佐思汽研发布了《 2025 年汽车存储芯片产业及对大模型影响研究报告** 》。
从 2D+CNN 小模型到 BEV+Transformer 大模型，模型参数量暴增，存储成为性能瓶颈
全球汽车存储芯片市场规模将从 2023 年的 43 亿美元左右，到 2030 年增长至 170 亿美元以上，复合增长率高达 22%，汽车存储芯片在汽车半导体中的价值占比，2023 年在 8.2%，预计到 2030 年将上升至 17.4%，存储芯片成本将大幅上升。
2023-2030 年全球汽车芯片市场规模预测
来源：佐思汽研《2025 年汽车存储芯片产业及对大模型影响研究报告》
汽车存储芯片行业发展的主要驱动力在于车载 LLM 大模型快速兴起，从过去的 2D+CNN 小模型到 BEV+Transformer 大模型，模型参数量大幅提升，算力需求骤增。CNN 模型参数通常不到 1000 万，大模型即 LLM 的参数一般在 70 亿至 2000 亿之间，经过蒸馏后的车端模型参数也已高达几十亿级别。
从计算角度看，BEV+Transformer 大模型以 LLaMA 为代表的解码器架构中，Softmax 算子成为核心，其并行化能力低于传统卷积（Convolution）算子，导致存储成为瓶颈，特别是存储密集型模型如 GPT，对存储带宽要求高，市面上常见的自动驾驶 SoC 芯片常面临“存储墙”问题。
端到端实际上是内嵌了一个小型 LLM，随着喂养数据的增加，这个大模型的参数会越来越大，最初阶段的模型大小大概是 100 亿参数，经过不断迭代最终会达到 1000 亿以上。
2025 年 4 月 15 日，小鹏汽车在 AI 分享会上首次对外披露正在研发 720 亿参数的超大规模自动驾驶大模型，即“小鹏世界基座模型”。小鹏的实验结果表明，在 10 亿、30 亿、70 亿、720 亿参数的模型上都看到了明显的规模法则（Scaling Law）效应：参数规模越大，模型的能力越强。同样的模型大小，训练数据量越大，模型的能力也会越强。
多模态模型训练的主要瓶颈不仅是 GPU，也需要解决数据访问的效率问题。小鹏汽车自主开发了底层的数据基础设施（Data Infra），使数据上传规模提升 22 倍、训练中的数据带宽提升 15 倍；通过联合优化 GPU / CPU 以及网络 I/O，最终使模型训练速度提升了 5 倍。目前，小鹏汽车用于训练基座模型的视频数据量高达 2000 万 clips，这一数字今年将增加到 2 亿 clips。
来源：小鹏汽车
未来，小鹏将 “小鹏世界基座模型” 通过云端蒸馏小模型的方式将基模部署到车端，车端大模型参数规模只能越来越大，对计算芯片和存储都带来巨大挑战。基于此，小鹏汽车自研了图灵 AI 芯片，芯片比通用车规高算力芯片利用率提升 20%，最高能处理 30B（300 亿）参数的大模型，相较之下，当前理想汽车的 VLM（视觉-语言模型）参数量约为 22 亿。
模型参数量越大，也往往伴随着模型推理的较高延迟问题，如何解决时延问题至关重要，预计图灵 AI 芯片可能通过多通道设计或先进封装技术实现存储带宽的显著提升，以支持 30B 参数大模型的本地运行。
来源：小鹏汽车
存储带宽决定了推理计算速度的上限，LPDDR5X 将被普遍采用，但仍显不足，GDDR7、HBM 或将提上规划日程
存储带宽决定了推理计算速度的上限。假设一个大模型参数为 70 亿，按照车载的 INT8 精度，它所占的存储是 7GB，特斯拉第一代 FSD 芯片的存储带宽是 63.5GB/s，即每 110 毫秒生成一个 token，帧率不到 10Hz，自动驾驶领域一般图像帧率是 30Hz。英伟达的 Orin 存储带宽是 204.5GB/s，即每 34 毫秒生成一个 token（7GB 除以 204.5GB/s=0.0343s，约 34ms)，勉强可以达到 30Hz（帧率=1 除以 0.0343s=29Hz)，注意这只是计算的数据搬运所需的时间，数据计算的时间都完全忽略了，实际速度要远低于这个数据。
- DRAM 存储芯片选择路径（1）：LPDDR5X 将被普遍采用，LPDDR6 标准仍在制定中
除了特斯拉，目前所有的车载芯片最高只对应 LPDDR5，下一步业界将主推 LPDDR5X，譬如美光已推出车规级 LPDDR5X+DLEP DRAM 方案，已通过 ISO26262 ASIL-D 认证，可以满足关键的汽车 FuSa 要求。
英伟达 Thor-X 已支持车规级 LPDDR5X，内存带宽增至 273GB/s，支持 LPDDR5X 标准，支持 PCIe 5.0 接口。Thor-X-Super 内存带宽则达到了惊人的 546GB/s，采用了 512 位宽的 LPDDR5X 内存，确保了极高的数据吞吐量，实际 Super 和苹果系列芯片一样，就是将两片 X 放进一个封装里，但短期内预计不会量产投放。
Thor 也有多个版本，目前已知的有 5 个：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。联想全球第一个 Thor 中央计算单元计划采用双 Thor-X。
来源：佐思汽研《2025 年汽车存储芯片产业及对大模型影响研究报告》
美光 9600MTPS 的 LPDDR5X 已经有样片，主要面向移动端，但还没车规级产品。三星的 LPDDR5X 新品 K3KL9L90DM-MHCU，可用于 PC、服务器、汽车以及新兴的端侧 AI 应用，比前代快 1.25 倍、功耗效率提升 25%，最高工作温度 105℃，2025 年初量产，单片 8GB，x32 总线，使用 8 片，共 64GB。
随着 LPDDR5X 逐步迈入 9600Mbps 甚至 10Gbps 时代，JEDEC 已启动下一代 LPDDR6 的标准制定。面向 6G 通信、L4 自动驾驶、沉浸式 AR/VR 场景。LPDDR6 作为下一代内存技术，预计速率将突破 10.7Gbps，甚至最高可能达到 14.4Gbps，带宽和能效均有提升，比现在使用的 LPDDR5X 提升了 50%。然而，大规模量产 LPDDR6 内存可能还需要等到 2026 年，高通的下一代旗舰芯片骁龙 8 Elite Gen 2（代号 SM8850）将支持 LPDDR6。车规级 LPDDR6 则可能更为久远。
域控计算平台 LPDDR 演进（标准传输速率）
来源：佐思汽研《2025 年汽车存储芯片产业及对大模型影响研究报告》
- DRAM 存储芯片选择路径（2）：GDDR6 虽已上车，但面临成本与能耗的问题，下一代 GDDR7+LPDDR5X 的混合存储架构或有可为
除了 LPDDR5X，另一条路径则是选择 GDDR6 或 GDDR7，特斯拉第二代 FSD 芯片就支持第一代 GDDR6，HW4.0 上的 GDDR6 容量为 32GB，型号为 MT61M512M32KPA-14，频率 1750MHz（LPDDR5 最低也是 3200MHz 之上），由于是第一代 GDDR6，速度较低。即使用了 GDDR6，要流畅运行百亿级别的大模型，还是无法实现，不过已经是目前最好的了。
特斯拉的第三代 FSD 芯片应该正在开发中，可能 2025 年底可以完成开发，至少支持 GDDR6X。
而再下一代的 GDDR7 正式标准在 2024 年 3 月公布，三星在 2023 年 7 月就发布了全球首款 GDDR7，目前 SK 海力士和美光也都有 GDRR7 产品推出。GDDR 需要特殊的物理层和控制器，芯片必须内置 GDDR 的物理层和控制器才能用上 GDDR，Rambus 和新思科技都有相关 IP 出售。
来源：SK 海力士
未来自动驾驶芯片可能采用混合存储架构，例如用 GDDR7 处理高负载 AI 任务，而 LPDDR5X 负责低功耗常规运算，以平衡性能与成本。
- DRAM 存储芯片选择路径（3）：HBM2E 已部署到 L4 级 Robotaxi，但距离量产乘用车仍有较远距离，存储芯片厂商正推动 HBM 从数据中心向端侧技术迁移
HBM 主要用于服务器领域，将 SDRAM 用 TSV 工艺堆叠起来，增加的成本不仅仅是内存本身，还有台积电 CoWoS 工艺的成本，CoWoS 目前产能紧张，价格高昂。HBM 存储价格远远高于量产乘用车常用的 LPDDR5X、LPDDR5、LPDDR4X 等，不具备经济性。
SK 海力士的 HBM2E 正用于 Waymo 的 L4 级 Robotaxi，且是独家供应商，容量高达 8GB，传输速度达到 3.2Gbps，实现了惊人的 410GB/s 带宽，为行业树立了新标杆。
SK 海力士是目前市场上唯一一家能提供符合严苛 AEC-Q 车规标准的 HBM 芯片制造商。SK 海力士正积极与 NVIDIA、Tesla 等自动驾驶领域解决方案巨头的合作，将 HBM 的应用从 AI 数据中心拓展到智能汽车市场。
来源：佐思汽研《2025 年汽车存储芯片产业及对大模型影响研究报告》
SK 海力士和三星都正在将 HBM 从数据中心向手机、汽车等端侧应用迁移，HBM 在移动设备领域的渗透将围绕端侧 AI 性能提升和低功耗设计展开，技术创新与产业链协同是关键驱动力，成本与良率仍是短期主要挑战，主要涉及到 HBM 生产工艺改良。
- 核心差异：传统数据中心 HBM 是为高性能计算设计的“大带宽、高功耗”方案；而端侧 HBM 是为移动端定制的“中带宽、低功耗”解决方案。
- 技术路径：传统数据中心 HBM 依赖 TSV 和中介层；而端侧 HBM 则通过封装创新（如垂直引线键合）和低功耗 DRAM 技术实现性能突破。
以三星为例，采用类似技术的产品 LPW DRAM（LP Wide I/O DRAM），其具备低延迟和高达 128GB/s 的带宽性能，同时能耗仅为 1.2pJ/b，计划于 2025-2026 年实现商业化量产。
LPW DRAM 通过堆叠 LPDDR DRAM，大幅提升了 I/O 接口的数量，以达到提高性能和减少能耗的双重目标。其带宽可达 200GB/s 以上，较现有的 LPDDR5X 提升了 166%；同时其功耗降至 1.9pJ/bit，比 LPDDR5X 低 54%。
来源：三星
UFS3.1 已大规模上车，将逐渐迭代至 UFS4.0、UFS5.0，同时 PCIe SSD 将成为 L3/L4 高级别自动驾驶汽车的首选
目前，高阶自动驾驶汽车已将 UFS 3.1 存储作为主流选择，随着车载传感器、算力的不断提升，更高规格的数据传输方案势在必行，UFS 4.0 产品将成为未来主流的选择之一。UFS 3.1 版本最高 2.9GB/s，与 SSD 有几十倍的差距，下一代 4.0 版本 4.2GB/s，UFS 4.0 相较于 UFS 3.1，在速度上有所提升，功耗降低 30%；预计到 2027 年会有 5.0 版本，估计达到 10GB/s，跟 SSD 还是差距明显，但好在成本可控，供应链稳定。
考虑到大模型无论在座舱还是智能驾驶都有强烈需求，且为了留出足够的性能余量，更应该采用 SSD，目前主流的 UFS 不够快，eMMC 就更慢了。车规级 SSD 采用的是 PCIe 标准，PCIe 的弹性空间极大，潜力巨大。JESD312 确定的是 PCIe 4.0 标准，实际其包含多个速率，4 通道是最低的 PCIe 4.0 标准，16 通道双工可以到 64GB/s，而 PCIe 5.0 标准已于 2019 年发布了，PCIe5.0 将信号速率翻倍到了 32GT/s，x16 双工带宽更是接近 128GB/s。
目前，美光和三星都有车规级 SSD，三星是 AM9C1 系列，128GB 到 1TB 都有。美光则推出了 4150AT 系列，4150AT 系列有 220GB、440GB、900GB 和 1800GB 四种，其中 220GB 级别用于单独的座舱或智能驾驶，舱驾一体至少要用 440GB。
多端口 BGA SSD 可以作为汽车中央存储计算单元，通过各端口与座舱、ADAS、网关等 SoC 连接，高效处理并存储不同数据到所需区域。其独立性优势确保非核心 SoC 无法未授权访问核心数据，避免影响、识别、销毁核心 SoC 的数据，这将最大的保证对数据传输的阻并发性和数据独立性，并降低各个 SoC 对于车用存储的硬件成本。
来源：得一微
对于再往后的 L3/L4 级高级别自动驾驶汽车，PCIe 5.0 x4 + NVMe 2.0 将是高性能存储的首选：
- 超高速传输：读取速度高达 14.5GB/s，写入速度达 13.6GB/s，是 UFS 4.0 的 3 倍
- 低延迟 & 高并发：支持更高队列深度（QD32+），并行处理多个数据流
- AI 计算优化：与车载 SoC 结合，可加速 AI 推理计算，满足全自动驾驶需求
在自动驾驶应用中，PCIe NVMe SSD 可用于缓存 AI 计算数据，减少内存访问压力，提高实时处理能力。例如，Tesla FSD 系统就采用高速 NVMe 方案存储自动驾驶训练数据，以提高感知和决策效率。
目前，新思科技（Synopsys）已推出了全球首款汽车级 PCIe 5.0 IP 解决方案，囊括了 PCIe 控制器、安全模块、物理层设备（PHY）以及验证 IP，并遵循 ISO 26262 和 ISO/SAE 21434 标准。这意味着 PCIe 5.0 将很快进入车规应用。
END
作者：佐思汽研
来源：佐思汽车研究
推荐阅读：
- 具身智能与人形机器人发展的六大趋势
- Zone 和 Domain，差别在哪里？
- 功能安全研究：“智驾平权”下，SOTIF 设计至关重要
- AI/AR 眼镜研究：2030 年销量预计 9000 万台，将大幅增强座舱功能
更多汽车电子干货请关注汽车电子与软件专栏。欢迎添加极术小姐姐微信（id:aijishu20)加入技术交流群，请备注研究方向。
