我的職業(yè)生涯始終與半導體行業(yè)緊密相連，從產(chǎn)品管理到內(nèi)容營銷，我曾在多個崗位上做過無數(shù)預測與展望。無論是產(chǎn)品需求預測，還是新興技術趨勢研判，我都有過精準命中，也不乏誤判失手。

最近，我重讀了自己在2018年5月撰寫的“自動駕駛汽車是如何工作的？”一文。時至今日，這篇文章仍是美光閱讀量最高的文章之一。在自動駕駛和汽車解決方案備受關注的今天，讓我們看看這篇文章的獨到之處。當時看來，這不過是篇尋常的行業(yè)前瞻性文章，既預測了自動駕駛的發(fā)展方向，也介紹了客戶所需的內(nèi)存與存儲解決方案?，F(xiàn)在，讓我們逐節(jié)回顧，看看哪些判斷經(jīng)住了時間考驗，哪些又出現(xiàn)了偏差。

“人工智能為自動駕駛汽車提供助力”

結論：正確

一輛汽車要實現(xiàn)自動駕駛，需要持續(xù)了解周圍環(huán)境：首先是感知（識別并分類信息），然后是通過汽車的自動駕駛計算機控制系統(tǒng)針對這些信息采取行動。自動駕駛汽車需要安全、可靠且響應迅速的解決方案，這些解決方案需要詳細了解駕駛環(huán)境，然后瞬間做出決策。而要了解駕駛環(huán)境，就需要車輛搭載的各類傳感器捕獲海量數(shù)據(jù)，再由汽車的自動駕駛計算機系統(tǒng)進行處理。

這些觀點至今依然成立。AI確實成為了自動駕駛汽車的核心驅動力，且在現(xiàn)代汽車中的融合程度遠超從前。雖然處理海量數(shù)據(jù)對自動駕駛汽車和AI工作負載而言仍具挑戰(zhàn)，但支撐自動駕駛的計算、內(nèi)存與存儲技術已變得更加強大高效。存儲與內(nèi)存容量的提升，使車輛能夠處理更龐大的數(shù)據(jù)集和更復雜的算法，從而提高AI系統(tǒng)的準確性與響應速度。這些技術進步不僅支持更復雜的訓練模型、更快速的推理能力，還催生了七年前我們未能預見的新型AI應用。生成式AI與代理式AI的興起，讓AI以當年難以想象的方式融入汽車，徹底改變了車載信息娛樂系統(tǒng)與ADAS系統(tǒng)。如今，“打電話回家”等基礎指令已無法滿足駕駛者對車載AI的期望，他們追求的是更智能且具備深度對話能力的AI體驗。

“自動駕駛的五個等級信息圖”

結論：正確但需要更新

除了品牌配色方案和舊版美光徽標外，這張關于自動駕駛五個等級的信息圖至今仍然準確且具有參考價值（對我個人而言也滿載回憶）。“自動駕駛五個等級”并非由我們提出，而是美國國家公路交通安全管理局 (NHTSA)制定的行業(yè)標準。該圖中需要更新的是“當前”的標注。如今，許多新車都已達到“部分自動化”級別，部分先進電動車 (EV) 甚至能實現(xiàn)四級自動駕駛。五級技術雖已存在，并通過試點項目在少數(shù)城市運行，但通常僅限于氣候溫暖且路況可預測的地區(qū)。要真正達到第五級別，車輛必須能夠應對任何可能遇到的復雜路況和極端氣候條件。那么，為何目前的所有新車均尚未實現(xiàn)完全自動駕駛？ 阻礙因素涉及諸多層面，包括政府法規(guī)、安全保障及總擁有成本等。或許在未來七年內(nèi)，我們有望實現(xiàn)五級自動駕駛。隨著美光在內(nèi)存帶寬與集中式汽車存儲架構領域持續(xù)實現(xiàn)突破性創(chuàng)新，這一目標離我們越來越近。內(nèi)存帶寬與集中式架構能顯著優(yōu)化自動駕駛系統(tǒng)的性能表現(xiàn)、運行可靠性及安全系數(shù)，而這些正是實現(xiàn)五級自動駕駛的關鍵。

“內(nèi)存，自動駕駛中的無名英雄”與“高速內(nèi)存是自動駕駛的重要組成部分”

結論：正確且歷久彌新

無論車輛處于何種自動駕駛級別，內(nèi)存和存儲技術都至關重要。車載AI必須能夠實時處理海量數(shù)據(jù)，在高速行駛中瞬時做出決策。對自動駕駛而言，任何過度的時延和延遲都不可接受。人類其實很擅長快速判斷（盡管日常交通中看起來好像并非如此），但問題在于我們?nèi)菀追稚瘢嬎銠C則不然，攝像頭、激光雷達與各類傳感器永遠保持警覺。高性能車載計算平臺永遠不會“在開車時打盹”，只要內(nèi)存與車載存儲能持續(xù)提供所需數(shù)據(jù)，它們就會一直不停地計算和決策，時刻保障行車安全。而高帶寬內(nèi)存與集中式存儲解決方案，對于攻克這些數(shù)據(jù)挑戰(zhàn)并確保系統(tǒng)平穩(wěn)、高效、安全地運行至關重要。

此外，內(nèi)存也是復雜AI訓練模型及實現(xiàn)快速推理響應的基礎。美光的創(chuàng)新技術為這些高要求AI任務提供了可靠基石。通過打造高效可靠的內(nèi)存與存儲產(chǎn)品，美光在推動AI與汽車融合、提升自動駕駛能力方面發(fā)揮著關鍵作用。

“GDDR6 對自動駕駛未來發(fā)展的重要性”

結論：判斷失誤

當時，美光的GDDR5X內(nèi)存正應用于汽車解決方案。而GDDR5X和GDDR6主要面向游戲領域，但因其高速特性也進入到了汽車解決方案及網(wǎng)絡應用領域。如今，圖形與 AI 應用已開始采用新顯存標準GDDR7。我們曾預計這一趨勢會延續(xù)到汽車解決方案，特別是車載信息娛樂系統(tǒng)領域，畢竟屏幕尺寸越來越大、分辨率越來越高。特斯拉Model 3和Cybertruck等車型甚至提供名為Telsa Arcade的車載游戲功能，允許用戶通過踏板和方向盤在信息娛樂系統(tǒng)上玩游戲（出于安全考慮，行駛中將禁用該功能）。那么，這一預判為何會出現(xiàn)偏差？ 從邏輯上而言，對更高帶寬和顯存的需求本應持續(xù)增長。

而實際上，對更大內(nèi)存和更高帶寬的需求確實持續(xù)存在，且隨著自動駕駛級別的提升而增加，但如今主流類型已轉變?yōu)榈凸碾p倍數(shù)據(jù)率 (LPDDR) 內(nèi)存。最初為滿足手機低功耗需求而設計的LPDDR（特別是LPDDR5X），反而成為了現(xiàn)代汽車的最優(yōu)解。

手機與汽車具有諸多共性：它們都不依賴固定電源，依靠電池運行，并且搭載大量傳感器和計算單元，持續(xù)采集和監(jiān)控數(shù)據(jù)。用戶對AI交互已形成依賴。為此，美光持續(xù)推出創(chuàng)新型低功耗內(nèi)存解決方案，以更高性能和更低功耗滿足這些需求。

例如近期推出的搭載直接鏈路ECC協(xié)議 (DLEP) 的LPDDR5X DRAM。這一針對LPDDR5X優(yōu)化的糾錯碼 (ECC) 方案，通過消除全系統(tǒng)內(nèi)聯(lián)ECC需求，可實現(xiàn)15%至25%1的帶寬提升。DLEP技術不僅提升了性能，更憑借降低時間故障率 (FIT)，助力LPDDR5X內(nèi)存系統(tǒng)達到ISO 26262 ASIL-D規(guī)定的硬件指標。此外，在使用pJ/b（皮焦耳/比特）衡量時，這款新產(chǎn)品還能降低約10%的功耗，并提供至少6%的額外可尋址內(nèi)存空間2。如今，基于美光經(jīng)過ISO 26262 ASIL-D認證的系統(tǒng)級 LPDDR5X DRAM來構建應用，可以輕松滿足關鍵的汽車功能安全 (FuSa) 要求。簡言之，DLEP同時實現(xiàn)了帶寬提升與功耗降低，這堪稱自動駕駛工作負載夢寐以求的雙贏解決方案。

數(shù)據(jù)存儲領域同樣實現(xiàn)了許多未曾預見的突破。美光4150AT SSD等集中式存儲SSD，正在徹底改變汽車存儲架構。新架構摒棄了分別為信息娛樂數(shù)據(jù)、ADAS系統(tǒng)和座椅位置等配置獨立存儲芯片的做法，將多達四個系統(tǒng)的數(shù)據(jù)存儲整合至單一高可靠性SSD中；該SSD通過認證，能滿足車輛的嚴苛需求。這一創(chuàng)新與AI技術結合，催生了更多適用于車載應用的汽車存儲架構。

但汽車內(nèi)存的下一步將走向何方？ LPDDR能否在未來七年繼續(xù)保持主流地位？抑或是美光HBM3E等AI高帶寬內(nèi)存 (HBM) 將進軍汽車領域？ 后者完全有可能發(fā)生，尤其當AI技術日益普及，并成為完全自動駕駛不可或缺的核心時，不過，率先登陸自動駕駛汽車的或許是HBM4或HBM4E。容我留下最后一個預測：美光HBM產(chǎn)品不需要再等待七年，就能在汽車解決方案中得到采用。

結語

雖然我不會糾結于預測的對錯（自尊心恐怕難以承受），但審視我們對未來技術與趨勢的看法始終有益。最重要的是，過去七年間，AI在汽車領域的價值及獲得的關注已呈指數(shù)級增長，而支持AI車輛的高性能內(nèi)存與存儲解決方案的重要性也同步攀升。具體的內(nèi)存與存儲方案或許會迭代升級，但它們所解決的核心挑戰(zhàn)不會改變。數(shù)據(jù)始終是所有AI的核心，而這些數(shù)據(jù)存儲在美光的內(nèi)存與存儲解決方案中。但我們的技術不僅能存儲數(shù)據(jù)，更能將數(shù)據(jù)轉化為切實可行的智能洞察，加速價值兌現(xiàn)。

1與典型的內(nèi)聯(lián)系統(tǒng)ECC方案和DLEP進行比較

2“額外可尋址內(nèi)存空間”基于用于存儲系統(tǒng)ECC奇偶校驗的恢復內(nèi)存密度

本文作者

Dan Combe

全球傳播與營銷部門營銷活動經(jīng)理