AI加速器企业：Quadric——把NPU做成可编程IP的边缘AI芯片公司
Quadric 是一家美国 AI 处理器 IP 企业，主要面向边缘 AI、汽车、机器人、智能终端和本地大模型推理市场。
与 NVIDIA、AMD、Hailo 等直接销售芯片或加速卡的企业不同，Quadric 的核心商业模式并不是自己大规模制造和销售 AI 芯片，而是向半导体公司和设备制造商授权 AI 处理器 IP，让客户把 Quadric 的处理器核心直接集成到自己的 SoC 芯片中。
Quadric 成立于 2016 年，总部位于美国加利福尼亚州 Burlingame。
公司联合创始人包括 Veer Kheterpal、Daniel Firu 和 Nigel Drego。
核心团队长期从事处理器架构、ASIC、编译器和半导体 IP 开发，公司管理团队拥有 ARM、Tensilica、Cadence、Intel 和 AMD 等企业的相关产业经验。
Quadric 是做什么的？
Quadric 最核心的产品叫做 Chimera，这是一种可以授权给其他芯片公司的 AI 处理器 IP。
Quadric 把这种架构称为 GPNPU，也就是 General-Purpose Neural Processing Unit，中文可以理解为“通用神经网络处理器”。
传统 NPU 往往针对卷积、矩阵乘法等特定 AI 运算进行硬件加速。如果神经网络中出现 NPU 不支持的算子，就需要把任务重新交给 CPU 或 DSP 执行。这意味着一颗 SoC 里面经常同时存在 CPU、DSP、NPU 和其他硬件加速器，不同模块之间还需要不断交换数据。
Quadric 希望改变这种模式。Chimera 的设计目标是让一个处理器核心同时完成矩阵、向量和标量运算，并且能够通过软件编程处理新的 AI 算子。
Quadric 官方将 Chimera 定位为一种完全可编程的 GPNPU，可以通过 C++ 编写自定义运算，从而降低因为 AI 模型变化而重新设计芯片的需求。
Chimera GPNPU
Chimera 是 Quadric 最重要的技术资产。
它把传统 NPU 的机器学习计算能力与 DSP 类处理器的可编程能力结合起来。
对于芯片设计公司来说，可以像购买 ARM CPU、DSP 或其他半导体 IP 一样获得 Chimera 的 RTL、验证 IP 和软件开发工具，然后把 Chimera 集成进自己的 SoC。
Quadric 第三代 Chimera QC 系列提供从低功耗边缘应用到高性能 AI 运算的不同配置。
单核心可以扩展到超过 100 TOPS，多核心 QC-M 系列最高可以扩展到 864 TOPS，同时提供面向汽车市场的安全增强版本，并支持浮点运算和 4-bit 权重。
这意味着 Quadric 并不是只针对某一种 AI 摄像头或者某一种汽车芯片，而是希望用同一套处理器架构覆盖从低功耗设备一直到数百 TOPS 计算能力的产品。
最大特点：完全可编程
Quadric 和很多传统 AI 加速器之间最大的区别，是它非常强调“programmable”，也就是可编程性。
传统固定功能 NPU 在芯片设计完成以后，其硬件能够高效处理哪些 AI 运算基本已经确定。
如果几年以后 AI 模型出现新的算子或者完全不同的网络结构，旧 NPU 有可能无法高效运行这些模型。
Chimera 则允许开发者通过 C++ 编写新的算子和 kernel。Quadric 的思路是，只要底层处理器本身足够通用，未来出现新的 Transformer、视觉模型或者其他神经网络结构，很多变化可以通过软件解决，而不是重新设计一颗芯片。
这一点对于汽车尤其重要。一辆汽车的生命周期可能达到十年以上，但是 AI 模型的发展速度可能只有几个月。汽车厂商显然不希望每出现一种新的 AI 模型就重新设计车载 SoC。
不仅运行AI，也可以处理DSP和控制算法
Quadric 另外一个比较特殊的地方，是 Chimera 不仅定位于神经网络推理。
传统 SoC 通常采用异构计算方式：
CPU 负责控制程序，
DSP 负责信号处理，
NPU 负责神经网络，
另外还可能存在视觉处理器、图像处理器以及其他专用硬件。
Quadric 希望把其中更多计算统一到 Chimera 上。按照公司的架构设计，一个 GPNPU 可以运行机器学习推理，同时执行传统 DSP 和控制算法，因此某些系统可以减少对额外 CPU 或 DSP 的依赖。
从芯片设计角度来看，这种方式最大的潜在优势是减少不同处理单元之间的数据搬运，同时简化软件工具链。
Chimera SDK
AI 加速器最终能否成功，很大程度上并不只取决于硬件，还取决于软件。
Quadric 因此开发了 Chimera SDK，包括图编译器、LLVM C++ 编译环境以及相关开发工具。
开发者可以把 PyTorch 或 TensorFlow 模型转换为 ONNX，然后通过 Chimera Graph Compiler 对模型进行编译。
如果出现编译器暂时不支持的新算子，开发者还可以利用 C++ 自己实现，而不是必须等待 Quadric 修改硬件或者更新固定功能 NPU。
这也是 Quadric 所强调的“一套处理器、一套工具链”策略。
开始进入大模型推理
随着大语言模型逐渐从云端进入 PC、汽车、机器人和各种边缘设备，Quadric 也开始把 Chimera 推向 Edge LLM 市场。
Quadric 已经为 Transformer attention、prefill、KV cache 等大模型计算建立相关软件支持。
其多核心和多 chiplet 架构可以继续扩展外部内存容量和带宽。按照 Quadric 官方公布的信息，其架构面向最高约 30B 参数级别的大模型本地推理进行扩展。
这使 Quadric 的竞争范围逐渐从传统计算机视觉 NPU 扩展到 AI PC、机器人、智能终端以及本地大模型处理器。
汽车是Quadric的重要市场
汽车是 Quadric 最早也是目前非常重要的应用领域之一。
2024 年，日本汽车零部件巨头 DENSO 与 Quadric 签署开发许可协议，获得 Chimera GPNPU IP 授权，双方针对下一代车载 AI 半导体进行开发。
DENSO 特别看重 Chimera 可以通过软件持续更新 AI 功能的能力。
对于 ADAS 和自动驾驶系统来说，这一点非常重要，因为车辆需要实时处理来自摄像头、雷达和其他传感器的大量数据，同时还必须控制功耗和延迟。
2026 年，自动驾驶软件企业 TIER IV 又获得 Chimera AI Processor SDK 授权，用于评估和优化未来版本的 Autoware 自动驾驶软件。
京瓷也成为客户
Quadric 的市场已经不局限于汽车。
2025 年，日本 Kyocera Document Solutions 宣布获得 Chimera GPNPU IP 授权，将其用于下一代办公自动化 SoC。这说明 Quadric 的架构已经开始进入打印机、文档处理设备和智能办公系统等市场。
目前 Quadric 公布的目标应用已经包括汽车、工业机器视觉、智能摄像头、机器人、AI PC、可穿戴设备、网络设备、办公自动化和 Edge LLM 等多个领域。
Quadric的商业模式
理解 Quadric 最重要的一点，就是它更像一家“AI Processor IP 公司”，而不是一家传统 AI 芯片制造商。
ARM 自己不需要制造绝大多数使用 ARM CPU 的芯片，而是把 CPU IP 授权给 Qualcomm、MediaTek、Apple 以及其他半导体企业。
Quadric 希望在 NPU 市场建立类似的商业模式。
客户购买 Chimera IP 以后，可以根据自己的产品选择不同性能等级，把它集成到自己的 SoC 中，再交给台积电、三星或者其他晶圆厂生产。
这种模式不需要 Quadric 自己承担巨额芯片库存和大规模晶圆生产成本，同时理论上可以让同一套架构进入大量不同厂商的芯片。
融资情况
Quadric 近年来的融资规模明显扩大。
2026 年 1 月，公司宣布完成 3000 万美元 Series C 融资，当时累计融资达到 7200 万美元。
该轮融资由 BEENEXT Capital Management 管理的 ACCELERATE Fund 领投，Uncork Capital、Pear VC 等原有投资者继续参与。
Quadric 同时表示，2025 年产品收入相比 2024 年增长超过三倍。
2026 年 7 月，Quadric 又完成 Series C 第二次交割，使整个 Series C 融资规模增加到 4600 万美元。
世界银行集团旗下 IFC 参与并领投此次扩展融资，公司公布的累计融资额因此达到约 9000 万美元。
资金将继续用于汽车、AI PC、人形机器人、可穿戴设备和网络设备等市场。
Quadric的竞争优势
Quadric 最大的竞争优势并不是单纯追求最高 TOPS，而是“可编程 AI 处理器”这一定位。
如果未来 AI 模型持续快速变化，传统固定功能 NPU 可能面临越来越大的软件兼容压力。Quadric 希望通过 C++ 可编程架构，让芯片在流片以后仍然能够适应新的 AI 模型。
第二个优势是统一计算。Chimera 希望减少 CPU、DSP 和 NPU 之间复杂的任务切换，使整个 AI pipeline 可以在同一种处理器架构中完成。
第三个优势是 IP 商业模式。芯片厂商不需要从零开始设计自己的 NPU，可以直接获得处理器 RTL、验证环境和 SDK，从而缩短 AI SoC 的开发周期。
Quadric面临的挑战
不过，Quadric 所在的市场竞争也非常激烈。
ARM、Cadence、Synopsys、CEVA、Imagination 等公司都拥有成熟的处理器或 AI IP 产品，同时很多大型芯片企业也正在开发自己的 NPU。
另一方面，NVIDIA、Qualcomm、Apple、AMD、Intel、MediaTek 等公司已经建立庞大的 AI 软件生态。
对于 Quadric 来说，真正的挑战不仅是证明 Chimera 架构技术上可行，还必须让越来越多的芯片公司愿意把 Chimera 集成进自己的 SoC。
半导体 IP 一旦进入大型客户设计，生命周期往往很长，但是从获得设计订单到芯片真正量产也需要相当长时间。
因此对于 Quadric 来说，DENSO、Kyocera 和其他客户的产品最终能够达到多大的量产规模，比单纯公布 TOPS 性能更加重要。
Quadric值得关注吗？
Quadric 是 AI 加速器行业中非常值得关注的一类公司，因为它代表了与 NVIDIA、AMD 或 Cerebras 完全不同的发展路线。
NVIDIA 的核心是 GPU 和完整计算平台，Hailo 等企业主要提供边缘 AI 芯片，而 Quadric 更希望成为 AI SoC 背后的处理器 IP 提供商。
它真正押注的是这样一个趋势：
未来几乎每一颗 SoC 都可能需要 AI 计算能力，但是并不是每一家芯片公司都有能力自己设计一套先进 NPU。
如果这一趋势继续发展，那么类似 ARM CPU IP 的商业模式，也有可能在 AI NPU 市场出现。
Quadric 的 Chimera GPNPU 正是在争夺这个位置。
截至 2026 年，Quadric 已经从一家主要面向汽车 AI 的初创企业，逐渐扩展到汽车、Edge LLM、AI PC、机器人、工业视觉、可穿戴设备和网络设备等市场。
随着 Series C 融资扩大、DENSO 和 Kyocera 等客户采用，以及本地 AI 推理快速发展，Quadric 已经成为可编程 NPU IP 市场中一家值得长期观察的企业。