InfoHawk 完成 225 万美元 Pre-Seed 融资：当深伪与 AI 诈骗泛滥成灾，谁来做互联网的「鹰眼」？

在一个 AI 既能生成以假乱真的总统演讲视频、也能批量制造钓鱼邮件的时代，”眼见为实”这条古老法则正在互联网上彻底失效。InfoHawk，一家专注于检测和消除在线欺骗的 AI 平台，刚刚完成了 225 万美元的 Pre-Seed 融资。这家公司的使命是用 AI 对抗 AI——构建一个能够实时识别钓鱼攻击、品牌冒充和深度伪造内容的防御系统，在数字欺诈的军备竞赛中为企业和消费者提供防护。

AI 生成的欺骗正在以指数级速度进化

InfoHawk 所处的赛道背后，是一个令人不安的现实：数字欺诈正在经历一场由生成式 AI 驱动的”范式升级”。根据行业数据，2025 年全球因钓鱼攻击造成的企业损失超过 120 亿美元，而深度伪造相关的欺诈案件数量在过去两年内增长了超过 10 倍。更棘手的是，传统的规则引擎和签名检测方法在面对 AI 生成的欺骗内容时几乎完全失效——当攻击者可以用大语言模型生成语法完美、上下文连贯的钓鱼邮件，用深度伪造技术伪造 CEO 的视频通话指令时，防御方需要的不再是简单的关键词过滤，而是能够理解语义、识别意图、判断真伪的 AI 系统。

这正是 InfoHawk 试图切入的技术空间。公司的平台据称能够跨多个维度——文本、图像、视频、网站结构——进行综合分析，识别出传统安全工具无法捕捉的复杂欺骗模式。从品牌冒充（仿冒企业官网和社交媒体账号）到针对性的社会工程学攻击，InfoHawk 试图覆盖整个”在线欺骗光谱”。

225 万美元 Pre-Seed：弹药有限，战场无边

然而，225 万美元的 Pre-Seed 融资在网络安全领域只能算是一个谦逊的起点。相比之下，同赛道的竞争对手如 Reality Defender 在 2024 年就完成了 1500 万美元的 A 轮，Pindrop（专注语音反欺诈）的累计融资已超过 2.7 亿美元。InfoHawk 面临的核心挑战在于：如何用有限的资金构建足够强大的 AI 检测模型，同时建立起客户信任和市场知名度？

在反欺诈领域，产品效果的证明是一个”不对称”的难题。一次成功的检测可能挽回数百万美元的损失，但企业客户在做出采购决策之前需要的是大规模的验证数据和权威的第三方评估。对于一家处于 Pre-Seed 阶段的公司而言，获取这些背书需要时间和资源——而攻击者不会等待。

反深伪市场的「卡位战」已经打响

InfoHawk 进入的并非一个空白市场。从 Microsoft（Video Authenticator）到 Google（SynthID）等科技巨头已经在深伪检测领域投入了大量研发资源。创业公司层面，Sensity AI（后被 iProov 收购）、Attestiv、GetReal Security 等都在各自的细分领域建立了一定的先发优势。

InfoHawk 的潜在差异化可能在于”全谱检测”——不是只做深伪视频识别或只做钓鱼邮件过滤，而是提供一个涵盖所有在线欺骗形式的统一平台。但”全做”策略在早期阶段也是一把双刃剑：每增加一个检测维度，都意味着更多的训练数据需求、更复杂的模型架构和更长的产品迭代周期。在资源有限的情况下，聚焦某一个高价值场景（例如企业品牌保护或金融反欺诈）并做到极致，可能比”什么都做一点”更容易建立市场认知。

AI 攻防永远不会结束，问题是谁跑得更快

从更宏观的角度看，InfoHawk 所在的赛道有一个既是机遇也是挑战的特征：这是一场永无休止的军备竞赛。每当防御方开发出新的检测算法，攻击方就会训练出更难识别的欺骗模型。这意味着反欺诈产品永远不会”完工”，需要持续的研发投入来保持技术领先性。对投资者来说，这既保证了长期的市场需求（数字欺诈不会消失，只会进化），也意味着公司必须保持高强度的研发节奏——而这需要充裕的资金支持。

225 万美元的 Pre-Seed 为 InfoHawk 提供了一个验证核心技术的窗口，但要在这个拥挤且快速进化的赛道中存活并突围，公司需要在接下来的 12-18 个月内回答两个关键问题：它的检测准确率能否显著优于现有方案？以及，它能否找到一个愿意为此大额付费的企业客户群体？答案将决定这只”信息之鹰”能否真正在反欺诈的天空中翱翔。