存取存儲器（LPDDR4/5、GDDR6）：應用于高級駕駛輔助系統域控制器、中央計算平臺、智能傳感器、數字座艙片上系統；

2. 與非閃存（NAND flash）；

3. 嵌入式多媒體卡 / 通用閃存存儲（eMMC/UFS）：應用于信息娛樂系統、車聯網、高級駕駛輔助系統軟件存儲；

4. 非易失性內存主機控制器接口規范固態硬盤（NVMe SSD）：應用于新興的 L3 級及以上自動駕駛計算平臺，以及事件數據記錄器 / 駕駛狀態感知數據存儲；

5. 單級單元與非閃存（SLC NAND）：應用于車聯網、射頻模塊、高耐久性日志存儲；

6. 或非閃存（NOR flash）：應用于高級駕駛輔助系統傳感器、網關、區域控制器、微控制器的啟動程序和安全代碼存儲；

7. 其他非易失性存儲器（EEPROM、FRAM、nvSRAM）：應用于校準數據、配置參數、低密度事件日志存儲。

行業的通用選型原則為：動態隨機存取存儲器用于計算場景，與非閃存用于數據存儲，或非閃存用于代碼存儲。

其他內存類型

動態隨機存取存儲器的速度正大幅提升，而靜態隨機存取存儲器（SRAM）仍是高性能場景的首選內存。與此同時，其他類型的內存也開始逐步應用于汽車領域。

賽策表示：“SRAM 適用于實時計算任務，而磁阻隨機存取存儲器（MRAM）和阻變存儲器（RRAM）具備高容量、低功耗、持久化存儲的特性，非常適合車載遠程升級、數據記錄和配置信息保存。這些內存產品的選型，恰好滿足了汽車行業對能效、性能和可靠性的最優需求?！?/p>

此外，車輛可對部分數據進行預處理并本地存儲，再將非實時性任務的數據上傳至云端，例如車輛行為分析、車隊地圖更新等。楷登電子 Tensilica 產品集團汽車業務產品營銷與管理總監阿米特?庫馬爾表示：“這些數據不會立即上傳至云端，而是會在本地存儲數小時甚至一天，具體存儲時長取決于車企合作的云服務商（亞馬遜云科技、微軟 Azure、谷歌云）。這類數據流通常會在車輛本地完成積累，再上傳至數據倉庫進行結構化分析?！?/p>

閃存在這一過程中發揮著關鍵作用。賽策說：“閃存（非易失性、長壽命）至今仍是電子控制單元和中央控制器的常用存儲介質，其能在車輛全生命周期內保存數據，為固件、日志和安全資產提供持久化存儲。片外數據的訪問則通過 eMMC、UFS 接口實現，而高速帶寬應用會搭配高速串行計算機擴展總線（PCIe）。同時，車企會通過加密、身份驗證，以及遵循汽車安全標準，保障數據的安全性?！?/p>

各車企會根據豐富的技術選項和自身的目標市場，自主規劃內存與存儲架構。

是德科技 EDA 軟件定義汽車業務線產品經理卡麗?布朗表示：“車身外部攝像頭，以及開啟后的車內攝像頭所錄制的視頻，可用于‘車隊學習’，以優化自動駕駛輔助和完全自動駕駛功能。這類視頻通常是與碰撞、安全氣囊彈出等安全事件相關的短視頻片段。例如，特斯拉將相關數據劃分為自動駕駛分析與優化、道路路段數據分析等不同類別，用于訓練和優化駕駛輔助與導航功能。部分數據（如行車記錄儀畫面、哨兵模式存儲數據，后者用于監控停放車輛周邊的安全威脅）會在車輛本地處理，除非用戶明確開啟數據共享功能。實際應用中，數據一部分存儲在車輛本地，另一部分則存儲在特斯拉運營的數據中心（及合作設施），為人工智能訓練、相關服務和運營支持提供支撐。”

目前，高速 DRAM 通常用作近計算內存，而閃存和其他非易失性存儲介質則負責數據備份和冗余存儲，但二者的應用邊界正逐漸模糊。

布朗表示：“未來的汽車架構將具備更高的靈活性，車企會采用更多的混合內存層級，將傳統 DRAM 和閃存整合至單一模塊或封裝中。對于用于人工智能模型優化的攝像頭和傳感器數據，標注與審核工具能讓授權員工和合作方查看短視頻片段和圖像，對目標物體和駕駛場景進行標注。此前有媒體報道過這類標注工作的操作界面，但并未披露其具體的技術棧?！?/p>

結語

汽車正逐漸成為復雜的 “系統之系統”，集成了種類日益豐富的內存和處理器，同時行業也在探索數據傳輸與存儲的全新優化方案。

是德科技 EDA 內存解決方案項目經理蘭迪?懷特表示：“車載計算的需求（包括信息娛樂和高級駕駛輔助系統）對內存帶寬和容量的要求持續提升。相較于云端推理，車載本地推理的低延遲特性，能保障數據的實時處理和安全關鍵型任務的時序要求?！?/p>

這些技術突破，都是邁向完全自動駕駛的重要基石。從當前的技術發展軌跡來看，完全自動駕駛的實現，已離我們不遠。