Niobia 將 AI 代理部署到工廠產線，解釋晶片與電池缺陷（訪談）

針對電池與半導體製造產線的 AI 缺陷偵測與根本原因分析軟體。

製造商會把自成一體的 AI 代理直接安裝在生產設備上——讓資料不進入雲端——藉此把缺陷根本原因分析從數天縮短到數分鐘。

Gaurav Jha 與 Harveen Kaur 都是化學博士，曾在晶片製造商與電池製造商任職，他們根據自己親身經歷過既昂貴又緩慢的缺陷調查，在舊金山創立了這家公司。

在 Disrupt 前的一通電話中，共同創辦人 Gaurav Jha 表示，這些代理運行於安裝在生產設備上、宛如感測器般的自成一體 GPU 上，能找出針孔大小的瑕疵並彙整資料，讓工程師可透過聊天機器人查詢成因，數分鐘內即可獲得答案。

晶片與電池工廠的工程師在生產重啟前，得花上數天甚至更久來診斷故障，而每一處瑕疵都可能造成數百萬的損失。

刮痕這類針孔大小的缺陷會逃過傳統檢測，使根本原因分析只能仰賴緩慢的人工處理。

客戶拒絕將專有資料移入雲端 AI，迫使架構如此設計：裝置端 GPU、開源模型，以及由客戶持有的加密金鑰。

在工業 AI 領域，障礙不在於模型品質，而在於資料保管：自成一體的硬體與由客戶持有的加密金鑰，是製程資料堪稱皇冠明珠之處的入場代價。

截至 2026 年 10 月 13 日，Niobia 以 Battlefield 決賽入圍者身分在 TechCrunch Disrupt 2026 發表；該公司尚未披露任何客戶名稱、營收數字或融資輪次，近期重心是這三項特殊製程，以及讓技術更加自主。