GM 警告：AI 内存成本正在重塑汽车定价，BYD 上调驾驶辅助功能价格
据 tom hardware 最新报道，General Motors 警告称，不断上涨的内存支出将给其成本带来数十亿美元的压力。这一警告让原本属于 AI 基础设施的问题，直接成为购车者需要面对的现实。
GM 目前预计，今年新车平均价格将上涨 0.3%。这推翻了该公司此前关于价格将保持稳定或略有下降的预测。在中国，BYD 据报道已将单独销售的驾驶辅助功能价格上调 20%。
共同的压力点在于内存。AI 数据中心正在消耗越来越多的先进芯片，而现代汽车也需要更多 DRAM 和存储空间，以支持信息娱乐、互联功能和高级驾驶辅助系统。汽车制造商既要争夺供应，又必须满足比消费电子厂商更严格的认证要求。
这并非又一次普通的零部件短缺。多年来，车企不断加入软件驱动功能，并将其视为打造更安全、更智能、更具价值车辆的途径。如今，内存通胀正在暴露这一战略的成本。
Tom Hardware 将 GM 的警告与 AI 内存短缺联系起来
汽车行业受到的影响，已从供应链预测演变为车企的定价与财务指引问题。
GM 首席财务官 Paul Jacobson 在公司第二季度财报电话会议上谈到了成本压力。他指出，零部件成本上涨，尤其是 DRAM，是主要推动因素。
DRAM，即动态随机存取存储器，用于临时保存正在运行的软件所需的信息。车辆在渲染仪表盘图形、整合传感器输入、运行导航或处理驾驶辅助功能时都会使用它。
该公司预期的成本增长并不局限于内存。然而，Jacobson 的表述显示，车载零部件和 DRAM 是重要驱动因素。这一区别很关键，因为它将 GM 的指引与更广泛的半导体产能分配问题联系起来。
GM 还调整了其价格预测。该公司此前预计车价将持平或略有下降。根据这份内存短缺报告，该公司如今预计价格将上涨 0.3%。
与新车售价相比，这一比例看似不大。但在庞大的产量基础上，即使平均价格出现小幅变化，也会影响可负担性、促销政策、经销商谈判和竞争定位。
这一警告发布之际，GM 报告了更强劲的经营预期。其季度业绩包括上调全年指引，这为公司吸收更高的投入成本提供了一定空间。
但这一空间并不能消除压力。它只是带来一项战略选择：接受更低利润率、减少促销激励、调整车辆配置，或将部分涨幅转嫁给消费者。
BYD 的应对方式则通过不同的商业模式呈现出同样的问题。它并未调整每辆车公布的基础价格，而是据报道将某些驾驶辅助能力的收费提高了 20%。
这种做法让成本更加直观。它也让消费者更需要权衡：由软件支持的驾驶功能是否值得支付额外费用。
Hyundai 采取了另一条路径。据同一报道，这家韩国汽车制造商呼吁强化本土半导体供应。其应对方式将内存供应视为产业韧性问题，而不只是采购问题。
这三种做法揭示了正在形成的应对策略。GM 调整财务和定价预期；BYD 改变功能套件的成本；Hyundai 寻求更深入的本地供应支持。
这些应对措施都无法立即扩大内存产量。它们只是将短缺的影响分摊给制造商、供应商、股东和买家。
因此，关键变化并非单次价格调整。汽车制造商正在承认，内存已成为软件定义汽车战略的重要制约因素。
汽车如今像计算平台一样消耗内存
现代汽车需要的内存大幅增加，因为其核心功能越来越依赖持续运行的软件。
过去，基础汽车只需要用于发动机控制、制动、安全气囊和有限座舱功能的电子系统。如今的车型通常整合了多个显示屏、摄像头、雷达传感器、导航、语音界面、互联服务和空中升级功能。
每项功能都会产生或消耗数据。信息娱乐系统需要加载地图、媒体界面、手机集成和动态画面。驾驶辅助系统则需要处理来自摄像头及其他传感器的数据流，以识别车道、车辆、行人和道路边界。
高级驾驶辅助系统，通常称为 ADAS，可协助完成紧急制动、车道控制、泊车或自适应巡航等任务。它们并不会自动让车辆实现自动驾驶。
这些工作负载需要多种类型的内存。DRAM 支持实时计算，而 NAND flash 会在断电后保留软件、地图、车辆数据和下载的更新内容。
Micron 此前估计，2023 年一辆平均车辆使用了 90GB 的 DRAM 和 NAND 总容量。该公司预计，到 2026 年，这一平均需求将达到 278GB，而部分高端车辆的需求可能高达 2TB。
这些数字解释了为何即使每辆车使用的内存远少于 AI 服务器，汽车生产仍可能受到影响。车企大规模生产，而且制造商无法用消费级替代品取代每一种缺失的汽车级零部件。
不同子系统的工作负载也各不相同。根据 tom hardware 引述的数据，信息娱乐系统可能需要 4GB 至 16GB 内存。ADAS 和安全系统可能需要 8GB 至 32GB。
集中式计算系统通常从约 16GB 起步，并可达到 64GB 或更高。这些系统将过去分散在众多电子控制单元中的工作整合起来。
集中化可以简化软件开发，并降低部分线束复杂度。但它也将需求集中在高容量、高性能零部件上。因此，影响一个中央平台的短缺，可能同时中断多项车辆功能。
向本地 AI 转变又增加了一层需求。车载助手若要在不持续联系云服务的情况下处理语音、车辆信息或导航请求，就需要存储模型和工作内存。
tom hardware 报道称，部分汽车 AI 系统至少需要 256GB 内存。Micron 曾预测，为 Level 4 自动驾驶设计的车辆可能至少需要 300GB RAM。
Level 4 自动驾驶是指系统能够在限定运行条件内无需人工控制即可驾驶。它仍不同于可在任何道路和任何天气条件下实现的无限制自动驾驶。
具体需求会因设计而异。汽车制造商可以压缩模型、限制功能、在车辆与云端之间分配工作，或采用具有不同内存架构的专用加速器。
但趋势依然明确：在完全自动驾驶汽车实现大规模普及之前，更强大的界面和驾驶辅助系统就已在推高内存需求。
消费者通过可见功能感受到这种转变。更大的显示屏、响应迅速的摄像头视图、详细的导航系统或语音助手，看起来都是软件功能。但在底层，每项功能都依赖实体计算能力。
这种依赖带来了一种令人不安的逆转。软件本应让汽车制造商在车辆生产完成后继续增加价值。如今，支撑这些软件所需的硬件却在推高车辆的初始成本。
当功能被捆绑销售时，问题会更为突出。希望获得某项安全功能的买家，可能还会同时得到更大的信息娱乐系统、更多摄像头和性能更强的中央计算机。
汽车制造商可以重新设计这些套装，但开发周期很长。如今投产的车型，其零部件选择和性能目标往往在数年前就已确定。
减少内存也并不等同于删除一个可选的移动应用。工程师必须确认，每项必需功能仍能满足响应速度、可靠性和安全目标。
这正是为何短缺威胁的不只是高端娱乐系统。内存支撑着关键车载软件运行所依赖的操作环境。
AI 基础设施正在赢得供应争夺战
核心冲突在于快速扩张的 AI 基础设施，与无法快速更换零部件的汽车项目之间的矛盾。
AI 服务器使用高带宽内存，即 HBM，以高速在处理器和内存之间传输大量数据。这一能力对训练和运行大型模型至关重要。
汽车系统通常不会采用旗舰 AI 加速器所使用的同类内存配置。然而，这些市场仍通过制造商、晶圆产能、封装资源、资本支出和产品优先级相互关联。
内存公司会将投资导向需求和回报最强的产品。当 AI 客户承诺采购巨量产品时，供应商有充分理由优先投入面向服务器的产能。
这并不意味着某颗 HBM 芯片被直接从仪表盘转移走。其影响机制更广泛。AI 需求会影响哪些生产线获得投资、哪些成熟产品仍具吸引力，以及制造商扩张其他品类的速度。
汽车制造商的处境较为弱势，因为其采购量虽大，但认证要求严苛。它们还希望在漫长的车辆项目周期内获得长期供应保障。
消费设备公司有时可以在相对较短的周期内，围绕另一种零部件重新设计产品。汽车制造商则必须考虑严酷温度、振动、电磁干扰、功能安全和长期使用寿命。
AEC-Q100 标准规定了用于汽车应用的封装集成电路的应力测试认证程序。认证覆盖的是失效机制，而不只是简单的功能兼容性。
替代内存组件必须满足电气、热学、机械、软件和生产要求。与安全相关的系统可能还需要额外分析和验证。
这使汽车供应链的灵活性低于产品规格所呈现的程度。两种芯片即使提供相近容量，也可能无法在已验证的车辆平台中互为合格替代品。
认证负担也会拖慢紧急应对。tom hardware 指出，汽车内存可能需要数月甚至数年的验证，才能用于车辆。
这种差异使当前短缺不同于普通采购摩擦。汽车制造商无法仅靠接受一家陌生供应商的更高报价来解决问题。
在疫情时期的半导体短缺期间，汽车公司已经认识到，一种无法获得的零部件就能令装配线停摆。制造商取消了部分功能、调整了生产计划，并优先生产利润率更高的车型。
这一历史比较很有参考价值，但如今的压力来自不同的需求源头。疫情扰动叠加工厂停摆、物流问题，以及电子产品购买需求的反弹。
最新的约束与 AI 基础设施的持续扩张，以及各类产品中不断增加的内存配置有关。因此，很难将其视为短暂的运输瓶颈。
AI 客户和汽车制造商的规划节奏也不同。云计算公司可以通过大型、集中的项目扩充产能。整车项目则必须在众多车型、工厂、地区和监管体系之间协调供应商。
规模并不会自动让汽车行业获得优先权。决定性问题在于，哪些客户能为供应商带来利润率、承诺力度和战略增长前景的最佳组合。
这让汽车制造商陷入尴尬境地：恰恰在它们需要更多内存之时，内存制造商却在其他领域看到了更大的机会。
长期供应协议可以降低风险敞口，但也会带来其他风险。如果供应后来改善，承诺以较高成本采购的车企可能仍被锁定在不利条款中。
双重供货可以有所帮助，但认证第二家供应商需要时间。它还需要工程资源，而制造商原本可能更愿意将这些资源投入新车型和软件开发。
垂直整合提供了另一种可能的应对方式。BYD 已发展出更多内部半导体能力，其他汽车制造商则在深化与芯片设计商和制造商的合作关系。
内部芯片设计并不能消除对晶圆制造或内存供应的需求。但它可以让汽车制造商对架构、采购和工作负载效率拥有更多控制权。
这场竞争归根结底关乎资源分配。AI 基础设施买家能够为激进支出辩护，因为算力直接支撑其服务。汽车制造商则必须在竞争异常激烈的汽车市场中收回不断上升的零部件成本。
这种失衡解释了，为什么 AI 内存短缺能够一路传导至经销商，而消费者购买的汽车中却可能根本没有任何生成式 AI 功能。
BYD 上调 20% 凸显成本与能力之间的取舍
据报道，BYD 的上调让软件驱动型汽车能力的成本，比 GM 更宽泛的价格预测更直观地显现出来。
BYD 将部分高级驾驶辅助功能与车辆分开销售。将这项费用上调 20%，把硬件通胀直接关联到一项具体的消费者决策。
这在战略上不同于将零部件成本摊入每一款车型。单独的功能定价既能维持宣传中的基础车型定位，也要求感兴趣的买家为更多底层计算开支买单。
它还可以测试需求。如果采用率保持稳定，BYD 就能获得证据，表明客户尽管面对更高成本仍重视这项能力。如果采用率下降，公司则能了解消费者的支付意愿从何处开始减弱。
不过，这次上调并不能证明内存本身解释了变化中的每一部分。驾驶辅助定价可能反映硬件、软件开发、支持服务、数据处理、竞争策略和预期利润率。
报道所涉时间点使内存压力成为可信因素。但读者仍应避免将这 20% 的变化视为 DRAM 通胀的直接衡量。
这是本文的主要不确定性。GM 已将不断上涨的零部件价格，尤其是 DRAM，列为重要成本驱动因素。公开报道并未提供完整的逐车型拆分，以说明内存变化会如何影响每辆车的最终成交价。
汽车制造商也有多种方式吸收或掩盖这项上涨。它们可以调整激励措施、改变配置供应情况、重新谈判供应商合同，或将生产转向利润率更高的车型。
更高的标价只是其中一种结果。减少折扣可以在不改变车辆官方起售价的情况下，提高客户实际支付的金额。
取消功能也是另一种可能。此前的芯片短缺期间，一些制造商交付的车辆缺少部分便利性功能，或延后启用这些功能。
当内存支撑多项应用时，这种应对会变得更复杂。取消单一功能可能不足以减少足够的容量，从而无法为高成本重新设计提供合理性。
汽车制造商也可能为入门级车型提供更简单的计算平台。此举会更清晰地区分以交通出行为核心的车辆与软件功能更重的高端产品。
这种选择带有竞争风险。买家越来越会通过显示屏、摄像头质量、移动端整合和驾驶辅助功能来比较车辆。即使核心驾驶功能可靠，一个更简单的系统也可能显得过时。
安全性又增加了一层复杂性。消费者可能接受较少的娱乐功能，但自动紧急制动和盲点监测具有不同的价值。
并非每项 ADAS 功能都需要相同的内存或计算资源。因此，汽车制造商在作出成本决策时，应区分基础安全功能与昂贵的自动化套件。
BYD 的上调发生在中国汽车市场竞争激烈之际。制造商一直通过频繁发布新产品、技术套件和价格调整来吸引关注并守住销量。
为驾驶辅助收费更高，可能削弱一项卖点；吸收成本，则可能削弱盈利能力。这正是成本与能力冲突最清晰的体现。
GM 通过覆盖更广的北美产品组合面临同样的冲突。它销售的车辆具有不同的利润率、电子架构和客户预期。
在高端车型上可控的内存涨价，在入门级车型上可能更难应对。低价车辆留给制造商吸收零部件通胀、又不影响需求的空间更小。
这种影响在电动车与燃油车之间也有所不同。两者都使用数字系统，但许多电动车从一开始就围绕集中式计算、大型显示屏和互联软件设计。
这并不意味着每一款电动车都比每一款燃油车包含更多内存。配置水平和平台设计比单纯的动力总成标签更重要。
更大的要点在于，软件定义汽车使内存成为战略性投入。软件定义汽车利用集中式计算和可更新软件，来管理过去主要依赖固定硬件模块的功能。
这个术语听起来可能很抽象。BYD 的调整将它转化为具体的购买决策：为新增计算能力支付更多费用，或接受更有限的功能组合。
消费者的抵触仍是实实在在的约束。tom hardware 报道下的评论中，有人呼吁采用更简单的车辆并减少互联服务。
这些反应只是轶事，并非具有代表性的市场数据。但它们仍揭示了一种汽车制造商不应轻视的张力。
客户可能重视紧急干预系统，却拒绝订阅服务、追踪服务或复杂的信息娱乐功能。将每一项数字功能都视为同样受欢迎，可能会导致对更高内存成本作出错误回应。
更清晰地区分必要安全功能、可选便利功能和高级自动化功能的汽车制造商，或许能以更少的客户挫败感应对短缺。
能够通过高效硬件保留实用功能的公司将占据优势。单纯增加内存比优化软件更容易，但短缺再次让效率具有经济价值。
为什么汽车内存无法在一夜之间替代
认证规则让广泛的内存短缺演变为缓慢推进的生产约束。
车辆会经历温度波动、振动、电气噪声、湿气暴露以及多年反复使用。零部件必须在这些条件下始终保持可靠。
因此，汽车内存属于与桌面 RAM 不同的采购类别。容量和速度固然重要，但它们只是要求的一部分。
AEC-Q100 认证会让集成电路接受规定的应力测试。供应商和汽车制造商还会实施各自的验证、制造、文档和质量流程。
Renesas 将 AEC-Q100 描述为基于失效机理的认证标准。这一表述很重要，因为目标并不只是确认芯片在安装后能够正常工作。
工程师需要获得有关封装、制造工艺和材料在压力下表现的证据。娱乐设备发生故障只是造成不便；影响车辆控制系统的故障则可能带来安全后果。
部分汽车内存必须在宽温范围内运行。它还需要稳定的长期供应，因为汽车平台和零部件替换义务会延续至典型消费产品周期之外。
Infineon 介绍了专为极端温度和长期供货设计的汽车闪存。其文档还将外部内存与安全相关的汽车应用联系起来。
这种长生命周期限制了快速替代。新芯片或许性能更好，但采用它可能需要硬件变更、新的软件工作和重新测试。
面对短缺的汽车制造商必须在几种并不完美的应对方式中作出选择：支付更高价格购买已认证的库存、重新设计模块、减少产量、推迟车型上市，或改变所提供的功能。
当库存存在时，支付更高价格通常是最快的应对方式。它能保护生产，但会将压力转移到利润率和车辆定价上。
重新设计可以提升长期韧性，但需要工程时间，也可能引入新的供应依赖。
减少生产可防止未完工车辆积压，但也会降低销量，并可能导致工厂产能利用不足。
调整功能可以节省稀缺零部件，但有可能令客户失望，并使经销商沟通更复杂。
最佳应对取决于短缺持续多久。短期冲击更适合采购灵活性和暂时性的利润率压力；持续多年的约束则更适合架构变革和新的供应商关系。
当前信号并未给出简单的持续时间估计。内存制造商正在扩充产能，但新的晶圆制造和封装投资需要时间。
需求也在变化。AI 模型、加速器和服务器架构持续演进，因此供应商必须决定哪些内存技术最值得投入资本。
汽车需求也在朝同一方向发展。更多摄像头、更丰富的显示屏、集中式计算机和 AI 界面，提高了每辆车所需的内存量。
这意味着新增供应可能会被新增配置消耗。市场可以扩张，却未必能立即恢复汽车制造商此前所预期的采购条件。
领先与成熟内存产品之间也存在错配。AI 加速器将注意力吸引到 HBM，而许多车辆依赖成熟的 DRAM 和闪存产品系列。
当制造商将投资转向较新的产品时，成熟的汽车零部件可能会趋紧，即使它们并未直接竞争完全相同的芯片。
当生产量已无法证明继续制造的合理性时，传统供应可能变得尤其脆弱。汽车制造商随后将面临对嵌入长期平台的零部件进行重新设计的工作。
这一机制有助于解释为何短缺会以不均衡的方式持续存在。一家汽车制造商可能已确保充足供应，而另一家却在某个特定的已认证零部件上陷入困境。
它也解释了为什么对汽车价格作出统一预测会具有误导性。风险敞口取决于合同、架构、供应商集中度、库存，以及每款车型的功能配置。
GM披露的压力提供了一个可见的参照，但这并不能证明每家汽车制造商都会面临同样的成本上涨。
BYD对功能的调整则提供了另一个信号，但这并不能证明每套驾驶辅助方案都会以相同比例涨价。
证据支持一个更广泛的结论：汽车内存已越来越难以被视为微不足道的成本项。它如今会影响车辆设计、生产规划和定价策略。
三个信号将显示车价是否会继续上涨
下一阶段取决于汽车制造商的披露、功能决策，以及经过认证的内存供应是否正在追上需求的证据。
第一个信号是GM及其他主要汽车制造商即将发布的财报评论。投资者应关注零部件成本指引、促销支出、生产计划和平均车辆售价的变化。
如果更多公司将DRAM或存储列为重大压力来源，说明短缺已超出零星的采购问题。如果相关表述趋于缓和，则可能意味着供应协议或需求放缓正在遏制影响。
措辞很重要。与笼统提及通胀相比，具体讨论内存、信息娱乐模块或ADAS硬件能提供更多信息。
第二个信号是汽车制造商如何打包数字功能。据报道，BYD进行的20%调整为检验消费者是否愿意为高级辅助功能支付更多提供了一个早期测试。
关注是否出现类似涨价、新的可选套件、标准配置减少，或基础安全功能与高端自动化功能之间的区隔进一步扩大。
如果价格变化后采用率仍然强劲，制造商将拥有更大空间转嫁硬件成本。如果买家拒绝这些套件，企业将面临吸收成本或简化系统的压力。
软件效率也应在这里变得可见。能够以更低内存需求提供相近功能的汽车制造商，可以同时保护利润率和可负担性。
第三个信号是经过认证的汽车级内存供应情况。有关产能的公告固然重要，但交付周期和已验证产品的供应更重要。
新的内存投资不会立即产出可供汽车制造商安装的零部件。产出必须符合所需技术要求、通过认证，并以有用的规模交付给模块供应商。
交付周期缩短将削弱车辆价格持续承压的论点。若紧张配给持续到2027年，则会强化这一判断，并推动更深入的重新设计。
买家应关注实际车辆配置，而不只是半导体新闻头条。最先出现的可见影响可能是折扣减少、配置组合变化、功能延后或供应减少。
汽车软件开发者则应出于另一种原因关注这一问题。曾经看似宽裕的内存预算可能会成为商业约束。
高效模型、谨慎的数据处理和可预测的资源使用方式，可能影响某项功能能否通过成本审查。优化不再只是性能层面的工作。
企业技术买家也应认识到这种外溢效应。AI基础设施采购会影响不同产品之间的零部件分配，从车辆到工业系统皆是如此。
这并不意味着AI投资本身就是浪费。它意味着基础设施扩张的真实成本会超出服务器采购范畴。
Tom hardware捕捉到了这一转变早期面向消费者的后果。决定性问题在于，GM和BYD究竟是孤立案例，还是更广泛重新定价周期中最早可见的例子。
在接下来的一个季度，比较汽车制造商指引、功能套件变化和经过认证的内存交付周期。这些信号将共同显示，行业是能够吸收短缺，还是必须围绕短缺重新设计。
购车者在选择技术套件前应提出一个实际问题：哪些功能能够带来持久的安全性或实用性，哪些功能主要只是增加复杂性？如果内存持续短缺，这一区分将变得更加重要。
