AI news

收到 AI 诈骗电话 后,两兄弟融资 700 万美元做了一个家庭反诈 App

By Fun AI Everyday1 viewsSource: Fun AI Everyday
收到 AI 诈骗电话 后,两兄弟融资 700 万美元做了一个家庭反诈 App

两年前,Patrick Coughlin 的母亲接到了一通电话,来电显示是女儿的号码,电话里也出现了女儿的声音。随后,一名男子声称绑架了她,要求立即支付 1200 美元,否则就会在当地一家沃尔玛的停车场伤害她。

The full text has not been translated yet. The Chinese original is shown below.

今天分享一个这个月才上线,初衷还挺温暖的 AI 产品:

Savi Security,https://www.savisecurity.com/

两年前,Patrick Coughlin 的母亲接到了一通电话,来电显示是女儿的号码,电话里也出现了女儿的声音。

随后,一名男子声称绑架了她,要求立即支付 1200 美元,否则就会在当地一家沃尔玛的停车场伤害她。

骗子知道女儿经常去哪家沃尔玛,也成功伪造了电话号码和声音。

母亲没有立刻付款,而是通过其他方式联系女儿,才确认这是一场骗局:

女儿没有被绑架,电话里的声音是假的,整场戏都是骗子用 AI 和公开信息拼出来的。

这件事后来催生了一家公司,就是今天的主角: Savi。

2025 年,Patrick 和弟弟 Ryan Coughlin 创办了 Savi Security。

2026 年 7 月,公司推出面向普通家庭的反诈骗 App,并完成700万美元种子轮融资。

文章配图

母亲被骗之后,本身就是做安全出身的 Patrick 注意到了一个变化:

过去,想伪造某个人的声音、调查他的家庭关系,再设计一场定向骗局,需要投入不少时间和技术。

所以这种攻击通常只值得用在政府、大企业或者富裕目标身上。

但现在,生成式 AI 把诈骗的成本也降了下来。

社交媒体上有大量公开信息:家庭成员、生活地点、常去的商店、孩子的学校,以及包含声音的视频。

Patrick 认为,现在只需要几秒钟的公开音频,就可能生成足以迷惑家人的声音。

骗子不必百分之百还原一个人,他只需要伪造几个最容易让受害者相信的细节,再制造紧迫感:

电话号码看起来是真的、声音听起来很像、地点也是家人经常去的。

AI 没有发明诈骗,但它明显降低了制作一场逼真骗局的门槛。

美国联邦贸易委员会数据显示,2025年,美国消费者报告的冒充类诈骗损失达到 35 亿美元,接近 2020 年的三倍;接近三分之一的诈骗举报,都与冒充他人有关。

文章配图

Savi 瞄准的就是这类越来越难凭经验识别的骗局。

没有先开发App,而是先做了一个免费网站

Savi 团队最先推出的产品叫 Scamwise,它是一个免费的诈骗检测网站。

用户收到可疑短信、邮件、图片或者链接后,可以直接上传;不需要注册,也不用付费。

系统会分析内容,告诉用户它是否可能是诈骗,以及下一步应该怎么处理。

这个产品看起来简单,却同时帮 Savi 解决了三个问题:

第一个是验证需求。

很多创业公司做反诈骗产品时,很难判断普通人是否愿意主动使用。

Scamwise 上线后,用户不需要安装 App,也不用留下个人资料,先把使用门槛降到最低。

大约四个月内,Scamwise 收到了约 10 万次提交,后期每周新增超过1万次。

其中超过一半被识别为诈骗,常见类型包括假购物网站、政府机构冒充以及银行和金融诈骗。

文章配图

第二个是获得真实诈骗材料。

骗子的话术变化很快。

一个已经被多人举报的号码,可以直接加入黑名单。但当骗子更换号码、邮箱和网站后,只依赖黑名单就不够了。

Scamwise 收到的短信、邮件和图片,可以让 Savi 观察真实世界里正在出现的新骗局:

骗子在冒充谁?通过什么渠道联系用户?用什么理由制造紧迫感?要求受害者用什么方式付款?

这些数据比团队自己编写诈骗案例更接近实际情况。

第三个是训练识别能力。

Savi 目前主要调用 Google Gemini 分析用户提交的内容,同时搭建了一套模型调用系统,可以根据不同任务切换模型。

例如,分析短信可以使用通用语言模型,判断声音是否可疑,则可以调用专门处理音频的模型。

这条产品路径简单清楚:

先用免费工具吸引用户提交可疑信息,再把积累的诈骗样本和识别经验放进正式 App。

Scamwise 不只是一个公益入口,也是 Savi 早期最重要的数据来源和获客渠道。

Savi 不只告诉你“这个号码被举报过”

正式推出的 Savi App 主要提供四类功能:

第一类是短信过滤。

系统分析收到的短信,把疑似垃圾信息和诈骗信息放进过滤区域。

第二类是语音信箱筛查。

陌生号码打来后,用户可以先不接听。Savi 记录并转写对方的留言,识别来电者,并标记其中是否存在诈骗风险。

第三类是 Scamwise。

用户可以在App里继续上传可疑短信、邮件、图片和链接,让系统判断真假。

第四类是实时通话监测,也是 Savi 和普通来电识别工具差异最大的一项功能。

当用户已经接起一通可疑电话时,可以把 Savi 加入通话。

Savi会作为第三方听取对话,在通话过程中分析对方的行为,并及时给出风险提醒。

很多来电识别软件主要查询号码数据库:

这个号码有没有被举报过?它属于哪家公司?过去是否发送过垃圾信息?

文章配图

Savi 分析的重点则是对方正在做什么,例如:

  • 对方是否不断强调“马上处理”;是否要求受害者不要挂断电话;
  • 是否阻止用户联系银行、家人或者警方;
  • 是否要求通过礼品卡、加密货币或者异常账户付款等。

一个新号码可能从来没有被举报过,但诈骗行为往往存在重复模式。

所以 Savi 想识别的不是一个固定号码,而是一套正在发生的诈骗动作。

公司还计划在 2026 年秋季推出主动来电筛查:

陌生电话接通用户之前,先由系统询问对方身份和来电目的,再决定是否转给用户。

卖的不是个人账号,而是一份家庭套餐

Savi 的月费为7.99美元,年费为62.99美元。

比较特别的是,一个订阅可以添加整个家庭,没有人数上限。

用户可以把父母、伴侣、孩子以及其他亲属加入账号,并帮助他们完成设置。

这个定价设计对应的是一种很常见的家庭分工。

父母收到一条可疑短信,往往会截图发给孩子:“你帮我看看,这是真的假的?”

老人接到自称银行或政府机构的电话,也可能先联系家里那个最懂手机的人。

因此,Savi 面对的不只是容易被骗的人。

它还在向另一群人收费:负责帮助全家判断短信、电话和网站真假的家庭成员。

这些人未必担心自己被骗,却担心父母在自己没有接电话时转出一笔钱,或者孩子因为一条假招聘、假购物信息泄露银行卡资料。

从这个角度看,Savi 提供的不是一个单独的短信拦截器,而是一套远程管理的家庭反诈服务。

这也解释了为什么它不按照设备数量收费,而是强调一个账号覆盖全家。

7 月才上线,生意模式有待验证

Savi 的产品方向很好理解。

诈骗正在变得更便宜、更逼真,手机自带的骚扰拦截和号码黑名单,未必能识别一场刚刚生成、专门针对某个家庭的骗局。

Savi 则试图在用户转账或者泄露信息之前介入。

但这家公司目前仍处在很非常早的阶段。

Scamwise 的10万次提交证明了人们确实需要帮助判断诈骗,却不能直接等同于10万名用户,更不等于10万名付费用户。

Savi App在 2026 年 7月才正式上线,目前还没有公布订阅人数、续费率、收入或者实际拦截诈骗的成功率。

实时通话监测也存在不小的产品难度。

系统提醒得太频繁,正常的银行、医院和快递电话也可能被误判,用户很快就会失去耐心。

提醒得太保守,又可能错过真正危险的电话。

此外,为了分析短信、语音信箱和通话内容,Savi 还需要解决用户对隐私和数据安全的担忧。

对于一家反诈骗公司来说,用户是否信任它处理家庭通信,本身就是产品的一部分。

我还挺喜欢这个产品的初衷的,希望你也喜欢,祝你今天开心。

文章来自于微信公众号 “Fun AI Everyday”,作者 “Fun AI Everyday”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)