Niobia将AI智能体部署到工厂产线，解释芯片和电池缺陷（访谈）

面向电池和半导体生产线的AI缺陷检测与根本原因分析软件。

制造商将把自包含的AI智能体直接部署在生产设备上——让数据不进入云端——从而将缺陷根本原因分析从数天缩短到数分钟。

Gaurav Jha和Harveen Kaur均为化学博士，曾在芯片制造商和电池制造商工作，他们基于亲身经历过的昂贵而缓慢的缺陷调查，在旧金山创立了这家公司。

在Disrupt前的一次通话中，联合创始人Gaurav Jha表示，这些智能体运行在像传感器一样安装在生产设备上的自包含GPU上，可发现针孔大小的缺陷并汇总数据，使工程师能在几分钟内通过聊天机器人查询原因。

芯片和电池工厂的工程师在恢复生产前要花费数天甚至更长时间诊断故障，而每个缺陷可能造成数百万损失。

划痕等针孔大小的缺陷会逃过常规检测，使根本原因分析只能依赖缓慢的人工工作。

客户拒绝将专有数据迁移到云端AI，这迫使采用这样的架构：设备端GPU、开源模型和客户持有的加密密钥。

在工业AI中，障碍不是模型质量，而是数据保管：在工艺数据是核心资产的地方，自包含硬件和客户持有的加密密钥是准入条件。

截至2026年10月13日，Niobia正以Battlefield决赛入围者身份在TechCrunch Disrupt 2026上展示；尚未披露客户名称、营收数据或融资轮次，近期重点是三项专业工艺，以及让技术更加自主。