20人团队，融资6000万：让AI忽悠骗子

一家只有20名员工的澳大利亚AI公司，靠着“骗骗子”，拿到了815万美元融资，约合人民币6000万元。

这家公司叫Apate，今年8月完成新一轮种子融资。它靠训练AI假扮成容易上当的普通人，专门接诈骗电话、回复可疑短信，甚至混进诈骗群聊。骗子以为马上就能骗到钱，实际上却在跟一台机器周旋。

通过这些方式，从骗子嘴里套出有用的线索，帮助银行和电信公司提前发现诈骗。

01 一个教授的44分钟，变成了一门生意

Apate创始人Dali Kaafar原本是澳大利亚麦考瑞大学的网络安全研究者。

一次家庭野餐时，他接到陌生来电，很快意识到对方是诈骗分子。为了不打扰身边的孩子，他没有直接挂断，反而假装自己快要上当，陪对方聊了44分钟。

这通电话让他想到：既然人可以故意拖住骗子，为什么不能把这件事交给机器？

这个想法后来从大学研究项目发展成Apate。公司名字取自希腊神话中的欺骗女神，倒也符合它的工作方式。

Apate给AI安排了不同的人物身份，有的像不太会用手机的老人，有的像急着处理问题的普通用户。面对骗子的催促，它们会反复确认操作步骤，声称自己听不清、网络太慢，或者暂时有事要离开，尽量让对方继续聊下去。

据《连线》杂志报道，Apate的系统已部署约35万个AI机器人，有些诈骗电话甚至可以持续两个小时以上。

不过，让骗子生气只是表面效果。Apate更看重的是对话中透露的信息。

比如，骗子要求受害者转账时，可能会发来银行账户或加密货币钱包地址；冒充银行客服时，也可能留下钓鱼网址、假冒机构名称和具体话术。Apate试图把这些线索收集起来，交给银行、电信公司等客户分析和使用。

为什么一个收款账户值得关注？

因为电话号码可以随时换，诈骗团伙收钱、转钱的过程却可能留下线索。如果AI提前拿到一个可疑账户，银行就有机会核查风险；如果发现同一网站被用来冒充多家机构，电信公司也可以进一步排查相关诈骗活动。

当然，AI拿到账户不等于已经查明犯罪事实，更不能直接冻结资金。相关信息仍需要核实，后续处理也要由有权限的机构完成。但相比等受害者报案后再追钱，提前拿到线索，至少多了一次阻止损失的机会。

Apate也不只处理电话。它的文字智能体会在论坛、投资群和社交平台寻找可疑活动，再尝试与对方交流，收集账户、网址和诈骗话术等信息。公司还允许客户给AI指定任务，例如专门获取某类诈骗活动中的收款账户。

02 银行、电信公司为什么愿意付钱？

Apate主要面向银行、电信运营商、政府机构等客户，提供AI对话、诈骗信息收集和分析服务。具体收费标准尚未公开。

澳大利亚电信公司TPG是一个重要案例。它先通过自己的系统识别可疑电话，再将部分来电转接给Apate，让AI接手对话，随后将收集到的信息用于进一步识别诈骗活动。

TPG试点案例显示，项目转接了超过28万通诈骗电话，累计拖住诈骗分子超过100天，识别出超过2万个被冒充的机构，诈骗流量识别准确率达到98%。GSMA还根据相关估算方法计算出，试点避免的诈骗损失超过760万美元。

到今年10月，外媒报道，Apate称TPG累计转接给其AI的电话已接近59万通。这是后续披露的累计数据，与早期试点的统计口径不同，不能简单相加。

澳大利亚联邦银行也是Apate的客户。公司称，该银行公开报告的诈骗损失较此前峰值下降了76%。

当AI从骗子嘴里套出一个收款账户，银行核实后发现存在风险，就可以进一步排查相关交易；如果电信公司发现一批诈骗电话都在冒充同一家银行，也可以更新识别规则。AI负责找线索，客户负责核实和处理，两边接上，才可能形成真正的反诈能力。

这也是AI反诈正在出现的一个变化：有的公司负责识别假声音，有的负责验证身份，还有的直接寻找诈骗链条中的线索。

美国公司Pindrop成立于2011年，创始人Vijay Balasubramaniyan长期研究电话身份验证。随着AI语音克隆越来越容易，Pindrop也将业务扩展到AI生成语音和深度伪造检测，帮助金融机构识别可疑通话。

另一家美国公司Reality Defender成立于2021年，专门检测AI生成或篡改的音视频、图片等内容。比如，有人用AI伪造老板的声音要求财务转账，系统就可以帮助企业判断这段声音是否可信。

国内也有类似布局。瑞莱智慧从AI生成内容检测切入，推出DeepReal等产品，识别图片、视频、音频和文本中的伪造风险；同盾科技则长期从事金融风控和反欺诈，通过账号、设备、交易等信息判断异常操作。

几家公司的路线并不相同：Pindrop主要判断电话另一端的人是否可信，Reality Defender和瑞莱智慧侧重识别伪造内容，同盾科技更关注金融交易风险，Apate则主动与诈骗分子交流，尝试从对话中获取更多线索。

03 AI陪骗子聊天，究竟值多少钱？

Apate已经有了融资和机构客户，但它的商业模式仍需要用实际结果证明。

首先，拖住骗子不等于一定能阻止诈骗。一个诈骗团伙可能同时拨打大量电话，AI占住其中一条线路，并不意味着对方就无法继续寻找其他受害者。所谓17年牵制时间，是所有对话时长的累计值，不是某个骗子被AI困住了17年。

其次，收集到信息也不等于拿到了有效线索。一个账户可能已经停用，一条网址也可能只是临时搭建的钓鱼页面。只有经过核实，并被银行、电信公司或执法部门实际采用，这些信息才可能产生进一步的价值。

成本同样不能忽略。AI长时间接听电话，需要持续识别语音、理解对方的话，再生成回应，还得维持人物设定，避免前后说法矛盾。对话越多，模型和通信成本也越高。如果收集了大量信息，却很少有线索能被客户使用，规模越大未必越赚钱。

因此，Apate真正需要证明的，不是AI有多会聊天，而是它能不能帮客户少赔钱：多少条线索通过了核实，多少条被客户采用，最终又有多少风险交易被拦截？这些数据，比对话量更能说明产品的实际价值。

它未来可能建立的优势，也不是让AI更像某个老人，而是长期积累的诈骗对话、对诈骗手法的理解，以及与银行、电信公司之间的合作网络。竞争者可以开发一个会聊天的AI，却不容易在短时间内复制一整套信息收集、核实和处理流程。

Apate的故事有趣之处，在于它看起来像一场AI和骗子之间的闹剧，背后却是一门面向银行、电信公司和政府部门的安全生意。

骗子用AI扩大行骗规模，防御者也开始用AI寻找漏洞。未来反诈拼的可能不只是识别速度，还包括谁能更早找到诈骗链条中的关键线索，并让这些线索真正发挥作用。

本文来自微信公众号 “铅笔道”（ID：pencilnews），作者：铅笔道，36氪经授权发布。