Monolith

Monolith 是一套給工程測試實驗室用的 AI 軟體，官網說它要做「人工智慧與工程測試實驗室之間的介面」，口號是「Test less. Learn more.」目前 Monolith 已併入雲端運算公司 CoreWeave，但產品與官網仍以 Monolith 品牌運作。它鎖定的產業是電池、汽車、航太國防，以及工業與醫療設備。

它要解決的是測試階段的三個痛點：測試計畫沒效率（一次測試動輒 50 到 5,000 個通道，可能耗時數月、花費上百萬）、測試資料藏著沒被發現的錯誤（感測器故障或架設失誤導致重測），以及後期驗證失敗代價很高。對應的模組有三個：Test Data Validation 裡的 Anomaly Detector 能在數秒內檢查上百個通道、找出多種錯誤類型，官網說在樣本資料上驗證能抓到 90% 以上的已知錯誤；Test Plan Optimisation 裡的 Next Test Recommender 套用上千種推薦演算法建模設計空間，告訴你最重要的測試是哪些，宣稱可減少最多 70% 的測試計畫；System Calibration 結合測試資料與 AI 模型，最佳化系統在各種條件下的表現並設定校正係數。介面採筆記本形式，設計給領域專家而不是資料科學家，另有顧問導入、進階研究與 AI 教育訓練服務。官網列出的使用者包含 eVTOL 公司 Vertical Aerospace、賽車隊 PREMA Racing、Thales UK 與 Kautex-Textron。

功能特色與適用場景：放在台灣，最對口的是電池芯與電池模組廠的驗證實驗室——充放電循環測試一跑就是幾個月，如果能用 Next Test Recommender 先砍掉一部分不必要的測試條件、用 Anomaly Detector 提早抓出通道異常，時程壓力會小很多。車用電子、電動機車動力系統的測試單位也適用。要注意它是企業級方案，需要有一定量的歷史測試資料才能訓練出有用的模型；併入 CoreWeave 之後的產品路線與在地支援，也建議洽詢時一併確認。