当一家银行决定拥抱 AI 时，它面对的第一个问题往往不是“选哪个模型”，而是“要不要动核心系统”。过去几年，金融机构在 AI 实验上投入了大量预算，但真正进入生产环境的比例远低于外界的想象。原因并不神秘：核心银行系统承载着账户、交易、风控与合规的底层逻辑，任何一次大规模替换都意味着数年周期、数亿美元投入和不可忽视的运营风险。于是，一个看似矛盾的局面出现了——机构越认可 AI 的价值，越被自己运行了数十年的基础设施困住。
Kastle 想做的，正是在这个矛盾中切开一条新路径。这家总部位于旧金山的公司宣布完成 2400 万美元 A 轮融资，由 Insight Partners 领投。它的核心主张是：金融机构不需要先替换核心系统，也可以在现有基础设施之上部署专用 AI 代理，让这些代理执行高流量、重复性的工作流，并保持系统记录实时更新。换句话说，Kastle 销售的并不是一套新的核心银行系统，而是一支能够“在旧系统里干活”的 AI 劳动力。
这一叙事精准地踩中了金融科技行业当前的集体焦虑。过去两年，生成式 AI 在银行场景的讨论热度持续攀升，但真正进入高合规、高风险业务环节的落地案例仍然稀缺。Kastle 以消费信贷作为切入口，试图证明 AI 代理可以在发起、履约与服务流程中承担实际工作，而不是停留在聊天机器人和内部知识检索的浅层应用。它的融资故事，本质上是在回答一个行业级问题：银行 AI 落地，究竟该走“替换核心系统”的长周期路线，还是走“在旧系统上叠加 AI 劳动力”的渐进路线？
| 字段 | 内容 |
|---|---|
| 公司 | Kastle |
| 轮次 | A 轮 |
| 金额 | 2400 万美元 |
| 投资方 | Insight Partners（领投）、Fifth Wall、Y Combinator、Commerce Ventures、一批未披露具体名单的知名创始人和金融服务高管 |
| 总部 | 美国加州旧金山 |
| 创始人 | Rishi Choudhary（联合创始人兼 CEO） |
| 官网 | https://www.kastle.ai/ |
“第三路径”的真实含义：不替换核心系统，但要在核心系统上完成操作
Kastle 联合创始人兼 CEO Rishi Choudhary 在新闻稿中给出了一个清晰的框架。他称，多年来企业被置于一个“错误选择”面前：要么接受遗留系统的局限，要么承受漫长而高风险的核心系统替换。Kastle 试图提供“第三条路径”——让金融机构获得一支可以在既有系统上运行的 AI 劳动力，从而“现在就获得 AI 的好处，而不是五年之后”。
从产品逻辑看，Kastle 的 AI 代理并非独立于银行现有技术栈运行，而是嵌入机构既有的流程与控制体系之内。据公司披露，其平台允许金融机构部署专用 AI 代理，这些代理能够跨现有核心系统执行高流量工作流，并保持系统记录的最新状态。公司称，其代理在机构的既有流程和控制内完成工作，从而在提供额外产能的同时，帮助团队维持一致性、监督与合规。
这一设计与“RPA+AI”或“AI 外挂层”的关键区别在于，Kastle 强调代理具备金融服务业务上下文，并能在机构当前使用的工具上采取行动。但需要指出的是，公司并未公开披露其代理具体如何接入核心系统、通过何种接口或权限模型操作、以及在异常场景下如何回退。这些技术细节的缺失，使得“在既有流程与控制内完成工作”这一表述目前仍停留在公司口径层面，尚无独立第三方验证。
从已披露的信息看，Kastle 的产品定位存在一个可识别的逻辑链：如果金融机构的核心系统替换周期确实长达数年，而 AI 代理可以在不触发替换的前提下进入生产环境，那么 Kastle 的部署速度理论上应显著快于核心系统现代化项目。但这一推论的边界在于：公司未披露任何具体客户的部署周期、上线时间或生产环境运行时长，因此“更快落地”目前仍是一个未被数据验证的假设。
18 亿美元还是 20 亿美元：一个数字矛盾暴露了什么
Kastle 在官方新闻稿中披露了一个关键运营指标：其 AI 代理已处理超过 18 亿美元交易。然而，同一篇新闻稿的后文又写道，公司“已处理超过 20 亿美元交易”。两处数字出现在同一份官方材料中，且差异达到 2 亿美元，这并非可以忽略的舍入误差。
这一矛盾值得认真对待，因为它触及了创业公司融资叙事中一个敏感地带：交易处理规模是衡量 AI 代理实际生产价值的核心指标。如果一家公司连官方新闻稿内部都无法统一这个数字，外部观察者就有理由对其数据治理和披露纪律提出疑问。目前，Kastle 尚未对这两个数字的差异作出公开澄清。
从编辑判断看，18 亿美元与 20 亿美元可能对应不同的统计口径——例如前者可能指某一时间节点的累计处理量，后者可能包含后续新增交易；也可能其中一个数字是笔误。但在公司正式说明之前，任何解释都只能是推测。可以确定的是，官方新闻稿同时存在两个不一致的数字，这一事实本身构成了信息质量风险。在官方澄清前，本文不采用任一数字作为已确认事实。
更值得注意的是，交易处理规模并不等同于收入或利润。Kastle 未披露其商业模式、定价方式、收入规模或客户付费情况。一个 AI 代理平台可以处理大量交易，但如果采用按交易量分成的模式，其收入质量取决于单笔交易的价值密度和分成比例；如果采用订阅制，则取决于客户数量和客单价。在这些变量全部未披露的情况下，“处理超过 18 亿美元交易”或“20 亿美元交易”只能说明平台有生产流量，无法说明公司有可持续的商业回报。
客户名单缺席：当“全球最大银行”没有名字
Kastle 在新闻稿中称，公司“已在全球部分最大型企业和银行中运行”。这是一个典型的创业公司融资公告表述——足够模糊，又足够有分量。但具体是哪些银行、哪些企业、在哪些业务线运行、运行规模多大，公司均未披露。
在金融科技领域，客户名单的缺席并不罕见，尤其是当客户是受到严格监管的金融机构时。银行通常不愿公开承认自己在核心业务流程中使用了某家初创公司的 AI 代理，因为这可能引发监管关注、技术风险质疑或竞争情报泄露。因此，Kastle 不披露客户名称本身并不构成负面信号。
但问题在于，没有可核实的客户案例，外部观察者就无法判断“全球最大型企业和银行”这一表述的实际含金量。一家 AI 公司可以在一家大型银行的某个边缘业务线进行小规模试点，也可以在其核心信贷流程中承担关键工作。两者的商业价值和技术验证强度完全不同。Kastle 未提供任何关于客户部署深度、业务线覆盖范围或生产环境运行时长的信息，这使得“已在全球最大型企业和银行中运行”这一说法目前只能被视为公司单方面声明。
从投资逻辑看，Insight Partners 的参与提供了一定的信号价值。作为一家以规模化软件投资著称的机构，Insight Partners 通常会对标的公司的客户验证和收入质量进行相对严格的尽职调查。Rebecca Liu-Doyle 在新闻稿中称，Kastle 的 AI 代理“能够驾驭复杂性、通过监管严谨性的门槛，并在不等待多年转型的情况下完成高风险工作”。但这一表述同样来自投资方声明，而非独立客户证言。
资本结构疑云：历史融资数据为何互相打架
Kastle 本轮融资的投资方名单本身存在一个值得注意的细节。官方新闻稿称，本轮由 Insight Partners 领投，Fifth Wall 以及一批知名创始人和金融服务高管作为新投资方加入；公司由 Insight Partners、Y Combinator、Commerce Ventures、Fifth Wall 以及领先创始人和金融服务高管支持。部分第三方来源在报道本轮融资时，仅提及 Insight Partners、Y Combinator 和 Commerce Ventures，未提 Fifth Wall。这一差异可能源于第三方来源的信息滞后或编辑删减，但也可能反映投资方名单在不同披露渠道中的不一致。
更令人困惑的是 Kastle 的历史融资记录。需要先说明的是，以下三个第三方数据库——startupintros.com、indexed.vc、vcbacked.co——均属于低可靠性来源，其数据未经官方确认，且相互之间存在明显矛盾；这种矛盾本身进一步降低了它们作为证据的权重，不应与官方新闻稿等同看待。
第三方数据库 startupintros.com 显示，Kastle 此前累计融资 230 万美元，投资方包括 Y Combinator 和 Commerce Ventures，另有 Snapdocs、Google、WePay 高管参投。indexed.vc 则称 Kastle 成立于 2024 年，累计融资 280 万美元、共 2 轮，最近一轮为 230 万美元种子轮。而 vcbacked.co 的记录显示，Kastle 累计融资仅 50 万美元，最近一轮为 Pre-Seed，公布于 2024 年 6 月，投资方包括 Y Combinator。
三个低可靠性第三方数据库给出了三个不同的历史融资总额：50 万美元、230 万美元、280 万美元。这种程度的冲突超出了正常的数据库更新滞后，指向一个更深层的问题：Kastle 在 A 轮之前的融资历史缺乏清晰、一致的公开记录。公司官方新闻稿未披露此前融资轮次、金额或时间，也未说明 Y Combinator 和 Commerce Ventures 是在哪一轮进入的。
对于一家刚完成 2400 万美元 A 轮的初创公司而言，历史融资数据混乱并不必然意味着公司存在问题。早期阶段的融资记录常常因为数据库覆盖不全、更新不及时或公司主动低调而出现偏差。但 Kastle 的情况特殊之处在于：它已经进入了 Insight Partners 的视野，并获得了 2400 万美元的机构资本，却仍然没有一个清晰可查的融资历史。这增加了外部观察者评估其真实发展轨迹的难度。
消费信贷的 AI 代理：真实需求与未验证的规模化能力
Kastle 选择消费信贷作为首个落地场景，这一选择本身具有清晰的产业逻辑。消费信贷是一个高流量、强规则、多系统协同的业务领域。贷款发起、履约和服务流程涉及大量重复性工作：文档审核、数据录入、状态更新、合规检查、客户沟通。这些工作量大且规则相对明确，是 AI 代理的理想目标场景。
但消费信贷同时也是一个对错误容忍度极低的领域。一笔贷款审批中的错误可能导致监管处罚、客户投诉或财务损失。AI 代理在消费信贷中的真正价值，不在于它能处理多少笔交易，而在于它在处理过程中能否保持与人工操作同等甚至更高的准确率、合规性和可审计性。Kastle 声称其代理在机构既有流程和控制内完成工作，但公司未披露任何关于错误率、人工干预率、合规审计结果或客户满意度的数据。
从产业链角度看，Kastle 的定位与现有的贷款处理自动化方案存在潜在重叠。消费信贷领域已有大量技术供应商提供文档自动化、流程编排和决策引擎服务。Kastle 的差异化在于其 AI 代理的“行动能力”——不仅分析或建议，还能直接操作系统完成工作。但这一差异化也带来了更高的技术风险：一个能够直接操作核心系统的 AI 代理，一旦出错，其影响范围远大于一个仅提供建议的分析工具。
公司未披露其竞争对手，也未说明与现有贷款处理软件、RPA 平台或银行自建 AI 能力之间的具体差异。在没有竞争对比的情况下，“AI 劳动力平台”这一品类定义仍然过于宽泛，难以判断 Kastle 的护城河究竟有多深。
资金用途与团队扩张：2400 万美元能买来什么
Kastle 表示，本轮资金将用于扩充工程、产品和市场团队，深化平台能力，并加速在北美领先银行及其他金融机构的部署。这是一个标准的 A 轮资金用途表述，但结合 Kastle 的具体阶段，可以读出一些更具体的信息。
首先，工程和产品团队的扩充意味着 Kastle 仍处于产品能力建设期。尽管公司声称已在全球最大型企业和银行中运行，但其平台能力显然尚未完全成熟。其次，市场团队的扩充表明公司正在从早期客户验证阶段向规模化销售阶段过渡。在金融科技领域，这一过渡通常是最困难的环节：从少数愿意冒险的创新客户，扩展到更广泛的风险厌恶型金融机构，需要完全不同的销售能力和合规支持。
2400 万美元的 A 轮规模在当前的 AI 创业环境中属于中等偏上水平。考虑到 Kastle 需要在工程、产品和市场三条线同时投入，这笔资金的消耗速度可能相当快。如果公司不能在 12 到 18 个月内证明其 AI 代理能够在多个客户的生产环境中稳定运行并产生可观的商业回报，下一轮融资的门槛将显著提高。
值得关注的是，Kastle 未披露本轮融资的投后估值。在 Insight Partners 领投的 A 轮中，估值水平通常反映了投资方对公司增长潜力和风险的综合判断。估值数据的缺失，使得外部观察者无法判断 Insight Partners 是以什么价格进入的，也无法评估这笔交易对创始团队股权稀释的程度。
待验证的假设：从“能处理交易”到“能替代人力”之间有多远
Kastle 的融资故事建立在一个核心假设之上：金融机构愿意在不替换核心系统的前提下，让 AI 代理进入其高流量业务流程。这个假设的成立需要满足至少三个条件。
第一，AI 代理的准确性和合规性必须达到金融机构可接受的水平。消费信贷中的错误成本极高，一次合规失误可能抵消数百次成功自动化带来的效率收益。Kastle 未披露任何关于准确率、错误率或合规审计结果的数据，因此这一条件目前无法验证。
第二，AI 代理必须能够真正融入机构现有的流程和控制体系，而不是成为一个需要额外管理的平行系统。如果 AI 代理需要大量人工监督和干预，那么它带来的效率提升将被监督成本抵消。Kastle 声称其代理在既有流程和控制内工作，但未披露人工干预率或监督成本数据。
第三，金融机构必须愿意为 AI 劳动力支付可持续的费用。Kastle 未披露其商业模式和定价，因此无法判断其收入质量和客户留存情况。如果 AI 代理按交易量收费，那么其收入天花板取决于客户愿意将多少交易量交给 AI 处理；如果按订阅收费，则取决于客户是否认为 AI 劳动力值得持续的固定支出。
从已披露的信息看，Kastle 已经证明了 AI 代理可以在生产环境中处理交易——这是从 0 到 1 的验证。但从“能处理交易”到“能替代人力”之间，还有一条相当长的路。这条路上需要回答的问题包括：AI 代理在处理复杂异常场景时的表现如何？当系统出现故障或数据异常时，代理能否安全回退？监管机构如何看待 AI 代理在核心信贷流程中的角色？这些问题目前都没有公开答案。
Insight Partners 的参与表明，至少有一家顶级软件投资机构认为 Kastle 值得押注。但投资机构的判断本身也需要时间验证。在 AI 代理赛道整体处于高期望期的当下，融资成功与产品成功之间的距离往往比融资新闻稿所暗示的要远得多。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：Kastle 的融资故事之所以值得关注，不在于它又融了 2400 万美元，而在于它把一个行业级的两难选择摆上了台面：银行 AI 落地，是等核心系统慢慢换完，还是让 AI 先在旧系统里干起来？Kastle 选择了后者，并用“AI 劳动力”这个说法重新包装了自动化叙事。但真正的问题从来不是路径选择，而是执行深度——一个能在旧系统上处理 18 亿或 20 亿美元交易的 AI 代理，到底能不能在合规、准确和可审计的约束下持续运行？在客户名单、商业模式和运营指标全部缺席的情况下，这个问题的答案仍然悬而未决。Kastle 已经证明了自己会讲故事，接下来需要证明的是，这个故事能在银行的真实生产环境里跑多久。