企业开始把 AI 智能体放进真实业务流程之后,一个此前被忽略的问题浮出水面:软件上线前有测试团队,上线后有监控系统,但智能体既不是传统软件,也不是人类员工,谁来证明它在两次审计之间仍然按规矩行事?当一家银行让智能体自动处理反洗钱筛查,或一家医院让智能体参与分诊建议时,合规部门需要的不是另一个仪表盘,而是一套能够进入审计底稿的证据链。这个空档正在催生新的创业公司。

伦敦初创公司 Disseqt 试图占据的位置,正是企业智能体与风控职能之间的“AI 保障层”。据 TokenPost 报道,该公司已完成 800万美元融资,由 Gresham House Ventures 领投。这笔钱要解决的问题很具体:智能体部署前怎么测,运行中怎么盯,出了问题怎么追溯。

在 AI 基础设施投资已经高度拥挤的 2026 年,一家公司只做“治理”就能拿到新融资,本身就是一个信号。它说明投资人在押注一个更晚出现的需求:不是让智能体跑得更快,而是让企业敢把智能体放进受监管的流程里。

字段 内容
公司 Disseqt
轮次 未披露
金额 800万美元
投资方 Gresham House Ventures 领投;跟投方未披露
总部 伦敦
创始人 未披露
官网 未披露

把“AI 保障”拆成部署前与上线后两段,Disseqt 卖的不是模型而是证据

Disseqt 的产品逻辑并不复杂,但它的切入点与大多数 AI 安全公司不同。据 TokenPost 报道,该平台的设计包含三个环节:在智能体部署前进行红队测试,在运行期间持续监控,并生成可审计的输出。深潮 TechFlow 进一步转述了更细的产品分层:部署前做结构化红队测试与投产前验证,运行期做实时监控与漂移检测,再把验证结果映射为可执行、可审计的合规义务。

这里的核心词是“映射”。许多安全工具能发现问题,但问题如何对应到一条具体的合规要求,往往还需要人工解释。Disseqt 试图把验证结果直接翻译成审计语言,这意味着它的买家不只是工程团队,更可能是合规、风控和内审部门。深潮 TechFlow 报道称,公司把自己定位为“AI 保障层(AI Assurance Layer)”,夹在企业智能体与风控职能之间。这个定位决定了它的竞争逻辑:不是与模型厂商抢安全能力,而是站在企业一侧,提供厂商不会主动提供的独立证据。

从产品形态看,Disseqt 更接近一个持续运行的治理系统,而非一次性咨询或评估服务。部署前测试解决的是“能不能上线”,运行期监控解决的是“上线后有没有偏离”,可审计输出解决的是“出了事怎么向监管和董事会交代”。这三段如果只做其中一段,很难形成独立品类;连在一起,才有机会成为企业采购清单里的单独预算项。

把“保障层”放在企业智能体与风控职能之间,意味着 Disseqt 的采购决策链可能比一般开发者工具更长。工程团队关心测试覆盖率和告警噪音,合规部门关心输出能否对应监管条款,内审则关心证据链能否复现。三类角色对同一平台的验收标准并不一致,Disseqt 需要同时说服至少两个部门,才可能把产品从技术工具推进为治理基础设施。

“97% 以上部署问题被拦下”是公司单方口径,尚未看到独立验证路径

深潮 TechFlow 报道称,公司称其平台可在投产前拦下 97% 以上的部署问题,测试效率提升 40% 以上。这是目前公开材料中仅有的性能数据,也是本次融资报道中最需要谨慎对待的数字。

这两个数字的统计口径没有披露。“部署问题”如何定义、测试基线是什么、效率提升的对照对象是谁,来源材料均未说明。在 AI 治理领域,这类指标高度依赖测试集设计和客户环境,同一平台在不同企业可能得出完全不同的结果。因此,这两个数字目前只能视为公司单方声明,尚无可独立验证的第三方测试或客户公开案例支持。

这并不意味着数字一定不成立,而是意味着它的商业意义需要更长时间才能被检验。对于一家刚完成 800万美元融资的早期公司,性能指标更多是销售语言的一部分。真正决定其能否在受监管行业立足的,是它能否让审计师接受其输出作为证据。这一点,目前没有任何公开材料能够回答。

“97% 以上部署问题被拦下”与“测试效率提升 40% 以上”这两个指标,可能服务于不同的销售对象。拦截率更接近向风控负责人证明风险被前置处理,效率提升则更接近向工程负责人证明工具不会拖慢发布节奏。由于来源材料没有披露统计期间、样本规模和问题分级方式,这两个数字目前只能说明公司试图同时覆盖风险与效率两种采购动机,尚不能作为跨客户可比的性能基准。

Gresham House Ventures 的入场逻辑:押注监管压力先于技术成熟

本轮融资由 Gresham House Ventures 领投。这是一家总部位于伦敦的投资机构,其投资组合长期偏向英国本土的成长期科技与消费企业。对 Disseqt 的投资,可以放在一个更长的逻辑链条里理解:欧盟《人工智能法案》的分阶段实施、英国金融行为监管局对模型风险管理的持续施压,以及大型企业对第三方 AI 供应商的审计要求,正在共同制造一个合规驱动的采购需求。

这类需求的特点是:它不依赖于 AI 技术本身的进一步突破,而依赖于监管和内部问责机制的收紧。只要企业继续部署智能体,且监管机构继续要求可解释、可审计,治理工具的需求就会存在。对投资人而言,这是一个下行风险相对可控的命题。但反过来,它的天花板也取决于监管执行力度和企业合规预算的扩张速度,而不是单纯的技术进步。

需要指出的是,本轮融资的具体轮次未披露。800万美元对一家伦敦早期公司而言,可能是种子轮或 A 轮的量级,但来源材料没有给出明确信息。轮次不明会影响外界对估值、股权稀释和机构进入阶段的判断。跟投方名单同样未披露。深潮 TechFlow 报道称,Sifted 正文对非订阅用户做了字符级混淆,导致跟投方与创始团队背景无法取得可核实信息。这意味着本轮资本结构只公开了一半。

Gresham House Ventures 的入场,也可能反映英国本土机构对监管科技细分方向的偏好。英国金融行为监管局对模型风险管理和运营韧性的要求,使总部位于伦敦的治理工具更容易进入本地金融机构的供应商评估范围。Disseqt 的伦敦总部因此不只是注册地信息,还可能影响其早期客户获取路径:先在英国受监管行业建立案例,再向欧盟和其他法域扩展。这一路径是否成立,仍需看后续客户披露。

“OpenAI 与 Meta 业内人士支持”的说法,目前只是一条被反复转述的标题

多家媒体在报道中提到了一个引人注目的细节:据 Sifted 报道,Disseqt 背后有来自 OpenAI 与 Meta 的业内人士支持。ChainCatcher 和 KuCoin 均转述了这一说法。

但这一信息的核实链条非常脆弱。TechFlow 明确写道,Sifted 正文对非订阅用户做了字符级混淆,跟投方与创始团队背景无法取得可核实信息。也就是说,目前公开可查的只是“Sifted 标题这样写”,而不是“Disseqt 的创始团队确实来自这两家公司”。在英文科技媒体中,标题用“ex-OpenAI and Meta”吸引点击并不罕见,但正文中可能只是某位顾问或天使投资人有过相关经历。

从编辑角度判断,这一信息目前只能作为媒体报道中的待核实线索,不能作为 Disseqt 公司事实写入。它也不应成为评估本轮融资质量的主要依据。真正可确认的事实只有:Disseqt 是一家伦敦公司,做企业 AI 智能体治理工具,完成了 800万美元融资,Gresham House Ventures 领投。

“来自 OpenAI 与 Meta 的业内人士支持”这一表述本身存在多种解释空间:可能是创始团队成员曾任职,可能是顾问或天使投资人,也可能只是早期产品反馈者。来源材料没有说明支持的形式、人数或参与程度。即使未来证实确有其人,这类背景也主要影响团队可信度和早期客户沟通,不能直接等同于产品能力或监管认可。

在 AI 治理的竞争版图里,Disseqt 面对的不是空白市场,而是定位重叠的拥挤赛道

Disseqt 并非唯一看到这个空档的公司。AI 安全与治理赛道在过去两年迅速升温,参与者来自多个方向:模型厂商自带的安全工具、传统安全公司的 AI 扩展产品、合规科技公司的智能体模块,以及一批与 Disseqt 类似的独立创业公司。来源材料没有提供 Disseqt 的直接竞品名单,但从产品描述看,它在部署前红队测试环节与专业红队服务商重叠,在运行期监控环节与可观测性平台重叠,在合规映射环节与 GRC(治理、风险与合规)软件重叠。

Disseqt 的差异化在于把三段整合进一个“保障层”叙事里。这个定位的优点是概念清晰,容易让企业理解为什么需要一个独立预算项;风险是每一段都有更成熟、更专注的对手。红队测试有长期服务政府和金融机构的专业团队,运行期监控有已经深入 IT 运维的成熟平台,合规映射则有被审计师广泛接受的既有软件。Disseqt 需要证明整合本身创造了额外价值,而不是把三个已有品类打包成一个新名词。

另一个竞争变量来自模型厂商。OpenAI、Anthropic 和 Google 都在加强企业级安全与合规功能。如果模型层自带足够的治理能力,企业可能不愿意再为独立的保障层付费。Disseqt 的回应逻辑是:企业需要的不是模型厂商的自我证明,而是独立第三方的证据。这个逻辑在审计行业成立,但在 AI 治理领域能否成立,取决于企业是否真的把智能体当作需要独立审计的对象。

Disseqt 的整合定位还面临一个采购归属问题:如果企业把智能体治理预算放在安全部门,它需要与现有安全编排工具竞争;如果放在合规部门,它需要与 GRC 平台对接;如果放在 AI 平台团队,它又可能被视为模型运维的延伸。来源材料没有披露 Disseqt 的销售切入部门,但“AI 保障层”能否成为独立预算项,可能取决于它最先被哪个部门认领,而不是概念本身是否清晰。

800万美元能买到什么:产品验证、监管窗口与一个尚未被证明的品类

本轮资金用途未在来源材料中披露。但从 Disseqt 所处的阶段和产品形态可以推断,这笔钱大概率会投向几个方向:扩充工程团队以完善部署前测试与运行期监控的技术能力,建立面向受监管行业的销售与合规团队,以及积累客户案例来证明其输出能被审计接受。这些推断基于已披露的产品定位和客户方向,而非公司明确说明。

深潮 TechFlow 报道称,公司客户主要是受监管行业。这是一个合理的商业选择,因为受监管行业对可审计输出的付费意愿最强。但它也意味着销售周期更长、采购标准更严、对产品稳定性的要求更高。800万美元对一家需要同时做产品研发、合规认证和企业销售的伦敦公司来说,并不宽裕。

更关键的问题是,Disseqt 需要在一个尚未被证明的品类里完成从“概念”到“预算项”的跨越。AI 治理目前在企业预算中往往被归入安全、合规或数据治理的某个子项,而不是独立品类。Disseqt 的融资成功说明至少有一家机构愿意为这个品类下注,但它能否让更多企业把“AI 保障层”写进年度预算,还需要至少两到三个可公开的客户案例来验证。

800万美元的规模还意味着,Disseqt 可能需要在产品完整度和行业认证之间做出取舍。受监管客户通常要求供应商具备信息安全认证、数据处理协议和可审计的变更管理流程,这些都会消耗早期工程资源。如果公司优先追求客户数量,可能推迟认证和标准化输出;如果优先做认证,又可能放慢产品迭代。来源材料未披露资金用途,因此这仍是基于其目标客户特征的推断。

待验证的核心假设:审计师会不会接受一家初创公司的输出作为证据

Disseqt 的整个商业逻辑建立在一个尚未被公开验证的假设上:企业外部审计师和监管机构会接受其平台生成的输出作为合规证据。这个假设的成立与否,不取决于 Disseqt 的技术能力,而取决于审计行业的标准演进和监管机构的具体指引。

从已披露的产品描述看,Disseqt 在做的是把验证结果映射为合规义务。这意味着它的输出需要与具体的监管条款对应,并能在审计过程中被追溯和复现。如果审计师只认可传统 GRC 工具生成的报告,或者监管机构要求企业自行承担全部举证责任,Disseqt 的价值就会打折扣。反之,如果审计行业开始接受第三方 AI 治理工具的输出,Disseqt 就有机会成为早期标准的一部分。

另一个待验证的问题是漂移检测的有效性。AI 智能体的行为漂移可能来自模型更新、数据变化或环境反馈,检测本身并不难,难的是判断哪种漂移构成合规风险。Disseqt 目前公开的产品描述没有说明其漂移检测的判定标准和误报率。在受监管场景中,误报过多会导致合规团队疲劳,漏报则可能直接造成违规。这个技术细节将决定其产品是真正可用的治理工具,还是只能作为演示的概念系统。

从本次公开材料能够确认的事实边界是:Disseqt 完成了一笔 800万美元的融资,领投方为 Gresham House Ventures,产品方向明确,目标客户清晰,但轮次、跟投方、创始团队、资金用途和客户案例均未披露。平台性能数据为公司单方声明。关于“OpenAI 与 Meta 业内人士支持”的说法,目前仅停留在媒体报道层面,无法核实。这些信息缺口意味着,外界对 Disseqt 的判断仍然建立在一个相当窄的事实基础上。

审计师接受与否,可能不取决于 Disseqt 输出的格式,而取决于它能否被纳入企业现有的内部控制框架。审计通常验证的是企业自身控制措施的设计与运行有效性,第三方工具只有成为该控制措施的一部分,其输出才可能进入底稿。Disseqt 需要证明的不仅是“能生成可审计输出”,还包括企业如何依赖这些输出做出合规判断。这一层依赖关系目前没有任何公开客户案例可以说明。

验证边界与可复核指标

本文可独立复核的事实包括:Disseqt 为伦敦初创公司,完成 800万美元融资,由 Gresham House Ventures 领投,产品覆盖部署前红队测试、运行期监控与可审计输出。上述信息来自 TokenPost 的报道,并与 ChainCatcher、深潮 TechFlow、KuCoin 等媒体的报道交叉一致。平台性能数据“投产前拦下 97% 以上部署问题、测试效率提升 40% 以上”来自深潮 TechFlow 转述的公司单方声明,尚无独立验证。跟投方、创始团队、轮次、资金用途与客户案例均未在来源材料中披露;“OpenAI 与 Meta 业内人士支持”仅见于 Sifted 标题及转述,正文因字符级混淆无法核实。

RecodeX 极客视:Disseqt 拿到 800万美元,证明“AI 智能体治理”这个品类开始被资本单独定价。但它的真正考验不在融资,而在第一份被审计师接受的报告。在那一天到来之前,97% 的拦截率只是一个销售数字,而不是一个行业标准。治理工具的价值不取决于它能发现多少问题,而取决于它能否让这些问题在审计底稿里留下可复现的痕迹。对 Disseqt 来说,最难的客户不是第一家买单的企业,而是第一个愿意在审计意见里引用其输出的审计师。

信息来源

本文在采集与核验阶段引用了以下公开来源,按站点去重列出;来源内容归原发布方所有,其口径不代表 RecodeX 的核实结论。