作者丨铅笔道 松格

编辑丨铅笔道 黄小贵

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。

今年 8 月，Apate 完成新一轮种子融资，由美国投资机构 Lobby Capital 领投，OIF Ventures、Investible 等机构参与。澳大利亚联邦银行、TPG 电信等已经成为它的客户。

Apate 做的事情很特别：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。

截至今年 10 月，Apate 称，其 AI 已经完成 250 万次对话，累计牵制诈骗分子约 17 年，收集了超过 25 万条信息，包括银行账户、加密货币钱包、电话号码和恶意网站等。

它真正想做的，是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。

这门生意的起点，则是一通 44 分钟的诈骗电话。

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。

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。

从这个角度看，Apate 不是单纯把骗子拖住，而是想让每次对话都产生可以使用的信息。

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。

GSMA 公布的 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%。不过，银行通常同时采用多种风控措施，目前没有足够证据证明这一变化全部来自 Apate。

这些案例说明，Apate 已经进入实际业务流程。但银行和电信公司买的不是 AI 说了多少句话，而是它能否帮助自己更早发现诈骗，减少客户损失。

例如，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。

这些能力也不一定互相替代。银行可以先识别一段可疑语音，再通过风控系统判断交易风险；如果还能提前获得诈骗账户信息，就有机会进一步完善防御。

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。

AI 可以替骗子批量生成话术，也可以替防御者批量收集线索。但最终决定这门生意能不能做大的，还是它能帮客户挽回多少钱。

本文不构成任何投资建议。