Американский стартап Niobia разрабатывает ИИ-систему, которая помогает производителям аккумуляторов и полупроводников обнаруживать дефекты и выяснять, почему они возникли. Программа анализирует данные с производственного оборудования, выявляет даже микроскопические повреждения и позволяет инженерам задавать вопросы чат-боту, чтобы быстрее найти причину неисправности.

Вместо того чтобы тратить дни на расследование производственного сбоя, специалисты смогут получать подсказки за считаные минуты. Это особенно важно для отраслей, где одна ошибка способна привести к многомиллионным потерям и задержать выпуск продукции, рассказывает TechCrunch.

ИИ ищет дефекты прямо на производственной линии

Niobia устанавливает ИИ-агентов непосредственно на производственное оборудование. Они работают на компактных графических процессорах, размещенных рядом с машинами, и выполняют функцию своеобразных интеллектуальных датчиков. Система способна замечать даже мельчайшие дефекты, например царапины и отверстия размером с булавочную головку.

Но обнаружение проблемы — только первый этап. Программа собирает данные о производственном процессе в одном месте, чтобы инженеры могли изучать возможные причины неисправности с помощью чат-бота. Специалисты задают вопросы, уточняют детали и анализируют собранную информацию, пытаясь установить, на каком этапе возникла ошибка и как ее устранить.

Такой подход должен сократить время между обнаружением дефекта и возобновлением производства. При разработке новых аккумуляторов и микросхем технологические процессы постоянно меняются, поэтому сбои неизбежны. Пока инженеры выясняют, что пошло не так, оборудование может простаивать, а сроки выпуска продукции — сдвигаться.

Почему производителям нужны такие системы

Niobia ориентируется на две отрасли, в которых цена ошибки особенно высока: производство полупроводников и аккумуляторов. Их продукция необходима для электроники, транспорта и множества других технологий, а сами производственные процессы становятся все сложнее.

Сооснователи стартапа Гаурав Джа и Харвин Каур имеют докторские степени по химии и ранее работали в компаниях, производящих микросхемы и аккумуляторы. По словам Джа, этот опыт помог им увидеть проблему изнутри: инженерам приходится разбираться в огромном количестве данных, чтобы установить причину даже небольшого отклонения.

Niobia делает ставку на узкоспециализированный рынок, который может оставаться незаметным для обычных потребителей, хотя связанные с ним процессы используются при производстве самых разных товаров — от наушников и очков до обуви и кошельков.

Компания стала финалистом конкурса стартапов Startup Battlefield на конференции TechCrunch Disrupt 2026 в Сан-Франциско.

Почему Niobia использует открытые ИИ-модели

В основе системы лежат модели с открытым исходным кодом, которые Niobia дополнительно обучает на данных исследований аккумуляторов, полупроводников и производственных процессов. Такая настройка должна помочь алгоритмам распознавать специфические дефекты и лучше понимать контекст, в котором они возникают.

Однако для потенциальных клиентов важна не только точность анализа, но и защита информации. Производственные данные могут содержать коммерческие тайны и сведения о технологиях, которые компании не хотят передавать сторонним поставщикам облачных ИИ-сервисов.

По словам Джа, клиенты не готовы отправлять собственные данные в публичное облако, даже если поставщик заверяет их в безопасности. Поэтому Niobia использует локальные вычисления и предусматривает возможность самостоятельного управления ключами шифрования. В такой конфигурации компания не может расшифровать данные клиента без соответствующих ключей.

Это особенно важно для производителей аккумуляторов и микросхем, работающих в условиях жесткой технологической конкуренции. Защита интеллектуальной собственности здесь может быть не менее значимой, чем скорость обнаружения дефектов.

От поиска ошибок — к полностью автоматизированному заводу

На первом этапе Niobia сосредоточится на трех производственных процессах: нанесении пленочных покрытий, гальваническом осаждении металлов и реакциях в псевдоожиженном слое. Последний метод предполагает, что поток газа или жидкости удерживает твердые частицы во взвешенном состоянии, позволяя проводить химические процессы с их участием.

Выбор узких специализаций позволит компании адаптировать ИИ к конкретным производственным задачам, а не пытаться сразу охватить все разновидности промышленного оборудования.

В дальнейшем стартап хочет сделать систему более автономной. Конечная цель — завод, который сможет самостоятельно контролировать процессы, выявлять отклонения и реагировать на проблемы с минимальным участием человека.

Пока Niobia предлагает инструмент для помощи инженерам, а не полностью автономное производство. Чтобы приблизиться к заявленной цели, системе предстоит не только обнаруживать дефекты, но и надежно устанавливать их причины, предлагать безопасные корректировки и доказывать свою эффективность на реальных производственных линиях.