AI 没有发明诈骗，但它把一场"定向骗局"的制造成本打到了地板上：几秒钟的公开音频就能克隆声音，社交媒体上的家庭信息拼出剧本。这个案例打动我的不只是产品本身，而是它的冷启动方式——先做一个免费网站验证需求、顺便攒数据，再上线收费 App，一路走得极其干净。

一、起源：一通"女儿的声音"打来的绑架电话

两年前，Patrick Coughlin 的母亲接到一通电话：来电显示是女儿的号码，电话里也是女儿的声音。一名男子声称绑架了她，要求立即支付 1200 美元，否则会在当地一家沃尔玛停车场伤害她女儿——骗子知道女儿常去哪家沃尔玛，也成功伪造了号码和声音。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：2025 年，Patrick 和弟弟 Ryan Coughlin 创办 Savi Security；2026 年 7 月，公司推出面向普通家庭的反诈 App，并完成 700 万美元种子轮融资。

二、为什么现在做这件事

本身就是安全出身的 Patrick 注意到一个变化：过去伪造某人的声音、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，所以这类攻击通常只值得用在政府、大企业或富裕目标身上；但现在生成式 AI 把诈骗成本降了下来——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、含声音的视频），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，只要伪造几个最容易让受害者相信的细节，再制造紧迫感：号码看起来是真的、声音很像、地点是家人常去的。美国联邦贸易委员会的数据显示，2025 年美国消费者报告的冒充类诈骗损失达 35 亿美元，接近 2020 年的三倍；接近三分之一的诈骗举报与冒充他人有关。

三、先做免费网站，不先做 App

Savi 团队最先推出的产品叫 Scamwise——一个免费的诈骗检测网站：用户收到可疑短信、邮件、图片或链接后直接上传，不需要注册也不用付费，系统分析内容并告诉用户是否可能是诈骗、下一步怎么处理。这个看似简单的产品同时解决了三个问题。

第一，验证需求。反诈骗产品很难判断普通人是否愿意主动使用，Scamwise 把使用门槛降到最低——不装 App、不留资料。大约四个月内收到约 10 万次提交，后期每周新增超 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、银行和金融诈骗。

第二，获得真实诈骗材料。骗子话术变化很快，只依赖黑名单不够——换号码、邮箱、网站就失效了。Scamwise 收到的真实短信、邮件和图片，让团队观察到正在出现的新骗局：骗子冒充谁、通过什么渠道、用什么理由制造紧迫感、要求怎么付款。这些数据比自己编写案例更接近实际。

第三，训练识别能力。Savi 目前主要调用 Google Gemini 分析用户提交内容，同时搭建了一套可根据任务切换模型的调用系统：分析短信用通用语言模型，判断声音是否可疑就调音频模型。产品路径简单清楚：先用免费工具吸引用户提交可疑信息，再把积累的样本和识别经验放进正式 App——Scamwise 不只是公益入口，也是 Savi 早期最重要的数据来源和获客渠道。

四、四类功能，核心差异在"实时通话监测"

正式的 Savi App 提供四类功能：短信过滤（疑似垃圾和诈骗信息进过滤区）；语音信箱筛查（陌生号码先不接，Savi 记录转写留言、识别来电者并标记风险）；Scamwise（App 内继续上传可疑内容判断真假）；以及和普通来电识别工具差异最大的实时通话监测——用户已接起可疑电话时，可以把 Savi 加入通话，它作为第三方听取对话、分析对方行为并及时给出风险提醒。

很多来电识别软件主要查号码数据库：这个号码被举报过吗、属于哪家公司。Savi 分析的重点是对方正在做什么：是否不断强调"马上处理"、是否要求不要挂断、是否阻止你联系银行家人警方、是否要求用礼品卡加密货币或异常账户付款。一个新号码可能从没被举报过，但诈骗行为往往存在重复模式——它想识别的不是固定号码，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。

五、卖的不是一个账号，是一份家庭套餐

Savi 月费 7.99 美元、年费 62.99 美元，特别之处是一个订阅可以添加整个家庭且没有人数上限——父母、伴侣、孩子都可以拉进账号并帮助完成设置。这个定价对应的是一种很常见的家庭分工：父母收到可疑短信往往截图发给孩子"帮我看看真假"，老人接到自称银行的电话也会先联系家里最懂手机的人。所以 Savi 面对的不只是容易被骗的人，还在向另一群人收费：负责帮全家判断真假的家庭成员——他们未必担心自己被骗，却担心父母在自己没接电话时转出一笔钱。从这个角度看，Savi 提供的不是单独的短信拦截器，而是一套可远程管理的家庭反诈服务，这也解释了它为什么不按设备数量收费。

六、冷静看：模式还有待验证

方向好理解：诈骗更便宜更逼真，手机自带的拦截和黑名单未必识别得了刚生成、专门针对某个家庭的骗局，Savi 试图在转账或泄露信息之前介入。但要清醒：Scamwise 的 10 万次提交证明了人们需要帮助，却不等于 10 万用户、更不等于 10 万付费用户；App 2026 年 7 月才上线，还没公布订阅数、续费率、收入或实际拦截成功率。实时通话监测的产品难度也不小——提醒太频繁会把正常的银行、医院、快递电话误判，用户很快失去耐心；太保守又可能错过危险电话。此外，分析短信、语音信箱和通话内容，还要过用户对隐私和数据安全的信任关——对反诈骗公司来说，用户是否信任它处理家庭通信，本身就是产品的一部分。

我的总结：这个案例的打法模板值得收藏——免费工具当探针，既验证需求又沉淀独有数据，再转成订阅产品。同款思路可以对照免注册免费出完整结果的自我测验产品，而"大公司创始人的第二曲线"视角，参考卖掉 Fitbit 后做 AI 健康 App 的故事。