8GB 小容量智驾存储芯片紧缺，汽车存储市场风云变幻

在智能驾驶蓬勃发展的当下，汽车存储芯片市场正经历着一场深刻的变革，而 8GB 小容量智驾配套存储芯片陷入紧缺期，成为这场变革中的突出问题。
　　小容量存储芯片紧缺现状及成因
　　从去年四季度起，智驾基础芯片配套的 8GB 小容量存储芯片就陷入了紧缺状态，到今年 7 月，该类型芯片价格明显提高。这一局面是多重因素叠加的结果。一方面，随着各领域智能化水平提升，对存储芯片需求大增，上游存储颗粒原料供不应求，进而导致下游芯片短缺与涨价。另一方面，主要存储芯片厂商为追求高利润，纷纷转向大容量存储产品，对小容量存储芯片投入不足，使得能稳定供货的企业寥寥无几。
　　在传统汽车中，存储芯片多用于信息娱乐系统，呈现数量多、容量小的特点。但随着车载 LLM 大模型兴起以及 AEB 等基础智驾功能成为新车标配，整车的数据流量和计算量剧增，对存储芯片的需求也水涨船高。据佐思汽车研究数据，全球汽车存储芯片市场规模将从 2023 年的 43 亿美元左右增长至 2030 年的 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也将上升至 17.4%。
　　目前，三星电子是为数不多能实现 8GB 小容量存储芯片稳定供应的厂商，业内人士透露，其仅为大型智驾客户提供优惠价格的芯片供货，博世是其小容量存储芯片的重点客户。
　　汽车 LLM 崛起对存储芯片的影响
　　汽车存储芯片行业发展的主要驱动力在于汽车 LLM 的快速崛起。从 2D + CNN 小模型到 BEV + Transformer 基础模型，模型参数量大幅增长，计算需求激增。CNN 模型参数量通常小于 1000 万，而基础模型（LLM）参数量一般在 70 亿到 2000 亿之间，即便经过蒸馏，汽车模型参数量仍高达数十亿。
　　在 BEV + Transformer 基础模型中，尤其是采用 LLaMA 解码器架构的模型，Softmax 算子成为核心，但它的并行化能力弱于传统卷积算子，导致内存成为瓶颈。像 GPT 这样的内存密集型模型，对内存带宽要求更高，市面上常见的自动驾驶 SoC 常面临 “存储墙” 问题。
　　End - to - End 本质上嵌入了小型 LLM，随着 feed 数据量增加，基础模型参数不断增长。初始模型规模约 100 亿个参数，终将超 1000 亿个参数。小鹏汽车实验结果显示，在 10 亿、30 亿、70 亿、720 亿参数的模型中，参数规模越大、训练数据越多，模型能力和性能越好。
　　存储技术的发展与挑战
　　内存带宽决定推理计算速度的上限，目前 LPDDR5X 已广泛采用，但仍存在不足。除特斯拉外，目前所有汽车芯片仅支持 LPDDR5。JEDEC 已启动下一代 LPDDR6 标准研发，瞄准 6G 通信、L4 级自动驾驶以及沉浸式 AR/VR 等场景。LPDDR6 预计速率将超 10.7Gbps，甚至达 14.4Gbps，带宽和能效都将提升 50%，不过其量产可能要到 2026 年，车用 LPDDR6 或许还需更长时间。
　　除 LPDDR5X 外，GDDR6 或 GDDR7 也是一条发展路径。目前 GDDR6 难以流畅运行 100 亿参数的基础模型，而下一代 GDDR7 标准已发布，三星、SK 海力士和美光均推出相关产品。未来自动驾驶芯片可能采用混合内存架构，如用 GDDR7 处理高负载 AI 任务，用 LPDDR5X 进行低功耗通用计算，以平衡性能和成本。
　　此外，SK 海力士和三星正将 HBM 从数据中心向汽车等端侧应用迁移。SK 海力士能提供符合 AEC - Q 车规标准的 HBM 芯片，其 HBM2E 用于 Waymo 的 L4 级 Robotaxi，容量 8GB，传输速度达 3.2Gbps，带宽 410GB/s。但 HBM 存储价格远高于量产乘用车常用的 LPDDR5X、LPDDR5、LPDDR4X 等，不具备经济性。