10 月 14 日，TechCrunch 记者 Ram Iyer 报道了一家名为 Apate.ai 的澳洲初创公司：它把数千个 AI 智能体放到骗子的必经之路上，让它们冒充潜在受害者接听诈骗电话、回复可疑短信与邮件、点击钓鱼链接，甚至混进社交平台上的投资群。公司称这些智能体累计消耗了骗子 17 年时间，完成 250 万次对话。10 月 19 日，理财媒体 Moneywise 的报道经 Yahoo Finance 转载，Apate 正把这套打法带到美国。
让 AI 去当「受害者」
Apate 在官网上把自己的路径和传统反诈区分开：「传统的诈骗防御依赖事后情报……我们不是在损失造成之后才反应，而是把成建制的、以假乱真的 AI 机器人直接放进骗子的火力线，实时打断他们的运营，从源头掐断诈骗。」
按 TechCrunch 的描述，这些智能体的工作内容包括：
- 接听诈骗电话、回复短信与邮件、点击钓鱼链接，并加入社交媒体群组
- 采用不同的年龄、性别、口音与语言设定，目标是把骗子拖住足够久
- 在对话中套取可操作情报：银行账号、加密钱包地址、电话号码、恶意网站、被冒充的品牌等运营细节
技术栈上，Apate 同时使用前沿模型和自研微调模型，训练数据来自智能体与骗子的真实对话，以及 CEO Dali Kaafar 在麦考瑞大学（Macquarie University）的研究积累。客户侧配有情报门户，可以给智能体下达具体任务，例如「拿到一个银行账号」或「拿到一个加密钱包地址」。除了被动接听，文本智能体还会主动搜索论坛、投资群与社交平台，再以虚构身份介入。
这个点子的起点相当朴素。Kaafar 在一次家庭野餐上把一通诈骗电话拖了 44 分钟，随后意识到：这 44 分钟里，骗子没能去骗真正的受害者。公司名字取自希腊神话中的欺骗女神 Apate。
图：Apate 团队。公司成立于 2024 年，技术源自麦考瑞大学的研究，目前团队约 20 人。图片来源：TechCrunch
公司给出的数字
Apate 目前公开的成绩单包括：
| 指标 | 数字 |
|---|---|
| 累计消耗骗子时间 | 17 年 |
| 完成的对话数 | 250 万次 |
| TPG Telecom 转接电话量 | 近 59 万通 |
| 澳洲联邦银行公开报告的诈骗损失变化 | 下降 76% |
| 另一家未具名澳洲银行打掉的诈骗活动 | 22 个 |
客户还包括其他公用事业公司、电信运营商与政府机构。联合创始人兼首席商务官 Brad Joffe 对 TechCrunch 说，Apate 的智能体「每天要与数万个骗子通话、发消息、发电邮，并在网页上互动」。他这样解释公司的定位：「这个行业大多在事后工作。电信运营商封号码，但骗子换个号就回来了；银行盯着交易，可到那时骗子已经接触到客户了。我们直接去找骗子，在任何人受到伤害之前把情报拿到手。」
Joffe 还提到一个有点反直觉的指标——骗子的脏话。他说 Apate 把这当作对方挫败感的信号，「每一句脏话都会被我们庆祝。我们大概是世界上唯一一家会为有人骂自己产品而庆祝的公司」。
815 万美元种子轮与进军美国
Apate 成立于 2024 年，今年 8 月完成 815 万美元种子轮融资，投资方包括 Lobby Capital、OIF Ventures、Investible、Concept Ventures 和 Baobab Ventures，累计融资略低于 1000 万美元。资金将用于产品打磨与国际化：在伦敦设立办公室，并扩大美国团队；公司也已在美国重新注册。它还入选了 TechCrunch Disrupt 2026 的 Startup Battlefield 200。
Joffe 描述的行业痛点确实存在——拦截是临时的，骗子会换号、换平台、换话术。而 AI 正在同时武装攻防两端。据 TechCrunch，FBI 在 2025 年收到超过 2.2 万件与 AI 相关的犯罪投诉，损失约 8.93 亿美元，其中逾 6.32 亿美元来自投资诈骗。据 Moneywise 引用的数据，FBI 互联网犯罪投诉中心（IC3）2025 年共收到超过 100 万件投诉，网络犯罪损失近 209 亿美元，比 2024 年增长 26%；美国联邦贸易委员会（FTC）则报告 2025 年消费者欺诈损失为 159 亿美元。
专家的保留意见
不是所有人都接受「17 年」和「76%」这两个数字。
数字身份公司 Prove 的欺诈业务执行顾问 Mary Ann Miller 认可方向上的价值：「这里确实有真正的潜力，因为我们正在从事后应对欺诈，转向在消费者成为受害者之前识别威胁。」但她把衡量标准钉在了别处：「衡量成功的真正标准，不是骗子跟机器人聊了多久，而是这些情报能否转化成更少的得手诈骗和更少的消费者损失。」她认为难点在于把情报接到实时欺诈检测、身份验证与交易监控上，让可疑活动在资金流动之前被拦下。
数据科学与风险分析专家、前德勤分析师 Saugat Nayak 则质疑归因本身：欺诈损失估算「出了名地难以准确归因」，因为举报率会变化、欺诈模式有季节性、经济状况同时影响欺诈数量与受害者举报意愿。他认为 76% 这类数字需要审视基线、测量方法和同期发生的事件。不过他补充说，如果这项技术确实削弱了欺诈基础设施的质量与速度，方向性的进展是可能的。谈到攻防博弈，他说防御能力同样会被逆向工程，「这场军备竞赛的赢家，是那些把欺诈检测当作持续演进的系统、而不是定期刷新一次模型的机构」。
John Parkinson 家族基金会创始人兼主席 Dave Parkinson 说这个数字「确实抓眼球」，但他会把整个 76% 归因于某一项技术时非常谨慎，并且想弄清楚「那些罪犯是不是只是转移到了别的目标和别的作案手法，还是欺诈真的被阻止了」。他强调「这是一个我们想看的标准，比只看更少的投诉被上报要高得多的标准」。他还留了一个问题：「罪犯能学会打败这些 AI 智能体吗？」
核心总结
- 事件：澳洲初创 Apate.ai 部署数千个 AI 智能体冒充受害者，接听诈骗电话、回复可疑消息、点击钓鱼链接并混入社交群组，从中套取银行账号、加密钱包地址等欺诈情报
- 公司数据：累计消耗骗子 17 年时间、完成 250 万次对话；TPG Telecom 已转接近 59 万通电话；Apate 称澳洲联邦银行公开报告的诈骗损失下降 76%
- 融资与扩张：2024 年成立于悉尼，源自麦考瑞大学研究；8 月完成 815 万美元种子轮，累计融资略低于 1000 万美元，正设伦敦办公室并扩大美国团队，已在美国重新注册
- 技术路径：前沿模型与自研微调模型并用，训练数据来自智能体与骗子的真实对话；客户可通过情报门户给智能体指派具体任务
- 专家保留意见：Miller 认为真正的标准是得手诈骗与消费者损失是否下降，而非骗子被拖了多久；Nayak 指出欺诈损失难以准确归因，76% 需要审视基线与方法；Parkinson 担心罪犯只是转移了目标与手法，并反问罪犯能否学会打败这些智能体
- 存疑之处：17 年、76%、22 个诈骗活动等数字均来自公司自述或客户反馈，尚无独立第三方验证
原文：AI startup bots have wasted 17 years of scammers’ time — now the company is bringing its tech to the US（Moneywise，经 Yahoo Finance 转载，Brian O’Connell，2026-10-19）
参考：
- Apate sends AI agents undercover to get scammed so they can gather fraud intelligence（TechCrunch，Ram Iyer，2026-10-14）
- Apate 官网
