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》。

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。

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。

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。

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。

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。

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）

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。

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。

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。

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。

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%。

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。

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：

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。