无效的输入。不支持特殊字符。
我的职业生涯始终与半导体行业紧密相连，从产品管理到内容营销，我曾在多个岗位上做过无数预测与展望。无论是产品需求预测，还是新兴技术趋势研判，我都有过精准命中，也不乏误判失手。
最近，我重读了自己在 7 年前撰写的“自动驾驶汽车是如何工作的？”一文。时至今日，这篇文章仍是美光阅读量最高的文章之一。在文章中，我探讨了自动驾驶汽车未来可能的发展方向，并预测了该技术的发展速度。当时，整个行业充满了乐观情绪，许多人认为我们很快就将迎来完全自主驾驶的时代。
从那时起，汽车行业的格局发生了一些变化。电动汽车 (EV) 已经从一个小众趋势转变为全球各国优先发展的领域，随着电池技术的改进，以及各国政府加紧落实相关法律法规，电动汽车正在加速普及。从数据上看，2024 年全球电动汽车销量超过 1,700 万辆，占全球汽车总销量的 20%，远远高于 2018 年的几百万辆。如今，这些车辆已经发展成为软件定义的平台，支持远程更新和各种 AI 功能，这在 2018 年几乎是无法想象的。连接和数据已成为驾驶体验的核心。而通向“完全自主”的道路则比预期更加曲折，在安全、监管和消费者信任等方面仍面临障碍。在此期间，汽车行业经历了新冠疫情引发的供应链中断、半导体短缺和消费者行为转变，整个行业的制造和销售方式也因此发生了重大改变。
然而，自动驾驶仍然是汽车行业未来的方向。让我们一起回顾一下我在 2018 年写的这篇文章，探究大趋势的变化如何影响当初的预测，并最终总结一下当初的预测对错几何。
“人工智能为自动驾驶汽车提供助力”
结论：正确
一辆汽车要实现自动驾驶，需要持续了解周围环境：首先是感知（识别并分类信息），然后是通过汽车的自动驾驶计算机控制系统针对这些信息采取行动。自动驾驶汽车需要安全、可靠且响应迅速的解决方案，以便详细了解驾驶时的周围环境，然后瞬间做出决策。而要了解驾驶环境，就需要车辆搭载的各类传感器捕获海量数据，再由汽车的自动驾驶计算机系统进行处理。
这些观点至今依然成立。AI 确实成为了自动驾驶汽车的核心驱动力，且在现代汽车中的融合程度远超从前。虽然处理海量数据对自动驾驶汽车和端侧 AI 工作负载而言仍具挑战，但支撑自动驾驶的计算、内存与存储技术已变得更加强大高效。存储与内存容量的提升，使车辆能够处理更庞大的数据集和更复杂的算法，从而提高 AI 系统的准确性与响应速度。这些技术进步不仅支持更复杂的训练模型、更快速的推理能力，还催生了七年前我们未能预见的新型 AI 应用。生成式 AI 与代理式 AI 的兴起，让 AI 以当年难以想象的方式融入汽车，彻底改变了车载信息娱乐系统与 ADAS 系统。如今，“打电话回家”等基础指令已无法满足驾驶者对车载 AI 的期望，他们追求的是更智能且具备深度对话能力的 AI 体验。
（点击图片放大）
信息图表 1：自动驾驶的五个等级
“自动驾驶的五个等级信息图”
结论：正确但需要更新
除了品牌配色方案和旧版美光徽标外，这张关于自动驾驶五个等级的信息图至今仍然准确且具有参考价值（对我个人而言也满载回忆）。“自动驾驶五个等级”并非由我们提出，这是美国国家公路交通安全管理局 (NHTSA) 制定的行业标准。该图中需要更新的是“当前”的标注。如今，许多新车都已达到“部分自动化”级别，部分先进电动车 (EV) 甚至能实现四级自动驾驶。五级技术虽已存在，并通过试点项目在少数城市运行，但通常仅限于气候温暖且路况可预测的地区。要真正达到第五级别，车辆必须能够应对任何可能遇到的复杂路况和极端气候条件。那么，为何目前的所有新车均尚未实现完全自动驾驶？ 阻碍因素涉及诸多层面，包括政府法规、安全担忧及总拥有成本等。或许在未来七年内，我们有望实现五级自动驾驶。随着美光在内存带宽与集中式汽车存储架构领域持续实现突破性创新，这一目标离我们越来越近。内存带宽与集中式架构能显著优化自动驾驶系统的性能表现、运行可靠性及安全系数，而这些正是实现五级自动驾驶的关键。
（点击图片放大）
信息图表 2：数据是自动驾驶汽车的燃料。
“内存，自动驾驶中的无名英雄”与“高速内存是自动驾驶的重要组成部分”
结论：正确且历久弥新
无论车辆处于何种自动驾驶级别，内存和存储技术都至关重要。车载 AI 必须能够实时处理海量数据，在高速行驶中瞬时做出决策。对自动驾驶而言，任何过度的时延和延迟都不可接受。人类其实很擅长快速判断（尽管日常交通中看起来好像并非如此），但问题在于我们容易分神，计算机则不然，摄像头、激光雷达与各类传感器永远保持警觉。高性能车载计算平台永远不会“在开车时打盹”，只要内存与车载存储能持续提供所需数据，它们就会一直不停地计算和决策，时刻保障行车安全。而高带宽内存与集中式存储解决方案，对于攻克这些数据挑战并确保系统平稳、高效、安全地运行至关重要。
此外，内存也是复杂 AI 训练模型及实现快速推理响应的基础。美光的创新技术为这些高要求 AI 任务提供了可靠基石。通过打造高效可靠的内存与存储产品，美光在推动 AI 与汽车融合、提升自动驾驶能力方面发挥着关键作用。
“GDDR6 对自动驾驶未来发展的重要性”
结论：判断失误
当时，美光的 GDDR5X 内存正应用于汽车解决方案。而 GDDR5X 和 GDDR6 主要面向游戏领域，但因其高速特性也进入到了汽车解决方案及网络应用领域。如今，图形与 AI 应用已开始采用新显存标准 GDDR7。我们曾预计这一趋势会延续到汽车解决方案，特别是车载信息娱乐系统领域，毕竟屏幕尺寸越来越大、分辨率越来越高。特斯拉 Model 3 和 Cybertruck 等车型甚至提供名为 Telsa Arcade 的车载游戏功能，允许用户通过踏板和方向盘在信息娱乐系统上玩游戏（出于安全考虑，行驶中将禁用该功能）。那么，这一预判为何会出现偏差？ 从逻辑上而言，对更高带宽和显存的需求本应持续增长。
而实际上，对更大内存和更高带宽的需求确实持续存在，且随着自动驾驶级别的提升而增加，但如今主流类型已转变为低功耗双倍数据率 (LPDDR) 内存。最初为满足手机低功耗需求而设计的 LPDDR（特别是 LPDDR5X），反而成为了现代汽车的最优解。
手机与汽车具有诸多共性：它们都不依赖固定电源，依靠电池运行，并且搭载大量传感器和计算单元，持续采集和监控数据。用户对 AI 交互已形成依赖。为此，美光持续推出创新型低功耗内存解决方案，以更高性能和更低功耗满足这些需求。
例如近期推出的搭载直接链路 ECC 协议 (DLEP) 的 LPDDR5X DRAM。这一针对 LPDDR5X 优化的纠错码 (ECC) 方案，通过消除全系统内联 ECC 需求，可实现 15% 至 25%1 的带宽提升。DLEP 技术不仅提升了性能，更凭借降低时间故障率 (FIT)，助力 LPDDR5X 内存系统达到 ISO 26262 ASIL-D 规定的硬件指标。此外，在使用“皮焦耳/比特”(pJ/b) 衡量时，这款新产品还能降低约 10% 的功耗，并提供至少 6% 的额外可寻址内存空间2。如今，基于美光经过 ISO 26262 ASIL-D 认证的系统级 LPDDR5X DRAM 来构建应用，可以轻松满足关键的汽车功能安全 (FuSa) 要求。简言之，DLEP 同时实现了带宽提升与功耗降低，这堪称自动驾驶工作负载梦寐以求的双赢解决方案。
但汽车内存的下一步将走向何方？ LPDDR 是否会在未来 7 年内继续演进？或者说，新的内存架构是否会在汽车中普及？ 后者很可能发生，尤其是当 AI 变得无处不在，成为全自动驾驶不可或缺的一部分，其所需的系统带宽和功效将继续推动内存创新。容我留下最后一个预测：不需要再等 7 年，下一代内存架构就能在自动驾驶汽车中普及。
结语
虽然我不会纠结于这些预测的对错（自尊心恐怕难以承受），但回顾这些预测，对于我们研判未来的技术与趋势而言大有裨益。最重要的是，过去七年间，AI 在汽车领域的价值及获得的关注已呈指数级增长，而支持 AI 车辆的高性能内存与存储解决方案的重要性也同步攀升。具体的内存与存储方案或许会迭代升级，但它们所解决的核心挑战不会改变。数据始终是所有 AI 的核心，而这些数据存储在美光的内存与存储解决方案中。但我们的技术不仅能存储数据，更能将数据转化为切实可行的智能洞察，加速价值兑现。
1 与典型的内联系统 ECC 方案和 DLEP 进行比较
2 “额外可寻址内存空间”基于用于存储系统 ECC 奇偶校验的恢复内存密度
