核心要點(diǎn)

1. 輔助駕駛與自動駕駛技術(shù)需要更多傳感器采集數(shù)據(jù)，且部分?jǐn)?shù)據(jù)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(gòu)轉(zhuǎn)型后，車企能更清晰地界定高先進(jìn)制程處理器與內(nèi)存的應(yīng)用場景，同時(shí)在合適位置部署成熟、低成本的技術(shù)；

3. 汽車以太網(wǎng)、低功耗雙倍數(shù)據(jù)率內(nèi)存（LPDDR）等此前備受忽視的技術(shù)已發(fā)展成熟，如今需求激增。

輔助駕駛與自動駕駛傳感器產(chǎn)生的數(shù)據(jù)呈爆炸式增長，且車輛需基于這些數(shù)據(jù)做出實(shí)時(shí)決策，這對車載內(nèi)存和存儲子系統(tǒng)提出了前所未有的要求。

隨著越來越多的機(jī)械功能被電子系統(tǒng)替代，車載智能水平不斷提升，汽車行業(yè)面臨的技術(shù)挑戰(zhàn)正與大型數(shù)據(jù)中心趨同。對于自動制動、車道居中、倒車影像處理、懸架調(diào)節(jié)等關(guān)鍵功能，處理器與內(nèi)存之間的數(shù)據(jù)傳輸必須達(dá)到極高速度，才能保障功能的優(yōu)先級執(zhí)行。

與此同時(shí)，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(tǒng)的部分功能是提醒駕駛員的關(guān)鍵，但其余功能則無此要求。行業(yè)當(dāng)下的挑戰(zhàn)在于，既要將車輛作為一個(gè)整體系統(tǒng)進(jìn)行管理，又要兼顧其 “系統(tǒng)之系統(tǒng)” 的屬性，讓不同功能按優(yōu)先級有序運(yùn)行。而解決這一問題的最佳方式，是提升數(shù)據(jù)帶寬、降低延遲，并更精細(xì)化地規(guī)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(yè)務(wù)混合物理與虛擬系統(tǒng)副總裁戴維?弗里茨表示：“當(dāng)我們談及支持服務(wù)質(zhì)量的 10 千兆位汽車以太網(wǎng)時(shí)，傳統(tǒng)汽車工程師會問，‘我該如何保證信號能在 100 毫秒內(nèi)準(zhǔn)確傳輸至制動系統(tǒng)？’我的回答是，‘你看到兩個(gè)街區(qū)外的那棟建筑了嗎？如果用非屏蔽雙絞線以太網(wǎng)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(dān)心的卻是毫秒級的延遲。’這是因?yàn)橐蕴W(wǎng)的傳輸速率極高，即便存在一些仲裁過程，也有充足的時(shí)間完成處理。因此，以往擔(dān)心的‘系統(tǒng)高負(fù)荷時(shí)，數(shù)據(jù)能否從 A 點(diǎn)快速傳輸至 B 點(diǎn)’的問題，如今基本不復(fù)存在；而如何劃分 1.5 兆比特 / 秒的控制器局域網(wǎng)（CAN）總線帶寬、確保數(shù)據(jù)傳輸?shù)碾y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(shù)突破對汽車設(shè)計(jì)產(chǎn)生了深遠(yuǎn)影響。弗里茨補(bǔ)充道：“如今部分車企會在車身外部搭載 16 至 20 個(gè)攝像頭，當(dāng)高優(yōu)先級數(shù)據(jù)包需要通過網(wǎng)絡(luò)從 A 點(diǎn)傳至 B 點(diǎn)，而網(wǎng)絡(luò)因視頻幀傳輸處于高負(fù)荷狀態(tài)時(shí)，車企應(yīng)盡可能在車輛邊緣端完成更多數(shù)據(jù)處理，這能有效降低帶寬需求。中國車企深諳此道：即便 20 個(gè)高分辨率攝像頭同時(shí)傳輸數(shù)據(jù)，即便發(fā)生碰撞事故，車輛仍能完成數(shù)據(jù)處理、幀存儲，并通過人工智能對幀數(shù)據(jù)進(jìn)行分析。其人工智能算法能實(shí)現(xiàn)高速數(shù)據(jù)饋送，因?yàn)檫@類車型搭載的片上系統(tǒng)（SoC）能實(shí)現(xiàn)納秒甚至皮秒級的延遲；而競品車型大多僅配備數(shù)個(gè)電子控制單元（ECU），即便配置較好，這些獨(dú)立 ECU 之間也僅能實(shí)現(xiàn)數(shù)兆比特的通信帶寬。如今的汽車設(shè)計(jì)，正逐步向片上系統(tǒng)的設(shè)計(jì)邏輯靠攏。”

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

Imagination高級產(chǎn)品經(jīng)理阿米爾?基亞表示：“傳統(tǒng)車載功能多依賴微處理器（MPU）或數(shù)字信號處理器（DSP），如今行業(yè)對利用圖形處理器（GPU）完成部分車載任務(wù)的興趣日益濃厚。例如，在車內(nèi)信息娛樂系統(tǒng)和車載顯示領(lǐng)域，眾多企業(yè)已開始采用 GPU。開發(fā)者發(fā)現(xiàn)，GPU 的靈活性使其能高效兼顧計(jì)算與圖形處理任務(wù)；與其額外集成加速器，不如拓展現(xiàn)有 GPU 的能力，使其同時(shí)支撐信息娛樂系統(tǒng)并提升計(jì)算性能，從而降低系統(tǒng)開銷。這一轉(zhuǎn)變也讓車企有機(jī)會在相關(guān)系統(tǒng)中采用更小型的微處理器，或減少對數(shù)字信號處理器的依賴。”

邁向軟件定義汽車時(shí)代

上述諸多技術(shù)變革，是車企轉(zhuǎn)型的重要基礎(chǔ)。過去十年，車企才開始將研發(fā)重心從電子控制單元轉(zhuǎn)向軟件定義的技術(shù)路線。這一轉(zhuǎn)型的優(yōu)勢在于，車輛的不同系統(tǒng)和子系統(tǒng)可像片上系統(tǒng)的功能模塊一樣設(shè)計(jì)，再根據(jù)實(shí)際需求進(jìn)行靈活整合。進(jìn)而，車企能更精準(zhǔn)地規(guī)劃不同位置的帶寬需求、內(nèi)存容量，選擇適配的內(nèi)存類型，并界定數(shù)據(jù)的優(yōu)先級。

基亞說：“所有車企都在向更集中的架構(gòu)轉(zhuǎn)型。此前行業(yè)廣泛采用分布式 ECU，如今正朝著集中式基礎(chǔ)設(shè)施升級。部分車企的平臺對計(jì)算能力要求極高，傳感器和顯示屏?xí)a(chǎn)生大量實(shí)時(shí)數(shù)據(jù)：有的車企搭載 6 個(gè)車載攝像頭，有的則配備 8 至 12 個(gè)，且所有攝像頭均實(shí)時(shí)流傳輸數(shù)據(jù)。這意味著系統(tǒng)內(nèi)部需要實(shí)現(xiàn)高速數(shù)據(jù)交互，因此車企正嘗試將所有功能整合至單一的片上系統(tǒng)中，以應(yīng)對這一需求。”

軟件定義汽車（SDV）與由多個(gè)專用功能 ECU 組成的傳統(tǒng)汽車有著本質(zhì)區(qū)別。前者不僅要求各系統(tǒng)按規(guī)完成自身功能，其核心邏輯還能整合多個(gè)系統(tǒng)的數(shù)據(jù)，做出實(shí)時(shí)決策。而要實(shí)現(xiàn)這一點(diǎn)，必須保障關(guān)鍵數(shù)據(jù)的實(shí)時(shí)可獲取性，才能讓決策落地。

蘭布斯硅知識產(chǎn)權(quán)業(yè)務(wù)開發(fā)總監(jiān)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(guān)鍵型工作負(fù)載，均需接入共享內(nèi)存和存儲子系統(tǒng)；若帶寬不足，這些子系統(tǒng)將迅速成為性能瓶頸。如果內(nèi)存無法為計(jì)算引擎提供高速數(shù)據(jù)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(yàn)。從超高速片上內(nèi)存到大容量持久化存儲，構(gòu)建分層的內(nèi)存與存儲架構(gòu)，能確保不同工作負(fù)載在帶寬、延遲、容量和成本之間達(dá)到最優(yōu)平衡，最終打造出安全、響應(yīng)迅速且功能豐富的車輛。”

隨著汽車架構(gòu)的變革重塑行業(yè)格局，內(nèi)存技術(shù)的選型變得愈發(fā)關(guān)鍵。美光科技產(chǎn)品與系統(tǒng)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(fù)雜度、精細(xì)化程度和能效，始終是車企研發(fā)的重點(diǎn)。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(dāng)前的算法模型仍無法應(yīng)對所有極端邊緣場景。事實(shí)上，在更高階的自動駕駛階段，算法模型的規(guī)模可能還會在一段時(shí)間內(nèi)持續(xù)擴(kuò)大，之后才能實(shí)現(xiàn)能效的提升，存儲領(lǐng)域的發(fā)展亦是如此。”

從更精細(xì)化的角度來看，電動汽車搭載的內(nèi)存類型，取決于功能的響應(yīng)時(shí)間要求、目標(biāo)市場定位，以及車輛的動力來源。對于純電動汽車而言，續(xù)航里程是核心競爭優(yōu)勢，減少數(shù)據(jù)傳輸?shù)哪芎模湍苡行а娱L續(xù)航。因此，盡管圖形雙倍數(shù)據(jù)率內(nèi)存（GDDR）容量更大，但在特定功能場景下，低功耗雙倍數(shù)據(jù)率內(nèi)存第六代（LPDDR6）已能滿足需求。

楷登電子硅解決方案集團(tuán)總監(jiān)弗蘭克?費(fèi)羅表示：“LPDDR 內(nèi)存最初走紅，是因?yàn)槠鋷捀哂趥鹘y(tǒng) DDR 內(nèi)存：初代 LPDDR4 的帶寬約為 4 吉比特 / 秒，而 LPDDR6 的帶寬已高達(dá) 14.4 吉比特 / 秒，這是其首個(gè)核心優(yōu)勢。同時(shí)，低功耗也是 LPDDR 的重要特性，且其內(nèi)存容量也有所提升。盡管 LPDDR6 的容量仍不及 DDR 內(nèi)存，但在汽車應(yīng)用中，隨著高級駕駛輔助系統(tǒng)（ADAS）和人工智能推理技術(shù)的普及，容量的重要性日益凸顯。LPDDR6 實(shí)現(xiàn)了內(nèi)存容量與帶寬的平衡，恰好契合汽車行業(yè)的諸多需求。”

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(nèi)存知識產(chǎn)權(quán)首席產(chǎn)品經(jīng)理達(dá)里爾?賽策表示：“為實(shí)現(xiàn)高級功能而提升片上內(nèi)存的容量和帶寬，需要付出的主要代價(jià)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(shè)計(jì)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(yùn)行和架構(gòu)優(yōu)化的方式來解決這一問題。”

此外，隨著車載語言模型的復(fù)雜度不斷提升，車企對內(nèi)存容量和帶寬的需求也持續(xù)增加，同時(shí)需要在性能與成本之間找到平衡。費(fèi)羅舉例說：“以特斯拉為例，其車型中搭載了四顆 LPDDR 內(nèi)存。車企原本考慮‘減少 GDDR 內(nèi)存的使用’，但如今為滿足容量需求，仍需搭配同等規(guī)模的 GDDR；因此，眾多車企正計(jì)劃采用 LPDDR6，因?yàn)槠浼饶軡M足容量需求，又具備 LPDDR 系列的其他優(yōu)勢。”

高帶寬內(nèi)存（HBM）是通過硅通孔（TSV）連接的堆疊式動態(tài)隨機(jī)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(yīng)用于汽車領(lǐng)域。但由于市場對高性能內(nèi)存的需求持續(xù)增長，部分車企已將其納入研發(fā)視野，這在一定程度上意味著車企可能會犧牲低成本內(nèi)存的選型機(jī)會。

法國里昂證券集團(tuán)汽車半導(dǎo)體首席分析師楊宇表示：“內(nèi)存行業(yè)的集中度極高，少數(shù)頭部企業(yè)占據(jù)壟斷地位，且產(chǎn)能需供所有行業(yè)共享。因此，對于有轉(zhuǎn)型雄心的車企而言，深入了解內(nèi)存行業(yè)至關(guān)重要。近期的一個(gè)典型案例是，受人工智能需求激增、產(chǎn)能轉(zhuǎn)移以及分銷渠道投機(jī)行為的影響，過去數(shù)月 DDR4 內(nèi)存的價(jià)格暴漲。”

據(jù)里昂證券集團(tuán)統(tǒng)計(jì)，當(dāng)前車載應(yīng)用中各類內(nèi)存的類型及應(yīng)用場景如下：

1. 動態(tài)隨機(jī)存取存儲器（LPDDR4/5、GDDR6）：應(yīng)用于高級駕駛輔助系統(tǒng)域控制器、中央計(jì)算平臺、智能傳感器、數(shù)字座艙片上系統(tǒng)；

2. 與非閃存（NAND flash）；

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

4. 非易失性內(nèi)存主機(jī)控制器接口規(guī)范固態(tài)硬盤（NVMe SSD）：應(yīng)用于新興的 L3 級及以上自動駕駛計(jì)算平臺，以及事件數(shù)據(jù)記錄器 / 駕駛狀態(tài)感知數(shù)據(jù)存儲；

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

6. 或非閃存（NOR flash）：應(yīng)用于高級駕駛輔助系統(tǒng)傳感器、網(wǎng)關(guān)、區(qū)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(yīng)用于校準(zhǔn)數(shù)據(jù)、配置參數(shù)、低密度事件日志存儲。

行業(yè)的通用選型原則為：動態(tài)隨機(jī)存取存儲器用于計(jì)算場景，與非閃存用于數(shù)據(jù)存儲，或非閃存用于代碼存儲。

其他內(nèi)存類型

動態(tài)隨機(jī)存取存儲器的速度正大幅提升，而靜態(tài)隨機(jī)存取存儲器（SRAM）仍是高性能場景的首選內(nèi)存。與此同時(shí)，其他類型的內(nèi)存也開始逐步應(yīng)用于汽車領(lǐng)域。

賽策表示：“SRAM 適用于實(shí)時(shí)計(jì)算任務(wù)，而磁阻隨機(jī)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(yuǎn)程升級、數(shù)據(jù)記錄和配置信息保存。這些內(nèi)存產(chǎn)品的選型，恰好滿足了汽車行業(yè)對能效、性能和可靠性的最優(yōu)需求。”

此外，車輛可對部分?jǐn)?shù)據(jù)進(jìn)行預(yù)處理并本地存儲，再將非實(shí)時(shí)性任務(wù)的數(shù)據(jù)上傳至云端，例如車輛行為分析、車隊(duì)地圖更新等。楷登電子 Tensilica 產(chǎn)品集團(tuán)汽車業(yè)務(wù)產(chǎn)品營銷與管理總監(jiān)阿米特?庫馬爾表示：“這些數(shù)據(jù)不會立即上傳至云端，而是會在本地存儲數(shù)小時(shí)甚至一天，具體存儲時(shí)長取決于車企合作的云服務(wù)商（亞馬遜云科技、微軟 Azure、谷歌云）。這類數(shù)據(jù)流通常會在車輛本地完成積累，再上傳至數(shù)據(jù)倉庫進(jìn)行結(jié)構(gòu)化分析。”

閃存在這一過程中發(fā)揮著關(guān)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(zhì)，其能在車輛全生命周期內(nèi)保存數(shù)據(jù)，為固件、日志和安全資產(chǎn)提供持久化存儲。片外數(shù)據(jù)的訪問則通過 eMMC、UFS 接口實(shí)現(xiàn)，而高速帶寬應(yīng)用會搭配高速串行計(jì)算機(jī)擴(kuò)展總線（PCIe）。同時(shí)，車企會通過加密、身份驗(yàn)證，以及遵循汽車安全標(biāo)準(zhǔn)，保障數(shù)據(jù)的安全性。”

各車企會根據(jù)豐富的技術(shù)選項(xiàng)和自身的目標(biāo)市場，自主規(guī)劃內(nèi)存與存儲架構(gòu)。

是德科技 EDA 軟件定義汽車業(yè)務(wù)線產(chǎn)品經(jīng)理卡麗?布朗表示：“車身外部攝像頭，以及開啟后的車內(nèi)攝像頭所錄制的視頻，可用于‘車隊(duì)學(xué)習(xí)’，以優(yōu)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(guān)的短視頻片段。例如，特斯拉將相關(guān)數(shù)據(jù)劃分為自動駕駛分析與優(yōu)化、道路路段數(shù)據(jù)分析等不同類別，用于訓(xùn)練和優(yōu)化駕駛輔助與導(dǎo)航功能。部分?jǐn)?shù)據(jù)（如行車記錄儀畫面、哨兵模式存儲數(shù)據(jù)，后者用于監(jiān)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(shù)據(jù)共享功能。實(shí)際應(yīng)用中，數(shù)據(jù)一部分存儲在車輛本地，另一部分則存儲在特斯拉運(yùn)營的數(shù)據(jù)中心（及合作設(shè)施），為人工智能訓(xùn)練、相關(guān)服務(wù)和運(yùn)營支持提供支撐。”

目前，高速 DRAM 通常用作近計(jì)算內(nèi)存，而閃存和其他非易失性存儲介質(zhì)則負(fù)責(zé)數(shù)據(jù)備份和冗余存儲，但二者的應(yīng)用邊界正逐漸模糊。

布朗表示：“未來的汽車架構(gòu)將具備更高的靈活性，車企會采用更多的混合內(nèi)存層級，將傳統(tǒng) 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(yōu)化的攝像頭和傳感器數(shù)據(jù)，標(biāo)注與審核工具能讓授權(quán)員工和合作方查看短視頻片段和圖像，對目標(biāo)物體和駕駛場景進(jìn)行標(biāo)注。此前有媒體報(bào)道過這類標(biāo)注工作的操作界面，但并未披露其具體的技術(shù)棧。”

結(jié)語

汽車正逐漸成為復(fù)雜的 “系統(tǒng)之系統(tǒng)”，集成了種類日益豐富的內(nèi)存和處理器，同時(shí)行業(yè)也在探索數(shù)據(jù)傳輸與存儲的全新優(yōu)化方案。

是德科技 EDA 內(nèi)存解決方案項(xiàng)目經(jīng)理蘭迪?懷特表示：“車載計(jì)算的需求（包括信息娛樂和高級駕駛輔助系統(tǒng)）對內(nèi)存帶寬和容量的要求持續(xù)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(shù)據(jù)的實(shí)時(shí)處理和安全關(guān)鍵型任務(wù)的時(shí)序要求。”

這些技術(shù)突破，都是邁向完全自動駕駛的重要基石。從當(dāng)前的技術(shù)發(fā)展軌跡來看，完全自動駕駛的實(shí)現(xiàn)，已離我們不遠(yuǎn)。