Kneron（耐能）：专注边缘 AI 与 NPU 的芯片企业，让人工智能从云端进入终端设备
Kneron，中文通常称为“耐能”，是一家专注于边缘 AI、神经网络处理器 NPU、AI SoC 和端侧人工智能平台的半导体企业。
与 NVIDIA 主要通过 GPU 服务大型数据中心不同，Kneron 从成立之初就把重点放在 Edge AI，也就是让人工智能模型直接运行在摄像头、汽车、机器人、工业设备、智能家居和其他终端设备内部，而不是把所有数据上传到云端处理。
公司希望通过低功耗、低延迟、可重构 NPU 和完整软件平台，在终端实现更加私密、安全和节能的 AI 计算。
Kneron 是一家什么样的公司？
Kneron 成立于 2015 年 10 月，总部位于美国加利福尼亚州圣地亚哥，目前在台北、新北、新竹、深圳、珠海、杭州和沙特阿拉伯利雅得等地设有团队或分支机构。
公司创始人兼 CEO 是刘峻诚（Albert Liu），拥有 UCLA 电气工程博士学位，在创办 Kneron 之前曾在 Qualcomm、Samsung Electronics、MStar 等企业从事研发和管理工作。
Kneron 的另外一位联合创始人 Frank Chang 则长期从事高速电子和 SoC 研究。
Kneron 的发展路线非常明确：它不是简单设计一块 AI 加速卡，而是希望建立从 NPU 芯片、AI SoC、开发板、软件工具、模型工具链到完整边缘 AI 系统的一整套技术体系。
因此 Kneron 经常将自己称为 Full Stack Edge AI，也就是“全栈边缘 AI”企业。
Kneron 为什么重点发展 Edge AI？
今天很多人工智能应用仍然采用云端计算模式。例如摄像头拍摄视频之后，将图像上传服务器，再由服务器中的 GPU 进行识别，然后把结果传回设备。
这种架构对于大型语言模型和复杂 AI 服务很有效，但如果用于智能汽车、机器人、门锁、工业设备和实时监控，就会遇到网络延迟、带宽成本、数据隐私和云计算费用等问题。
Kneron 选择的路线是把 AI 推理能力直接放到设备里面。
摄像头可以在本地判断画面中有没有人，汽车可以直接识别行人和车辆，智能门锁可以在设备内部完成人脸识别，机器人可以立即根据传感器数据采取行动，而不需要每一次都访问远程数据中心。
这种模式的一个重要优势是即使网络中断，设备仍然能够继续工作，同时大量敏感数据也不必离开本地设备。
随着 AI 从互联网应用进入现实世界，Edge AI 的市场正在扩大，而这正是 Kneron 长期押注的方向。
核心技术：可重构 NPU
Kneron 最重要的技术是自主设计的可重构 Neural Processing Unit，也就是 NPU。
传统 CPU 可以执行各种程序，但执行 AI 神经网络的效率并不高。
GPU 具有强大的并行计算能力，但功耗和成本通常较高；针对某一种神经网络设计的固定功能 ASIC 虽然效率很高，却可能缺少灵活性。
Kneron 希望在这几个方向之间寻找平衡。
它的 NPU 针对神经网络进行了专门优化，同时又采用可重构架构，使芯片能够支持不同类型的 AI 模型。这也是 Kneron 长期强调的技术特点之一。
早期 KL520 就采用这种架构支持多种卷积神经网络，而后续第三代 KDP NPU 又进一步支持 Transformer、CNN、RNN Hybrid 以及 INT4 等计算模式。
这种架构对于边缘设备尤其重要，因为终端设备的生命周期往往比 AI 模型长得多。
一辆汽车、一台工业摄像机或者一个智能家居设备可能使用五年甚至十年，但是人工智能算法却可能每隔几个月就出现新的架构。
如果 AI 芯片只能运行固定模型，很容易快速过时，因此可编程性和可重构能力成为 Edge AI 芯片的重要竞争指标。
KL520：Kneron 第一代代表性 AI 芯片
KL520 是 Kneron 早期最具代表性的边缘 AI SoC，也是公司开始进入商业市场的重要产品。
KL520 集成双 ARM Cortex-M4 CPU，可以作为独立处理器或者 AI 协处理器使用，主要面向智能门锁、摄像机、无人机、机器人和智能家电等设备。
KL520 一个重要卖点就是极低功耗。Kneron 曾表示，某些基于 KL520 的终端设备只使用普通 AA 电池就可以工作很长时间。
对于必须长期运行而又不方便安装大型散热和供电系统的边缘设备来说，这种低功耗设计非常重要。
KL720：把更复杂的视觉和语音 AI 带到终端
KL720 在 KL520 的基础上进一步提升了 AI 性能和多媒体处理能力，面向高端 IP 摄像头、智能电视、AI 眼镜、耳机、AIoT 网关以及其他需要更复杂人工智能处理的设备。
KL720 可以处理 4K 图像、高清视频和 3D 感应，同时支持人脸识别、手势控制和自然语言处理。
Kneron 官方将其性能功耗比作为主要卖点之一，希望证明 NPU 在终端 AI 场景中可以用远低于传统 GPU 的功耗完成实际推理任务。
KL530 与 KL630：开始支持 Transformer 和 INT4
随着 Transformer 从自然语言处理逐渐进入计算机视觉和其他 AI 应用，Kneron 的芯片路线也开始改变。
KL530 和 KL630 的一个重要特点，就是进一步加强对 Transformer 以及 INT4 低精度推理的支持。
KL530 可提供最高约 1 TOPS 的 INT4 计算能力，采用 ARM Cortex-M4 CPU，并集成图像信号处理和多媒体处理功能。
官方资料显示，其平均功耗可以低于 500mW，非常适合功耗受限的摄像头、AIoT 和嵌入式设备。
KL630 则采用第三代可重构 NPU，提供最高约 0.5 eTOPS INT8 或 1 eTOPS INT4 的有效算力，并进一步针对智能安防、ADAS 和边缘视觉处理进行优化。
这里其实可以看出 Kneron 的一个技术方向：它并不单纯追求越来越大的 TOPS 数字，而是更强调“在有限功耗条件下实际能够运行什么模型”。
KL730：Kneron 进入轻量生成式 AI
2023 年推出的 KL730 是 Kneron 产品路线上的另一个重要节点。它采用第三代可重构 NPU，并开始更加明确地支持 Transformer 和轻量级生成式 AI。
KL730 集成四核 ARM Cortex-A55 CPU、DSP、ISP 以及 NPU，并支持 Linux 和 RTOS。官方产品资料显示，其 AI 算力最高约为 3.6 eTOPS INT8 或 7.2 eTOPS INT4，同时可以处理最高 4K 60FPS 视频，并支持 Caffe、TensorFlow、TensorFlow Lite、PyTorch、Keras 和 ONNX 等常见 AI 框架。
Kneron 在发布 KL730 时特别强调 nanoGPT 等轻量语言模型，希望证明生成式 AI 并不一定只能运行在数据中心 GPU 上。
虽然 KL730 无法与大型数据中心 GPU 在绝对算力上比较，但它代表了另外一种思路：将规模较小、经过优化的语言模型直接安装在汽车、机器人、家电和企业边缘设备中。
KL1140：Kneron 开始挑战更大型的端侧 AI
2025 年 11 月，Kneron 发布了新一代旗舰芯片 KL1140，这也是公司战略转型中非常重要的一款产品。
与早期主要服务摄像头、人脸识别和汽车视觉的 NPU 不同，KL1140 更明确地面向大型语言模型和新一代生成式 AI。
Kneron 宣称 KL1140 是首批能够在终端完整运行 Mamba 网络架构的 NPU 产品之一，并称其在特定方案中的能源效率和成本能够明显优于传统云端方案。
公司还表示，多颗 KL1140 可以通过级联方式进一步扩大能够运行的模型规模。
需要注意的是，这些性能和成本比较目前主要来自 Kneron 自己公布的数据，实际效果仍然取决于模型类型、精度、内存配置和具体应用。
KL1140 的意义不只是增加了一颗新芯片，而是说明 Kneron 正在从传统意义上的“Edge AI 芯片公司”向更完整的 AI 基础设施企业发展。
KNEO：不仅出售芯片，还要建立 AI 平台
如果一家 AI 芯片公司只提供芯片，开发者仍然必须自己解决模型转换、编译、部署、更新和设备管理问题。因此 Kneron 很早就开始构建自己的 KNEO 软件和开发平台。
Kneron AI 开发体系包括 Kneron PLUS、Firmware SDK、Model Toolchain、Model Zoo 等工具。
开发者可以将 ONNX 等格式的模型通过转换器、量化器、编译器和模拟器部署到 Kneron NPU 上。
Kneron 的官方开发文档目前仍持续更新，2026 年已经发布 Kneron PLUS 3.2.0 以及 KL730 的新版本 SDK。
软件生态对于 AI 加速器企业非常重要，因为 NVIDIA 真正强大的地方不仅是 GPU，还有 CUDA。
Kneron 如果希望建立长期竞争力，就必须让开发者更容易把现有 TensorFlow、PyTorch 和 ONNX 模型迁移到自己的 NPU，而不是要求客户重新开发整个 AI 软件体系。
KNEO Pi：从 AI 芯片扩展到完整边缘计算设备
Kneron 进一步推出了 KNEO Pi，将芯片、软件和边缘 AI 开发环境整合成更加完整的计算平台。
KNEO Pi 可以作为独立的边缘 AI 节点，在本地持续执行人工智能任务，例如文件分析、智能家居控制、自动化工作流以及个人 AI 助手。
截至 2026 年，Kneron 仍在持续更新 KNEO Pi 软件和系统镜像，官方开发中心在 2026 年 7 月仍发布了新的系统版本以及 KneronACE 相关工具。
这意味着 Kneron 的商业模式正在逐渐从单纯销售 NPU 芯片，扩展为“芯片 + 模块 + 软件 + 开发平台 + 完整 AI 系统”。
汽车是 Kneron 的重要市场
智能汽车一直是 Kneron 非常重视的市场，因为汽车需要同时满足低延迟、低功耗、高可靠性和隐私保护等要求，非常适合本地 AI。
Kneron 的芯片已经被用于驾驶员监控 DMS、盲区检测、碰撞预警、车内人脸识别、3D ToF、电子后视镜和 ADAS 等应用。
例如 KL630 可以处理车辆周围多目标识别，KL720 则可用于车载 3D ToF 人脸识别，而 KL730 又进一步面向更复杂的视觉和 Transformer 模型。
Kneron 与 Foxconn 的合作尤其值得关注。Foxconn 不仅是 Kneron 的投资者之一，双方过去还围绕电动车和 Edge AI 展开合作。
对于一家规模远小于 NVIDIA、Qualcomm 的 AI 芯片企业来说，能够进入汽车和大型 ODM 供应链具有重要意义。
智能安防和计算机视觉
智能摄像头同样是 Kneron 最早进入的市场之一。
传统安防摄像机只是把视频传输到服务器，而搭载 NPU 的智能摄像机可以直接完成人脸识别、人员检测、车辆识别、行为分析和其他视觉任务。
这种方案可以明显减少需要上传的数据量，同时降低服务器负载。
如果一座城市部署几十万台摄像头，让每一个节点先在本地完成部分 AI 分析，再把结果发送到中心服务器，其网络和计算架构与传统云端方案会完全不同。
因此 Kneron 所面对的不只是单颗 AI 芯片市场，而是未来大量“具有本地智能能力的终端节点”。
Kneron 在 CES 2026 展示全栈 Edge AI
在 CES 2026 上，Kneron 进一步展示了覆盖消费电子、智能家居、智能交通、工业 IoT 和企业计算的完整边缘 AI 产品体系，并推出 KneoEdge 等平台，希望把边缘 AI 从单一设备扩展到企业级部署。
这说明 Kneron 的定位已经逐渐发生变化。早期公司更像一家专门设计低功耗 NPU 的半导体初创企业，而现在则希望形成从 Device、Edge 到更大型 AI 系统的完整计算架构。
投资者阵容
Kneron 获得过不少大型科技公司和投资机构支持。
公司官方列出的投资者包括李嘉诚旗下 Horizons Ventures、Alibaba Entrepreneurs Fund、Qualcomm、Sequoia Capital 相关基金、CDIB、Foxconn、Himax Technologies 和 Winbond 等。
Kneron 官方目前披露的累计融资规模约为 1.9 亿美元。
这样的投资者组合非常有特点，其中既有传统风险投资机构，也有 Qualcomm、Foxconn、Himax 和 Winbond 等半导体与电子产业企业。
对于芯片创业公司来说，产业投资者通常比单纯资金更加重要，因为芯片最终必须进入真实设备、大规模制造体系和客户供应链。
Kneron 加速布局中东市场
除了美国和亚洲市场，Kneron 最近也开始加强在中东的布局。公司已经在沙特阿拉伯利雅得设立业务，并于 2025 年入选沙特 National Technology Development Program 的 RELOCATE 项目，获得非股权政府资助，用于推动 AI 芯片研发和商业化。
沙特正在投入大量资金建设 AI、数据中心和半导体产业，因此对于 Kneron 这类仍处于快速扩张阶段的 AI 芯片企业来说，中东可能成为新的融资、客户和产业合作市场。
Kneron 的竞争优势
Kneron 最大的优势首先是低功耗。对于摄像头、汽车、机器人、可穿戴设备和智能家居来说，几百瓦甚至上千瓦功耗的数据中心 GPU 根本无法直接使用，因此高能效 NPU 有天然市场。
第二个优势是可重构架构。AI 模型变化速度非常快，如果芯片只能执行固定网络，很容易随着算法更新而失去竞争力。Kneron 从 KL520 开始就一直强调不同模型之间的灵活适配能力。
第三个优势是软硬件一体化。从芯片、ISP、开发板、SDK、模型工具链到 KNEO Pi 和 KneoEdge，Kneron 已经不再只是提供一个 NPU IP，而是试图提供完整 AI 平台。
第四个优势是公司进入 Edge AI 市场比较早。Kneron 在 2015 年就已经开始专注这个方向，因此在低功耗视觉、人脸识别、汽车 AI 和终端部署方面积累了较长时间的经验。
Kneron 面临的挑战
Kneron 最大的问题仍然是竞争。Edge AI 已经成为整个半导体行业竞争最激烈的市场之一。
NVIDIA、Qualcomm、Intel、AMD、MediaTek、Hailo、Ambarella、Axelera AI、SiMa.ai、Blaize 以及大量中国 AI 芯片企业，都在争夺不同层次的端侧推理市场。
另一个挑战是软件生态。NVIDIA CUDA 已经拥有极其庞大的开发者群体，而 Qualcomm、Apple、Google 等企业也拥有成熟的软件工具。
Kneron 的 NPU 即使在功耗方面表现很好，如果模型迁移、软件支持和开发体验不够方便，客户仍然可能选择生态更加成熟的平台。
第三个问题是生成式 AI 模型越来越大。
Edge AI 原来主要运行人脸识别、目标检测和简单语音模型，而现在市场开始要求端侧运行 LLM、VLM、AI Agent 和多模态模型。
这意味着不仅需要更强 NPU，也需要更大的内存容量和带宽。KL1140 正是 Kneron 对这一趋势的回应，但它最终能够进入多少真实产品，还需要继续观察。
Kneron 与 NVIDIA 的区别
把 Kneron 看成一家“迷你 NVIDIA”并不准确。
NVIDIA 的核心市场是 GPU，从游戏显卡逐渐扩展到数据中心 AI 训练和大规模推理；
Kneron 的核心路线则是 NPU 和 Edge AI，从一开始就针对低功耗终端设备设计。
简单来说，NVIDIA 更擅长解决“怎样用巨大算力训练和运行大型 AI”，而 Kneron 更关注“怎样让 AI 在几瓦甚至更低功耗的终端设备中直接运行”。
两家公司未来可能在边缘服务器和生成式 AI 推理市场出现一定交集，但它们的核心技术路线和主要应用场景仍然明显不同。
如何理解 Kneron 的长期价值
人工智能发展的第一阶段主要发生在云端。数据被送进大型数据中心，由 CPU 和 GPU 完成计算。
下一阶段可能出现另外一种趋势：越来越多 AI 会直接存在于我们身边的设备中。
汽车会有自己的 AI，机器人会有自己的 AI，摄像头会有自己的 AI，电脑、手机、眼镜、耳机、家电和工业机器都会拥有能够独立运行的 AI 模型。
如果这种趋势持续发展，未来全球需要的 AI 芯片数量可能远远超过数据中心 GPU 的数量，只不过每颗芯片的价格和功耗会低得多。
Kneron 从 2015 年开始押注的正是这个方向。
总结
Kneron（耐能）是一家具有鲜明技术路线的 AI 加速器和 NPU 企业。
公司没有直接跟随 NVIDIA 的大型 GPU 路线，而是长期专注低功耗、可重构的边缘人工智能处理器，希望让 AI 从数据中心进入汽车、机器人、摄像头、智能家居、工业设备和各种终端产品。
从 KL520、KL720，到 KL530、KL630、KL730，再到面向新一代生成式 AI 的 KL1140，可以看到 Kneron 的产品正在从传统计算机视觉逐渐向 Transformer、大语言模型和完整 AI 基础设施扩展。与此同时，公司又通过 Kneron PLUS、KNEO、KNEO Pi 和 KneoEdge 建立软件和系统生态。
Kneron 能否成长为大型 AI 芯片企业，最终并不只取决于 NPU 的 TOPS 数字，而取决于它能否让越来越多真实设备采用自己的芯片，并建立足够强的软件、开发者和客户生态。
如果未来 AI 真正从“云端智能”进入“万物智能”的时代，那么像 Kneron 这样长期押注 Edge AI 的企业，很可能会成为 AI 半导体产业中值得持续关注的一类公司。
公司名称： Kneron, Inc.（耐能）
成立时间： 2015 年
总部： 美国加利福尼亚州圣地亚哥
创始人兼 CEO： 刘峻诚（Albert Liu）
主要技术： 可重构 NPU、Edge AI、AI SoC、计算机视觉、Transformer 推理
代表性芯片： KL520、KL720、KL530、KL630、KL730、KL1140
主要平台： Kneron PLUS、KNEO、KNEO Pi、KneoEdge
主要市场： Edge AI、AIoT、智能汽车、ADAS、机器人、智能安防、智能家居、工业 AI、生成式 AI
累计融资： 约 1.9 亿美元
主要投资者： Horizons Ventures、Qualcomm、Alibaba Entrepreneurs Fund、Foxconn、Sequoia 相关基金、Himax、CDIB 等
官方网站： Kneron.com