diff --git a/docs/common/ai/_qnn_onnxrt_execution_provider.mdx b/docs/common/ai/_qnn_onnxrt_execution_provider.mdx
new file mode 100644
index 000000000..946b5a3d2
--- /dev/null
+++ b/docs/common/ai/_qnn_onnxrt_execution_provider.mdx
@@ -0,0 +1,303 @@
+ONNX Runtime 的 **[QNN Execution Provider](https://onnxruntime.ai/docs/execution-providers/QNN-ExecutionProvider.html)** 可在高通 SoC 平台上启用 **NPU 硬件加速推理 ONNX 格式模型**。
+它使用 **[Qualcomm® AI Runtime (QAIRT SDK)](./qairt-sdk#qairt)**，将 **ONNX 模型** 构建为一个 **QNN 计算图**，并通过 **加速器后端库** 来执行该计算图。
+ONNX Runtime 的 **QNN Execution Provider** 可用于搭载 **高通平台 SoC** 的 **Linux**, **Android**, **Windows** 设备。
+
+## 支持设备
+
+- [**瑞莎 Dragon Q6A**](/dragon/q6a/) (Linux)
+
+- [**瑞莎 Fogwise AIRbox Q900**](/fogwise/airbox-q900) (Linux)
+
+## 安装方法
+
+:::tip
+安装方式有两种，可选择 **pip 安装** 与 **源码编译安装**
+
+无论选择哪种方式都需要按照 [**QAIRT SDK 安装**](./qairt-install) 下载 QAIRT SDK
+:::
+
+### 创建 python 虚拟环境
+
+
+
+```bash
+sudo apt install python3-venv
+python3 -m venv .venv
+source .venv/bin/activate
+pip3 install --upgrade pip
+```
+
+
+
+### pip 安装
+
+radxa 已经提供预编译 Linux 版本的 `onnxruntime-qnn whl` 文件
+
+
+
+```bash
+pip3 install https://github.com/ZIFENG278/onnxruntime/releases/download/v1.23.2/onnxruntime_qnn-1.23.2-cp312-cp312-linux_aarch64.whl
+```
+
+
+
+### 源码编译
+
+#### 克隆 onnxruntime 仓库
+
+
+
+```bash
+git clone --depth 1 -b v1.23.2 https://github.com/microsoft/onnxruntime.git
+```
+
+
+
+#### 修改 CMakeLists.txt
+
+因为 onnxruntime 不直接支持 Linux 系统，若编译为支持 Linux 系统的 onnxruntime-qnn whl 包，需要手动更改 `cmake/CMakeLists.txt` 的 840 行。
+
+将 L840 `set(QNN_ARCH_ABI aarch64-android)` 修改为 `set(QNN_ARCH_ABI aarch64-oe-linux-gcc11.2)`
+
+:::tip
+若编译为 **Android** 或 **Windows** 则不需要修改。
+:::
+
+
+
+```bash
+cd onnxruntime
+vim cmake/CMakeLists.txt
+```
+
+
+```bash
+diff --git a/cmake/CMakeLists.txt b/cmake/CMakeLists.txt
+index 0b37ade..f4621e5 100644
+--- a/cmake/CMakeLists.txt
++++ b/cmake/CMakeLists.txt
+@@ -837,7 +837,7 @@ if (onnxruntime_USE_QNN OR onnxruntime_USE_QNN_INTERFACE)
+ if (${GEN_PLATFORM} STREQUAL "x86_64")
+ set(QNN_ARCH_ABI x86_64-linux-clang)
+ else()
+- set(QNN_ARCH_ABI aarch64-android)
++ set(QNN_ARCH_ABI aarch64-oe-linux-gcc11.2)
+ endif()
+ endif()
+ endif()
+```
+
+#### 编译项目
+
+:::tip
+请根据实际 QAIRT SDK 路径修改 `QNN_SDK_PATH` 路径
+:::
+
+
+
+```bash
+pip3 install -r requirements.txt
+./build.sh --use_qnn --qnn_home [QNN_SDK_PATH] --build_shared_lib --build_wheel --config Release --parallel --skip_tests --build_dir build/Linux
+```
+
+
+
+项目编译完成后，目标 whl 包生成在 `build/Linux/Release/dist` 下
+
+
+
+```bash
+pip3 install ./build/Linux/Release/dist/onnxruntime_qnn-1.23.2-cp312-cp312-linux_aarch64.whl
+```
+
+
+
+## 验证 QNN Execution Provider
+
+:::tip
+验证 QNN Execution Provider 前，请先按照 [**板端启用 NPU**](./fastrpc_setup) 与 [**NPU 快速验证**](./quick-example) 验证 NPU 可用性，确保 NPU 功能正常后再测试 QNN Execution Provider。
+:::
+
+### 导入环境变量
+
+
+
+
+
+ ```bash
+ export PRODUCT_SOC=6490 DSP_ARCH=68
+ ```
+
+
+
+
+
+
+
+
+ ```bash
+ export PRODUCT_SOC=9075 DSP_ARCH=73
+ ```
+
+
+
+
+
+
+
+
+```bash
+cd qairt/2.37.1.250807
+source bin/envsetup.sh
+export ADSP_LIBRARY_PATH=$QNN_SDK_ROOT/lib/hexagon-v${DSP_ARCH}/unsigned
+```
+
+
+
+### 下载 INT8 量化的 ONNX 模型
+
+在 [**Qualcomm AI Hub**](https://aihub.qualcomm.com/iot/models/resnet50?chipsets=qualcomm-qcs6490) 上下载一个 ONNX Runtime 格式的 w8a8 量化模型
+
+
+
+