总部位于旧金山的初创公司Niobia，正在解决电池和芯片制造中成本最高的问题之一：了解生产线上出现的缺陷原因。该公司利用人工智能软件监测缺陷，随后让工程师通过聊天机器人询问缺陷产生的原因，并在几分钟内分析相关数据，而不必花费数天进行人工调查。
使用这项技术的企业会在线上部署人工智能代理来监测缺陷，同时人类工程师仍参与确定可能原因和了解故障发生条件的过程。这些代理运行在直接安装于制造设备上的独立GPU模块上，工作方式类似传感器，因此能够发现极其细微的缺陷，包括尺寸不超过显微镜下针孔大小的划痕或孔洞。
从发现缺陷到解释原因
Niobia的功能并不局限于报告存在故障。该平台会将相关数据集中在一个地方，然后允许工程师通过聊天机器人提出后续问题，以了解发生了什么并深入分析可能的原因。公司表示，这种方法旨在缩短生产线在研发或制造流程改进期间出现问题后重新启动所需的时间。
速度在电池和半导体行业尤其重要，因为每个错误都可能导致高昂的停机成本和制造计划延误，在某些情况下，损失可能达到数百万美元。此外，材料和技术开发流程的复杂性，也使确定故障原因比单纯发现不合格产品更加困难。
保护制造数据的本地人工智能
Niobia采用开源模型，并使用与电池和芯片相关的数据及研究对其进行再训练。据联合创始人Gaurav Jha介绍，公司选择这一路径，是因为客户不愿将敏感的工业数据发送到公共云，即使云服务商承诺会保护这些数据。
公司允许客户保留自己的加密密钥，因此Niobia无法解密其数据。这表明，该平台的要求不仅涉及缺陷检测的准确性，也涉及数据处理的位置以及谁拥有访问数据的能力，尤其是在知识产权敏感且地缘政治竞争激烈的行业中。
初期重点与迈向更高自主性的工厂
目前，该产品主要面向三种制造工艺：薄膜涂布、电镀，即利用电流在表面覆盖金属，以及流化床反应，这是一种将固体颗粒悬浮在气体或液体中的化学过程。Jha表示，公司之后希望提高其技术的自主性，最终实现能够在更大程度上自行运行的工厂。
为什么这条消息重要？Niobia方案的实际价值不在于取代工程师，而在于缩短发现缺陷与了解其原因之间的时间。不过，消息来源没有提供有关该平台性能、客户数量或检测准确率的数据，因此其实际商业和工业影响仍需通过独立的运营结果进行验证。此外，迈向自主运行工厂的目标仍属于未来规划，而不是目前已经公布的完整能力。