Australian startup Apate.ai closes US$8.15 million seed round, using 350,000 AI bots to fight scams

澳大利亚公司Apate.ai最新完成一笔815万美元的大额种子轮融资，Lobby Capital领投，OIF Ventures、Investible、Concept Ventures和Baobab Ventures参投，累计融资接近1000万美元。此前2025年8月，Apate还曾完成250万澳元种子轮融资，由OIF Ventures领投、Investible参投。

图片来源：澳大利亚公司Apate.ai官网

这笔生意最开始，来自一通44分钟的野餐电话

2021年11月，悉尼麦考瑞大学（Macquarie University）的网络安全教授 Dali Kaafar 正和家人享受户外时光。手机响起了一通未知来电，电话那头的人自称来自某知名科技巨头，操着熟练的话术试图对他实施诈骗。

研究网络安全的 Kaafar并没有立即挂断电话，而是在电话里和骗子拖延时间，硬生生把这通电话拖了44分钟。这段野餐的插曲并没有结束，Kaafar后来把这件事变成了一门生意。2024年成立Apate.ai，用大模型驱动的AI冒充普通人的技术焦虑和认知迟缓，把骗子留在线上，同时套取收款账号、钱包地址、钓鱼域名。

按公司披露，其AI已完成约250万次对话，累计消耗诈骗者相当于17年的时间。另据外媒援引Apate创始人兼首席执行官达利·卡法尔（Dali Kaafar）表述，Apate平台拥有约35万个AI机器人，已被银行采用，并获得电信公司的支持。Apate已实时收集超过25万条有关诈骗分子的信息，包括诈骗网址、用于代收和转移赃款的账户及银行账户资料等。

上海财经大学中国式现代化研究院首席专家曹啸认为，AI反诈之争表面上是技术之争，实质上是国家治理体系对“谁有权部署欺骗性AI、情报按何标准采信、被误伤者向谁索赔”等三大制度命题的回答速度之争。谁先建章立制，谁就能把这一轮技术变量转化为反诈治理现代化的历史性先机。

谁在为Apate.ai掏钱买单？

据媒体报道，Apate的客户包括澳大利亚联邦银行、澳大利亚电信运营商TPG Telecom，以及其他公用事业企业、电信运营商和政府机构。

上海财经大学中国式现代化研究院首席专家曹啸认为，过去反诈大多是“出了事再统计”：骗子先骗，受害者报案，黑名单再补上。传统反诈面临三个问题：一是总慢半拍，黑名单永远追不上骗子换手法；二是成本不对称，防的人要花大量人力物力筛查，骗的人几乎零成本试错；三是被动性强，靠受害者报案，骗子没骗成、没人报，防御方就很难知道。

曹啸说，Apate这套模式的价值，在于同时戳了这三个痛点：AI假扮受害者，反过来消耗骗子的时间和人力，把成本往骗子身上推；在钱还没转出去之前，就把收款账号、钓鱼网址这些线索摸出来；过去只有少数志愿者愿意“逗骗子”，现在用AI把它做成了规模化的生意。

Apate联合创始人兼首席商务官布拉德·乔夫 (Brad Joffe) 透露，TPG已将近59万通电话转接给Apate的AI智能体，澳大利亚联邦银行公开报告的诈骗损失则下降了76%。

从“事后算账”到“事前摸情报”，曹啸认为，这是反诈理论上一次真实的范式扩展，即从“损失发生后的统计学”转向“损失发生前的情报学”。跟AI聊天的人不付钱，付钱的是那些关心“聊完之后能留下什么线索”的机构。诈骗情报第一次成为可定价、可交易的商品。反诈正在从合规成本中心转变为情报驱动的主动防御体系，而且这一转向具有不可逆性。

不过，曹啸提醒，对这类“主动套取”来的情报是否可靠，要保持清醒。它和传统交易数据风控的区别，不只是精度高低，而是数据来源和生成方式根本不同。比如骗子知道有AI蜜罐后，可以故意喂假账号、假网址，误导成本很低。而且某个账号是不是骗子的收款账号，资金没流入前很难证实或证伪；收款账号、钓鱼链接又可能几小时就失效，且不易及时发现。

曹啸建议，对此类情报应建立分级机制，强制多源交叉验证，设置“仅降速不阻断”的处置梯度，为每条情报附加衰减时间窗与自动失效机制。把对话情报当作与交易数据同级的封禁依据，是这类模式最大的金融风险；把它当作触发增强审查的低置信线索，才是其在事前风控中的正确定位。

815万融资资金流向了哪里？

今年8月，Apate已完成815万美元种子轮融资。Apate联合创始人兼首席商务官布拉德·乔夫透露，Apate目前已累计融资近1000万美元，而团队规模却只有20人。

接下来，Apate还计划拓展海外市场。据公司披露，公司将于下季度在伦敦开设新办公室，服务欧洲客户，同时加强美国业务。联合创始人兼首席产品官Peter Eckermann将迁往美国，主导北美扩张。Apate的技术与研究团队将扩张，并继续留在悉尼。同期动作是8月25日完成主体迁册，变更为美国特拉华州注册企业，支撑其全球化扩张。

今年还有另外一起类似的融资事件。同样是今年8月，Visa宣布以24亿美元现金收购以色列反欺诈公司BioCatch。

图片来源：Visa官网

BioCatch成立于以色列，其技术平台通过分析数千个应用、行为、设备和网络信号来实时检测欺诈行为。采集的信号维度包括按键节奏、触摸手势、触屏压力和设备操作方式，以此区分真实用户、诈骗分子和机器人程序。该公司披露，其当前在全球保护着18亿台设备和7.6亿用户，为21个国家的超过350家银行客户提供服务，其中涵盖100多家全球大型银行。

在政策建议层面，曹啸提出，可部署国家AI反诈主动感知能力试点，实行“授权清单+全程留痕”，建议由公安部牵头，会同工业和信息化部、中国人民银行、国家网信办，在电信网络诈骗高发省份和重点边境方向选择2至3个地市开展试点，授权具备资质的企业在公安监督下部署AI诱饵系统。

“试点可实行三项刚性约束：部署主体、目标范围、话术边界全部纳入授权清单；全部交互记录区块链存证、全程留痕、可回溯审计；情报产出直接进入执法线索池，禁止任何形式的商业流转。试点周期两年，成熟后可向全国推广，形成我国独有的‘公权主导、企业供能’主动反诈能力体系。”曹啸表示。

曹啸判断，未来五年，AI对风险防控的重塑将远超反诈单一领域，新场景窗口期大约三到五年，风险不会等待制度准备好之后才出现，布局的速度本身就是风险控制的组成部分。按成熟度排序，以下五个新落地场景值得提前布局。

一是端侧实时防护。谷歌DeepMind已与新加坡政府科技局合作，推出基于轻量级模型微调的端侧诈骗检测模型。

三是资金链智能追踪。跨银行、支付机构、虚拟货币的异常资金流图谱分析。

四是智能体身份治理。当AI代理开始代替人执行转账、签约、客服操作，“如何证明操作指令来自本人真实意愿”将成为金融风控的新基石问题，并将催生代理身份认证、意图确认协议等全新产业。

五是跨机构情报联邦。在多方安全计算、联邦学习等隐私计算技术支撑下，银行、运营商、互联网平台可以在不交换原始数据的前提下共享风险信号，破解“数据孤岛”与“隐私保护”的长期死结，正是我国数据要素市场化改革可以发力的结合点。