一个电信诈骗犯拨通电话，对面是个说话慢悠悠的老人。骗子按话术讲完“业务”，老人反问一句“你说什么”，骗子大喜，以为撞上了天选肉鸡，耐着性子又讲一遍。老人兴趣浓厚，甚至蹦出几句难懂的方言，就这么聊了两个小时，全程没给卡号。骗子不知道，和他车轱辘话磨了两小时的压根不是人，而是一个会说英语的AI机器人。这样的机器人，Apate公司养了几千个。
希鸥网观察到，这家让骗子白耗时间还倒贴情报的澳大利亚公司Apate，成立于2023年前后。创始人一次家庭野餐时接到诈骗电话，为了逗孩子开心，他装成半懂不懂的普通人陪骗子聊了四十四分钟，孩子笑了，自己的时间也白搭了。他转念一想，如果有一群不知疲倦的AI替真人和骗子周旋，被浪费的就是骗子的时间，顺带还能把收款账户套出来。
Apate的商业模式可以拆成两层：前端用语音机器人、短信回复机器人、邮件机器人混进骗局，冒充潜在受害者；后端把套出来的银行账户、钓鱼链接、诈骗话术模板整理成结构化情报，卖给银行、电信运营商和政府机构。银行拿到情报后近实时接入反诈系统，在新骗局爆发前就封堵入口。这套逻辑成立的前提是诈骗是工业化作业，骗子有固定话术、固定资金归集路径，而AI恰好擅长在重复对话里做信息提取。
支撑这套模式运转的关键，不在算法多聪明，在训练数据的颗粒度。Apate用真实的诈骗通话录音、邮件文本和社交平台聊天记录训练机器人，让它们学会用受害者的语调和骗子周旋，甚至能模仿老人的方言和迟疑感。按照公司披露的数据，AI机器人已完成约250万次自主对话，提取超过25万份情报，合计消耗骗子大约十七年时间。澳大利亚联邦银行已确认，Apate的情报会进入其反诈控制系统，该行2025财年花在反诈上的钱超过9亿澳元，客户诈骗损失比2023财年上半年的峰值下降76%。
希鸥网认为，这门生意最值得琢磨的地方，在于它把“对抗”做成了可计价的资产。骗子消耗的是人力，AI消耗的是电力和算力，成本结构天然不对等。当Apate把情报卖给银行时，它卖的不是软件授权，是“新骗局比市场早一步被发现”的时间差。银行愿意付钱，因为一笔诈骗损失要赔给客户，而一份实时情报的单价远低于平均损失额。这条逻辑链条成立，反诈就从公益性质的成本中心，变成有现金流的生意。
从创业切口看，Apate验证了一件事：与其在反诈链条末端拦截，不如在骗子行骗的第一分钟就介入。对国内创业者而言，机会不在照搬英语机器人，在找到那个让骗子“必须停留”的钩子。素材里讲得很清楚，评价一个人不能凭感觉，得从具体细节中综合判断，把大量数据转成准确图景。反诈同理，套取情报的前提是你对骗子的剧本有颗粒度极细的拆解，知道哪个环节他一定会要账户，哪句话术下他一定会发链接。
落到执行层面，素材给了两条硬约束。一是规则要清晰公正，绩效指标要能追踪行动。反诈产品如果不把自己套取情报的成功率、情报被采纳的时效做成可量化的看板，银行和运营商就没法判断该付多少钱。二是考核不能有出乎意料的地方，必须持续反馈。Apate每时每刻都在和骗子对话，它卖的是持续更新的情报流，不是一份年终总结。创业者做任何B端产品，如果交付物是静态的，一个月后买家就拿去和竞品比价了。
还有一个容易被忽略的点：全局观。素材里说，没有人做事能面面俱到，考核中要找出规律、把握全局，不是评价“人应该怎么样”，而是“事实到底是什么样”。反诈创业最怕聪明人过度设计，以为骗子蠢到会按你的推演走。真实世界里的骗子在进化，话术在迭代，资金归集路径每周都在换。产品能不能活，取决于你能不能像Apate那样持续拉到真实的对话数据，而不是在办公室里画一张完美的骗局流程图。
回到开头那个陪骗子聊天的AI。国内还没有叫得响的“缅北严父”型玩家，但需求端已经摆在那里：电信诈骗的治理成本由银行、运营商和每一个接到电话的普通人共同承担。谁先把对话式AI的反诈数据闭环跑通，谁就有机会把骗子浪费在电话那头的时间，变成自己账上有定价的情报。这条赛道不性感，但骗子够多，时间够长，账算得过来。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo