旧金山初创公司 Niobia 正把人工智能用于电池和芯片制造中一个关键却常被忽略的环节：帮助工程师弄清产品为什么会出问题。据 TechCrunch 10月13日报道，该公司的软件能够标记生产线上的缺陷，并允许工程师向聊天机器人追问成因，目标是几分钟内给出答案，而不是等上几天。
按照该公司的做法，客户在生产线部署人工智能代理来寻找缺陷，再由人类工程师介入判断可能导致产品失效的原因。这些代理运行在直接安装在制造设备上的独立图形处理器上，形态类似传感器，可以识别划痕等针孔大小的瑕疵。Niobia 的人工智能还会把数据汇总到一处，供工程师通过聊天机器人追查并深挖原因。
速度之所以关键，是因为芯片和电池既是全球最重要的产品之一，供应也日益紧张。制造商在研发和改进技术的过程中，问题难以避免；工程师往往要花上数天甚至更久才能找到解决办法，然后才能恢复生产。据 TechCrunch 报道，每一次缺陷或失误都可能造成高达数百万美元的损失，并拖慢制造进度。
Niobia 联合创始人 Gaurav Jha 和 Harveen Kaur 均拥有化学博士学位，并曾在芯片和电池制造企业工作，对行业内的这些难题有直接经验。Jha 在 TechCrunch Disrupt 2026 前的一次通话中表示，Niobia 所做的工作虽然非常专门，但面对的是一个规模达数十亿美元的市场，客户包括当今一些最大的电池和半导体制造商。该公司是本届大会 Battlefield 竞赛的入围决赛者。
“这极其小众，也许人们永远不会知道它，”Jha 在谈到公司所服务的电池和芯片制造市场时说。“但它就像在幕后，支撑着一切……我们只是在日常世界里看不到它。”他补充说，眼镜、鞋子、拖鞋、钱包、耳机等身边每一种产品，其制造过程都涉及这些环节。
据 TechCrunch 报道，Niobia 的代理运行在开源模型之上，公司用电池和芯片研究等数据对其进一步训练，正是这种训练让它们能够识别针孔大小的缺陷。Jha 说，选择开源模型的主要原因是客户不希望高度敏感的公司信息进入公共人工智能云，以免被用于训练模型。“我们的客户没有一个愿意把专有数据放到云上，即使我们告诉他们那是安全的，”Jha 说。该公司还说明了其网络安全做法：例如允许客户自己保管加密密钥，使 Niobia 无法解密客户数据。
Jha 表示，公司目前的重点是三个专业方向，包括薄膜涂覆、电镀（用电流在表面覆盖金属）和流化床反应（固体颗粒悬浮在气体或液体中的化学过程）。他还说，公司希望其技术变得更加自主，最终目标是为客户建成完全自主运行的工厂。
Niobia 将于当天下午在旧金山举行的 TechCrunch Disrupt 舞台上展示，与另外 19 家初创公司一同参加创业竞技场比赛，活动从当天周二持续到10月15日周四。