电子产品世界

核心要点

1. 辅助驾驶与自动驾驶技术需要更多传感器采集数据，且部分数据的处理速度需大幅提升；

2. 向软件定义汽车和集中式智能架构转型后，车企能更清晰地界定高先进制程处理器与内存的应用场景，同时在合适位置部署成熟、低成本的技术；

3. 汽车以太网、低功耗双倍数据率内存（LPDDR）等此前备受忽视的技术已发展成熟，如今需求激增。

辅助驾驶与自动驾驶传感器产生的数据呈爆炸式增长，且车辆需基于这些数据做出实时决策，这对车载内存和存储子系统提出了前所未有的要求。

随着越来越多的机械功能被电子系统替代，车载智能水平不断提升，汽车行业面临的技术挑战正与大型数据中心趋同。对于自动制动、车道居中、倒车影像处理、悬架调节等关键功能，处理器与内存之间的数据传输必须达到极高速度，才能保障功能的优先级执行。

与此同时，车辆搭载的功能对安全性的要求层级各异。例如，信息娱乐系统的部分功能是提醒驾驶员的关键，但其余功能则无此要求。行业当下的挑战在于，既要将车辆作为一个整体系统进行管理，又要兼顾其 “系统之系统” 的属性，让不同功能按优先级有序运行。而解决这一问题的最佳方式，是提升数据带宽、降低延迟，并更精细化地规划：不同位置需搭配何种元器件、采用何种制造工艺，以及控制何种成本。

西门子 EDA 汽车与军工 / 航空航天业务混合物理与虚拟系统副总裁戴维・弗里茨表示：“当我们谈及支持服务质量的 10 千兆位汽车以太网时，传统汽车工程师会问，‘我该如何保证信号能在 100 毫秒内准确传输至制动系统？’我的回答是，‘你看到两个街区外的那栋建筑了吗？如果用非屏蔽双绞线以太网电缆绕着那栋建筑走一圈再传回来，延迟可能也就几微秒，而你担心的却是毫秒级的延迟。’这是因为以太网的传输速率极高，即便存在一些仲裁过程，也有充足的时间完成处理。因此，以往担心的‘系统高负荷时，数据能否从 A 点快速传输至 B 点’的问题，如今基本不复存在；而如何划分 1.5 兆比特 / 秒的控制器局域网（CAN）总线带宽、确保数据传输的难题，也迎刃而解。这就是兆比特与千兆比特传输速率的差距。”

这一技术突破对汽车设计产生了深远影响。弗里茨补充道：“如今部分车企会在车身外部搭载 16 至 20 个摄像头，当高优先级数据包需要通过网络从 A 点传至 B 点，而网络因视频帧传输处于高负荷状态时，车企应尽可能在车辆边缘端完成更多数据处理，这能有效降低带宽需求。中国车企深谙此道：即便 20 个高分辨率摄像头同时传输数据，即便发生碰撞事故，车辆仍能完成数据处理、帧存储，并通过人工智能对帧数据进行分析。其人工智能算法能实现高速数据馈送，因为这类车型搭载的片上系统（SoC）能实现纳秒甚至皮秒级的延迟；而竞品车型大多仅配备数个电子控制单元（ECU），即便配置较好，这些独立 ECU 之间也仅能实现数兆比特的通信带宽。如今的汽车设计，正逐步向片上系统的设计逻辑靠拢。”

这也让车企得以灵活搭配各类处理器与内存产品：在性能要求最高的位置部署高端产品，在合适场景下精简配置，同时根据不同功能的需求规划能耗，并整体控制成本。

Imagination高级产品经理阿米尔・基亚表示：“传统车载功能多依赖微处理器（MPU）或数字信号处理器（DSP），如今行业对利用图形处理器（GPU）完成部分车载任务的兴趣日益浓厚。例如，在车内信息娱乐系统和车载显示领域，众多企业已开始采用 GPU。开发者发现，GPU 的灵活性使其能高效兼顾计算与图形处理任务；与其额外集成加速器，不如拓展现有 GPU 的能力，使其同时支撑信息娱乐系统并提升计算性能，从而降低系统开销。这一转变也让车企有机会在相关系统中采用更小型的微处理器，或减少对数字信号处理器的依赖。”

迈向软件定义汽车时代

上述诸多技术变革，是车企转型的重要基础。过去十年，车企才开始将研发重心从电子控制单元转向软件定义的技术路线。这一转型的优势在于，车辆的不同系统和子系统可像片上系统的功能模块一样设计，再根据实际需求进行灵活整合。进而，车企能更精准地规划不同位置的带宽需求、内存容量，选择适配的内存类型，并界定数据的优先级。

基亚说：“所有车企都在向更集中的架构转型。此前行业广泛采用分布式 ECU，如今正朝着集中式基础设施升级。部分车企的平台对计算能力要求极高，传感器和显示屏会产生大量实时数据：有的车企搭载 6 个车载摄像头，有的则配备 8 至 12 个，且所有摄像头均实时流传输数据。这意味着系统内部需要实现高速数据交互，因此车企正尝试将所有功能整合至单一的片上系统中，以应对这一需求。”

软件定义汽车（SDV）与由多个专用功能 ECU 组成的传统汽车有着本质区别。前者不仅要求各系统按规完成自身功能，其核心逻辑还能整合多个系统的数据，做出实时决策。而要实现这一点，必须保障关键数据的实时可获取性，才能让决策落地。

兰布斯硅知识产权业务开发总监阿迪尔・巴鲁什表示：“高分辨率传感器、人工智能加速器，以及安全关键型工作负载，均需接入共享内存和存储子系统；若带宽不足，这些子系统将迅速成为性能瓶颈。如果内存无法为计算引擎提供高速数据馈送，芯片的利用率会下降，延迟会增加，这将直接影响车辆的安全性和用户体验。从超高速片上内存到大容量持久化存储，构建分层的内存与存储架构，能确保不同工作负载在带宽、延迟、容量和成本之间达到最优平衡，最终打造出安全、响应迅速且功能丰富的车辆。”

随着汽车架构的变革重塑行业格局，内存技术的选型变得愈发关键。美光科技产品与系统副总裁迈克尔・巴斯卡指出：“从 L3 级到 L4 级乃至更高级别的自动驾驶，模型的复杂度、精细化程度和能效，始终是车企研发的重点。我们都见过无人驾驶出租车在某些交通场景下陷入停滞，这说明当前的算法模型仍无法应对所有极端边缘场景。事实上，在更高阶的自动驾驶阶段，算法模型的规模可能还会在一段时间内持续扩大，之后才能实现能效的提升，存储领域的发展亦是如此。”

从更精细化的角度来看，电动汽车搭载的内存类型，取决于功能的响应时间要求、目标市场定位，以及车辆的动力来源。对于纯电动汽车而言，续航里程是核心竞争优势，减少数据传输的能耗，就能有效延长续航。因此，尽管图形双倍数据率内存（GDDR）容量更大，但在特定功能场景下，低功耗双倍数据率内存第六代（LPDDR6）已能满足需求。

楷登电子硅解决方案集团总监弗兰克・费罗表示：“LPDDR 内存最初走红，是因为其带宽高于传统 DDR 内存：初代 LPDDR4 的带宽约为 4 吉比特 / 秒，而 LPDDR6 的带宽已高达 14.4 吉比特 / 秒，这是其首个核心优势。同时，低功耗也是 LPDDR 的重要特性，且其内存容量也有所提升。尽管 LPDDR6 的容量仍不及 DDR 内存，但在汽车应用中，随着高级驾驶辅助系统（ADAS）和人工智能推理技术的普及，容量的重要性日益凸显。LPDDR6 实现了内存容量与带宽的平衡，恰好契合汽车行业的诸多需求。”

不过，L4 和 L5 级自动驾驶的到来，为这一选型逻辑增添了新的考量。新思科技嵌入式内存知识产权首席产品经理达里尔・赛策表示：“为实现高级功能而提升片上内存的容量和带宽，需要付出的主要代价是芯片面积和功耗的增加，这会影响车辆的热管理和可靠性。因此，设计人员必须在性能需求与能耗、芯片面积限制之间找到平衡，通常会采用低压运行和架构优化的方式来解决这一问题。”

此外，随着车载语言模型的复杂度不断提升，车企对内存容量和带宽的需求也持续增加，同时需要在性能与成本之间找到平衡。费罗举例说：“以特斯拉为例，其车型中搭载了四颗 LPDDR 内存。车企原本考虑‘减少 GDDR 内存的使用’，但如今为满足容量需求，仍需搭配同等规模的 GDDR；因此，众多车企正计划采用 LPDDR6，因为其既能满足容量需求，又具备 LPDDR 系列的其他优势。”

高带宽内存（HBM）是通过硅通孔（TSV）连接的堆叠式动态随机存取存储器（DRAM），目前因硅通孔的可靠性问题和车辆振动的影响，尚未应用于汽车领域。但由于市场对高性能内存的需求持续增长，部分车企已将其纳入研发视野，这在一定程度上意味着车企可能会牺牲低成本内存的选型机会。

法国里昂证券集团汽车半导体首席分析师杨宇表示：“内存行业的集中度极高，少数头部企业占据垄断地位，且产能需供所有行业共享。因此，对于有转型雄心的车企而言，深入了解内存行业至关重要。近期的一个典型案例是，受人工智能需求激增、产能转移以及分销渠道投机行为的影响，过去数月 DDR4 内存的价格暴涨。”

据里昂证券集团统计，当前车载应用中各类内存的类型及应用场景如下：

1. 动态随机存取存储器（LPDDR4/5、GDDR6）：应用于高级驾驶辅助系统域控制器、中央计算平台、智能传感器、数字座舱片上系统；

2. 与非闪存（NAND flash）；

3. 嵌入式多媒体卡 / 通用闪存存储（eMMC/UFS）：应用于信息娱乐系统、车联网、高级驾驶辅助系统软件存储；

4. 非易失性内存主机控制器接口规范固态硬盘（NVMe SSD）：应用于新兴的 L3 级及以上自动驾驶计算平台，以及事件数据记录器 / 驾驶状态感知数据存储；

5. 单级单元与非闪存（SLC NAND）：应用于车联网、射频模块、高耐久性日志存储；

6. 或非闪存（NOR flash）：应用于高级驾驶辅助系统传感器、网关、区域控制器、微控制器的启动程序和安全代码存储；

7. 其他非易失性存储器（EEPROM、FRAM、nvSRAM）：应用于校准数据、配置参数、低密度事件日志存储。

行业的通用选型原则为：动态随机存取存储器用于计算场景，与非闪存用于数据存储，或非闪存用于代码存储。

其他内存类型

动态随机存取存储器的速度正大幅提升，而静态随机存取存储器（SRAM）仍是高性能场景的首选内存。与此同时，其他类型的内存也开始逐步应用于汽车领域。

赛策表示：“SRAM 适用于实时计算任务，而磁阻随机存取存储器（MRAM）和阻变存储器（RRAM）具备高容量、低功耗、持久化存储的特性，非常适合车载远程升级、数据记录和配置信息保存。这些内存产品的选型，恰好满足了汽车行业对能效、性能和可靠性的最优需求。”

此外，车辆可对部分数据进行预处理并本地存储，再将非实时性任务的数据上传至云端，例如车辆行为分析、车队地图更新等。楷登电子 Tensilica 产品集团汽车业务产品营销与管理总监阿米特・库马尔表示：“这些数据不会立即上传至云端，而是会在本地存储数小时甚至一天，具体存储时长取决于车企合作的云服务商（亚马逊云科技、微软 Azure、谷歌云）。这类数据流通常会在车辆本地完成积累，再上传至数据仓库进行结构化分析。”

闪存在这一过程中发挥着关键作用。赛策说：“闪存（非易失性、长寿命）至今仍是电子控制单元和中央控制器的常用存储介质，其能在车辆全生命周期内保存数据，为固件、日志和安全资产提供持久化存储。片外数据的访问则通过 eMMC、UFS 接口实现，而高速带宽应用会搭配高速串行计算机扩展总线（PCIe）。同时，车企会通过加密、身份验证，以及遵循汽车安全标准，保障数据的安全性。”

各车企会根据丰富的技术选项和自身的目标市场，自主规划内存与存储架构。

是德科技 EDA 软件定义汽车业务线产品经理卡丽・布朗表示：“车身外部摄像头，以及开启后的车内摄像头所录制的视频，可用于‘车队学习’，以优化自动驾驶辅助和完全自动驾驶功能。这类视频通常是与碰撞、安全气囊弹出等安全事件相关的短视频片段。例如，特斯拉将相关数据划分为自动驾驶分析与优化、道路路段数据分析等不同类别，用于训练和优化驾驶辅助与导航功能。部分数据（如行车记录仪画面、哨兵模式存储数据，后者用于监控停放车辆周边的安全威胁）会在车辆本地处理，除非用户明确开启数据共享功能。实际应用中，数据一部分存储在车辆本地，另一部分则存储在特斯拉运营的数据中心（及合作设施），为人工智能训练、相关服务和运营支持提供支撑。”

目前，高速 DRAM 通常用作近计算内存，而闪存和其他非易失性存储介质则负责数据备份和冗余存储，但二者的应用边界正逐渐模糊。

布朗表示：“未来的汽车架构将具备更高的灵活性，车企会采用更多的混合内存层级，将传统 DRAM 和闪存整合至单一模块或封装中。对于用于人工智能模型优化的摄像头和传感器数据，标注与审核工具能让授权员工和合作方查看短视频片段和图像，对目标物体和驾驶场景进行标注。此前有媒体报道过这类标注工作的操作界面，但并未披露其具体的技术栈。”

结语

汽车正逐渐成为复杂的 “系统之系统”，集成了种类日益丰富的内存和处理器，同时行业也在探索数据传输与存储的全新优化方案。

是德科技 EDA 内存解决方案项目经理兰迪・怀特表示：“车载计算的需求（包括信息娱乐和高级驾驶辅助系统）对内存带宽和容量的要求持续提升。相较于云端推理，车载本地推理的低延迟特性，能保障数据的实时处理和安全关键型任务的时序要求。”

这些技术突破，都是迈向完全自动驾驶的重要基石。从当前的技术发展轨迹来看，完全自动驾驶的实现，已离我们不远。

关键词： 汽车架构 重构处理器 内存选型 高级驾驶辅助系统 楷登电子 动态随机存取存储器 英飞凌 是德科技