汽車存儲芯片研究：大模型推動下，主機廠車用存儲芯片的選擇路徑分析

從2D+CNN小模型到BEV+Transformer大模型，模型參數(shù)量暴增，存儲成為性能瓶頸

全球汽車存儲芯片市場規(guī)模將從2023年的43億美元左右，到2030年增長至170億美元以上，復合增長率高達22%，汽車存儲芯片在汽車半導體中的價值占比，2023年在8.2%，預計到2030年將上升至17.4%，存儲芯片成本將大幅上升。

2023-2030年全球汽車芯片市場規(guī)模預測

汽車存儲芯片行業(yè)發(fā)展的主要驅動力在于車載LLM大模型快速興起，從過去的2D+CNN小模型到BEV+Transformer大模型，模型參數(shù)量大幅提升，算力需求驟增。CNN模型參數(shù)通常不到1000萬，大模型即LLM的參數(shù)一般在70億至2000億之間，經過蒸餾后的車端模型參數(shù)也已高達幾十億級別。

從計算角度看，BEV+Transformer大模型以LLaMA為代表的解碼器架構中，Softmax算子成為核心，其并行化能力低于傳統(tǒng)卷積（Convolution）算子，導致存儲成為瓶頸，特別是存儲密集型模型如GPT，對存儲帶寬要求高，市面上常見的自動駕駛 SoC 芯片常面臨“存儲墻”問題。

端到端實際上是內嵌了一個小型LLM，隨著喂養(yǎng)數(shù)據(jù)的增加，這個大模型的參數(shù)會越來越大，最初階段的模型大小大概是100億參數(shù)，經過不斷迭代最終會達到1000億以上。

2025年4月15日，小鵬汽車在AI分享會上首次對外披露正在研發(fā)720億參數(shù)的超大規(guī)模自動駕駛大模型，即“小鵬世界基座模型”。小鵬的實驗結果表明，在10億、30億、70億、720億參數(shù)的模型上都看到了明顯的規(guī)模法則（Scaling Law）效應：參數(shù)規(guī)模越大，模型的能力越強。同樣的模型大小，訓練數(shù)據(jù)量越大，模型的能力也會越強。

多模態(tài)模型訓練的主要瓶頸不僅是 GPU，也需要解決數(shù)據(jù)訪問的效率問題。小鵬汽車自主開發(fā)了底層的數(shù)據(jù)基礎設施（Data Infra），使數(shù)據(jù)上傳規(guī)模提升22倍、訓練中的數(shù)據(jù)帶寬提升15倍；通過聯(lián)合優(yōu)化 GPU / CPU 以及網絡 I/O，最終使模型訓練速度提升了 5 倍。目前，小鵬汽車用于訓練基座模型的視頻數(shù)據(jù)量高達2000萬clips，這一數(shù)字今年將增加到2億clips。

未來，小鵬將 “小鵬世界基座模型” 通過云端蒸餾小模型的方式將基模部署到車端，車端大模型參數(shù)規(guī)模只能越來越大，對計算芯片和存儲都帶來巨大挑戰(zhàn)?；诖?，小鵬汽車自研了圖靈AI芯片，芯片比通用車規(guī)高算力芯片利用率提升20%，最高能處理30B（300億）參數(shù)的大模型，相較之下，當前理想汽車的VLM（視覺-語言模型）參數(shù)量約為22億。

模型參數(shù)量越大，也往往伴隨著模型推理的較高延遲問題，如何解決時延問題至關重要，預計圖靈AI芯片可能通過多通道設計或先進封裝技術實現(xiàn)存儲帶寬的顯著提升，以支持30B參數(shù)大模型的本地運行。

存儲帶寬決定了推理計算速度的上限，LPDDR5X將被普遍采用，但仍顯不足，GDDR7、HBM或將提上規(guī)劃日程

存儲帶寬決定了推理計算速度的上限。假設一個大模型參數(shù)為70億，按照車載的INT8精度，它所占的存儲是7GB，特斯拉第一代FSD芯片的存儲帶寬是63.5GB/s，即每110毫秒生成一個token，幀率不到10Hz，自動駕駛領域一般圖像幀率是30Hz。英偉達的Orin存儲帶寬是204.5GB/s，即每34毫秒生成一個token（7GB除以204.5GB/s=0.0343s，約34ms)，勉強可以達到30Hz（幀率=1除以0.0343s=29Hz)，注意這只是計算的數(shù)據(jù)搬運所需的時間，數(shù)據(jù)計算的時間都完全忽略了，實際速度要遠低于這個數(shù)據(jù)。

DRAM存儲芯片選擇路徑（1）：LPDDR5X將被普遍采用，LPDDR6標準仍在制定中

除了特斯拉，目前所有的車載芯片最高只對應LPDDR5，下一步業(yè)界將主推LPDDR5X，譬如美光已推出車規(guī)級 LPDDR5X+DLEP DRAM方案，已通過 ISO26262 ASIL-D 認證，可以滿足關鍵的汽車FuSa要求。

英偉達Thor-X已支持車規(guī)級 LPDDR5X，內存帶寬增至273GB/s，支持LPDDR5X標準，支持PCIe 5.0接口。Thor-X-Super內存帶寬則達到了驚人的546GB/s，采用了512位寬的LPDDR5X內存，確保了極高的數(shù)據(jù)吞吐量，實際Super和蘋果系列芯片一樣，就是將兩片X放進一個封裝里，但短期內預計不會量產投放。

Thor也有多個版本，目前已知的有5個：①Thor-Super，2000T算力；②Thor-X，1000T 算力；③Thor-S，700T 算力；④Thor-U，500T 算力；⑤Thor-Z，300T 算力。聯(lián)想全球第一個Thor中央計算單元計劃采用雙Thor-X。

美光9600MTPS 的LPDDR5X已經有樣片，主要面向移動端，但還沒車規(guī)級產品。三星的 LPDDR5X 新品K3KL9L90DM-MHCU，可用于PC、服務器、汽車以及新興的端側AI應用，比前代快1.25倍、功耗效率提升25%，最高工作溫度105℃，2025年初量產，單片8GB，x32總線，使用8片，共64GB。

隨著 LPDDR5X 逐步邁入 9600Mbps 甚至 10Gbps 時代，JEDEC 已啟動下一代 LPDDR6 的標準制定。面向 6G 通信、L4 自動駕駛、沉浸式 AR/VR 場景。LPDDR6作為下一代內存技術，預計速率將突破10.7Gbps，甚至最高可能達到14.4Gbps，帶寬和能效均有提升，比現(xiàn)在使用的LPDDR5X提升了50%。然而，大規(guī)模量產LPDDR6內存可能還需要等到2026年，高通的下一代旗艦芯片驍龍8 Elite Gen 2（代號SM8850）將支持LPDDR6。車規(guī)級LPDDR6則可能更為久遠。

DRAM存儲芯片選擇路徑（2）：GDDR6雖已上車，但面臨成本與能耗的問題，下一代GDDR7+LPDDR5X的混合存儲架構或有可為

除了LPDDR5X，另一條路徑則是選擇GDDR6或GDDR7，特斯拉第二代FSD芯片就支持第一代GDDR6，HW4.0上的GDDR6容量為32GB，型號為MT61M512M32KPA-14，頻率1750MHz（LPDDR5最低也是3200MHz之上），由于是第一代GDDR6，速度較低。即使用了GDDR6，要流暢運行百億級別的大模型，還是無法實現(xiàn)，不過已經是目前最好的了。

特斯拉的第三代FSD芯片應該正在開發(fā)中，可能2025年底可以完成開發(fā)，至少支持GDDR6X。

而再下一代的GDDR7正式標準在2024年3月公布，三星在2023年7月就發(fā)布了全球首款GDDR7，目前SK 海力士和美光也都有GDRR7產品推出。GDDR需要特殊的物理層和控制器，芯片必須內置GDDR的物理層和控制器才能用上GDDR，Rambus和新思科技都有相關IP出售。

未來自動駕駛芯片可能采用混合存儲架構，例如用GDDR7處理高負載AI任務，而LPDDR5X負責低功耗常規(guī)運算，以平衡性能與成本。

DRAM存儲芯片選擇路徑（3）：HBM2E已部署到L4 級Robotaxi，但距離量產乘用車仍有較遠距離，存儲芯片廠商正推動HBM從數(shù)據(jù)中心向端側技術遷移

HBM主要用于服務器領域，將SDRAM用TSV工藝堆疊起來，增加的成本不僅僅是內存本身，還有臺積電CoWoS工藝的成本，CoWoS目前產能緊張，價格高昂。HBM存儲價格遠遠高于量產乘用車常用的 LPDDR5X、LPDDR5、LPDDR4X等，不具備經濟性。

SK 海力士的HBM2E正用于Waymo 的L4 級Robotaxi，且是獨家供應商，容量高達8GB，傳輸速度達到3.2Gbps，實現(xiàn)了驚人的410GB/s帶寬，為行業(yè)樹立了新標桿。

SK 海力士是目前市場上唯一一家能提供符合嚴苛AEC-Q車規(guī)標準的HBM芯片制造商。SK 海力士正積極與NVIDIA、Tesla等自動駕駛領域解決方案巨頭的合作，將HBM的應用從AI數(shù)據(jù)中心拓展到智能汽車市場。

SK 海力士和三星都正在將HBM從數(shù)據(jù)中心向手機、汽車等端側應用遷移，HBM在移動設備領域的滲透將圍繞端側AI性能提升和低功耗設計展開，技術創(chuàng)新與產業(yè)鏈協(xié)同是關鍵驅動力，成本與良率仍是短期主要挑戰(zhàn)，主要涉及到HBM生產工藝改良。

核心差異：傳統(tǒng)數(shù)據(jù)中心HBM是為高性能計算設計的“大帶寬、高功耗”方案；而端側HBM是為移動端定制的“中帶寬、低功耗”解決方案。

技術路徑：傳統(tǒng)數(shù)據(jù)中心HBM依賴TSV和中介層；而端側HBM則通過封裝創(chuàng)新（如垂直引線鍵合）和低功耗DRAM技術實現(xiàn)性能突破。

以三星為例，采用類似技術的產品LPW DRAM（LP Wide I/O DRAM），其具備低延遲和高達128GB/s的帶寬性能，同時能耗僅為1.2pJ/b，計劃于2025-2026年實現(xiàn)商業(yè)化量產。

LPW DRAM通過堆疊LPDDR DRAM，大幅提升了I/O接口的數(shù)量，以達到提高性能和減少能耗的雙重目標。其帶寬可達200GB/s以上，較現(xiàn)有的LPDDR5X提升了166%；同時其功耗降至1.9pJ/bit，比LPDDR5X低54%。

UFS3.1已大規(guī)模上車，將逐漸迭代至UFS4.0、UFS5.0，同時PCIe SSD將成為L3/L4高級別自動駕駛汽車的首選

目前，高階自動駕駛汽車已將UFS 3.1存儲作為主流選擇，隨著車載傳感器、算力的不斷提升，更高規(guī)格的數(shù)據(jù)傳輸方案勢在必行，UFS 4.0產品將成為未來主流的選擇之一。UFS 3.1版本最高2.9GB/s，與SSD有幾十倍的差距，下一代4.0版本4.2GB/s，UFS 4.0相較于UFS 3.1，在速度上有所提升，功耗降低30%；預計到2027年會有5.0版本，估計達到10GB/s，跟SSD還是差距明顯，但好在成本可控，供應鏈穩(wěn)定。

考慮到大模型無論在座艙還是智能駕駛都有強烈需求，且為了留出足夠的性能余量，更應該采用SSD，目前主流的UFS不夠快，eMMC就更慢了。車規(guī)級SSD采用的是PCIe標準，PCIe的彈性空間極大，潛力巨大。JESD312確定的是PCIe 4.0標準，實際其包含多個速率，4通道是最低的PCIe 4.0標準，16通道雙工可以到64GB/s，而PCIe 5.0標準已于2019年發(fā)布了，PCIe5.0將信號速率翻倍到了32GT/s，x16雙工帶寬更是接近128GB/s。

目前，美光和三星都有車規(guī)級SSD，三星是AM9C1系列，128GB到1TB都有。美光則推出了4150AT系列，4150AT系列有220GB、440GB、900GB和1800GB四種，其中220GB級別用于單獨的座艙或智能駕駛，艙駕一體至少要用440GB。

多端口BGA SSD可以作為汽車中央存儲計算單元，通過各端口與座艙、ADAS、網關等SoC連接，高效處理并存儲不同數(shù)據(jù)到所需區(qū)域。其獨立性優(yōu)勢確保非核心SoC無法未授權訪問核心數(shù)據(jù)，避免影響、識別、銷毀核心SoC的數(shù)據(jù)，這將最大的保證對數(shù)據(jù)傳輸?shù)淖璨l(fā)性和數(shù)據(jù)獨立性，并降低各個SoC對于車用存儲的硬件成本。

對于再往后的L3/L4級高級別自動駕駛汽車，PCIe 5.0 x4 + NVMe 2.0 將是高性能存儲的首選：

超高速傳輸：讀取速度高達 14.5GB/s，寫入速度達 13.6GB/s，是 UFS 4.0 的 3 倍

低延遲 & 高并發(fā)：支持更高隊列深度（QD32+），并行處理多個數(shù)據(jù)流

AI 計算優(yōu)化：與車載 SoC 結合，可加速 AI 推理計算，滿足全自動駕駛需求

在自動駕駛應用中，PCIe NVMe SSD 可用于緩存 AI 計算數(shù)據(jù)，減少內存訪問壓力，提高實時處理能力。例如，Tesla FSD 系統(tǒng)就采用高速 NVMe 方案存儲自動駕駛訓練數(shù)據(jù)，以提高感知和決策效率。

目前，新思科技（Synopsys）已推出了全球首款汽車級PCIe 5.0 IP解決方案，囊括了PCIe控制器、安全模塊、物理層設備（PHY）以及驗證IP，并遵循ISO 26262和ISO/SAE 21434標準。這意味著PCIe 5.0將很快進入車規(guī)應用。