總部位於舊金山的初創公司 Niobia 正在押注電池和晶片製造中一個關鍵但常被忽略的環節：幫助工程師理解問題如何以及為何發生。该公司稱，其 AI 軟體可標記生產缺陷，並讓工程師透過聊天機器人追問成因，目標是將答案時間從數天縮短至幾分鐘。
其運作方式大致如下：客戶在生產線上部署 AI 代理，用於尋找缺陷，再由人工工程師判斷產品可能為何失效。這些代理運行在直接安裝於製造設備上的獨立 GPU 上，類似感測器。它們可以發現針孔大小的瑕疵，例如刮痕。Niobia 的 AI 還會將所有數據集中於一處，方便工程師向聊天機器人詢問問題出現在哪裡，並進一步追查原因。
速度之所以至關重要，是因為晶片和電池是全球最重要的產品之一，同時也日趨短缺。隨著製造商持續開發和改進技術，在研發過程中出現問題幾乎不可避免。工程師隨後往往要花上數天甚至更久來找出修復辦法，之後才能恢復生產。每一個缺陷或失誤都可能代價高昂——有時高達數百萬美元——並拖慢製造進度。
Niobia 的聯合創始人 Gaurav Jha 和 Harveen Kaur 均擁有化學博士學位，並曾於晶片製造商和電池製造商工作，這讓他們對行業挑戰有第一手經驗。在 TechCrunch Disrupt 2026 開幕前的一次通話中，Jha 解釋說，儘管 Niobia 所做的事情很專業，但它服務的是一個價值數十億美元的市場，其中包括當今一些最大的電池和半導體製造商。
「這非常小眾；也許人們永遠不會知道它，」Jha 在談到公司所服務的電池和晶片製造市場時說。「但它就像幕後一樣，正在為一切提供動力……只是我們在現實世界裡看不到。」
Jha 補充說：「你周圍的每一件產品，例如眼鏡、鞋子、拖鞋、錢包和耳機——這些流程都會觸及其中的每一個部分。」
Niobia 的代理運行在開源模型上，公司會使用電池和晶片研究以及其他數據進一步訓練這些模型。正是這種訓練使它們能夠識別針孔大小的缺陷。Jha 表示，Niobia 主要選擇開源模型，是因為客戶不希望其高度敏感的公司資訊進入公共 AI 雲端，更不希望這些數據被用於訓練模型。
「沒有任何客戶希望他們的專有數據進入雲端，即使我們告訴他們這是安全的，」Jha 說。考慮到電池和晶片領域各國對抗性競爭者之間激烈創新所帶來的高風險局面，這家初創公司還說明了其網絡安全做法。例如，Niobia 允許客戶持有自己的加密密鑰，這樣公司本身就無法解密客戶數據。
Jha 表示，公司目前的重點是聚焦三項專長，例如薄膜塗層、電鍍（即利用電流在表面鍍金屬）以及流化床反應（即讓固體顆粒懸浮在氣體或液體中的化學過程）。
他表示，公司還希望讓技術變得更加自主，最終目標是為客戶打造一座完全自動駕駛的工廠。
如欲了解更多，Niobia 將於今天下午在舊金山的 TechCrunch Disrupt 舞台上進行展示。歡迎前來觀看该公司，以及作為今天週二至10月15日週四舉行的 Startup Battlefield 競賽一部分、與其同場競賽的另外19家初創公司。