Xapien B 轮融资 5,600 万美元，人工尽职调查面临压力

Xapien 完成 5,600 万美元 B 轮融资，以扩大其 AI 尽职调查平台，使缓慢、依赖人工整理的背景调查面临新的压力。Xapien 本轮融资由 Spectrum Equity 领投，现有投资者 YFM Equity Partners 也参与其中。

这家总部位于伦敦的公司通过整合公开网络内容、企业记录、制裁名单和商业数据集，生成关于个人和组织的研究报告。Xapien 表示，其软件可将过去需耗时数天的工作压缩至数分钟内完成并交付报告。

这笔融资不只是对企业 AI 的又一次押注。它检验的是，自动化研究能否成为支撑客户、供应商、捐赠者、投资及商业伙伴相关决策的可信基础设施。成熟的风险数据供应商、专业服务公司和内部合规团队都面临同一挑战：在不放弃人工判断的前提下，匹配机器的速度。

Xapien B 轮融资支持其进军美国市场

这笔投资让 Xapien 有资源在企业风险工作流中争取更大的角色，尤其是在美国市场。

公司于 2026 年 9 月 11 日宣布这笔融资。一则 Axios 交易简报指出，Spectrum Equity 是领投方，并将 Xapien 描述为一家背景调查和尽职调查创业公司。

此前领投 Xapien 机构轮融资的 YFM Equity Partners 再次参与本轮 B 轮融资。参与方未披露公司的估值，也未披露通过本次交易获得的股权比例。

Xapien 计划扩大其美国业务，包括扩展其波士顿办公室。公司还表示，CEO Chris Green 及其他高级管理人员将迁往当地，以支持这一扩张。

这一地域布局变化紧随一个显著的营收趋势。根据该公司说法，尽管 Xapien 起源于伦敦，美国目前已贡献其一半营收。

这家创业公司称，其在 15 个国家拥有超过 350 家客户和合作伙伴。其点名列出的客户和商业关系包括 ABB、Greenberg Traurig、KPMG 以及 Dow Jones Risk & Compliance。

这些数据来自 Xapien 的融资公告，尚未经独立审计。不过，它们有助于解释 Spectrum 为何在这一阶段入场。该投资者押注的是一家声称已找到企业需求的公司，而不只是一个产品概念。

Xapien 还称，过去 24 个月中其年度经常性收入增长超过 350%。这一指标显示出快速扩张，但该公司并未披露其起始营收、当前年度经常性收入、留存率或盈利情况。

缺失的背景信息很重要。百分比可以描述增长势头，却无法反映其背后的规模或客户支出的可持续性。

不过，本轮融资相较于 Xapien 早期融资规模有显著提升。2024 年 7 月，公司宣布完成由 YFM 领投的 1,000 万美元 A 轮融资，当时其累计融资额达到 1,780 万美元。

公司当时表示，这笔资金将帮助让全面尽职调查惠及大型调查团队以外的组织。其 A 轮融资记录为当前战略提供了有用的参照。

B 轮融资将这一战略带入不同阶段。Xapien 现在需要扩大销售、部署和支持规模，同时维持合规产品所要求的准确性。

Spectrum 为此带来了相关经验。这家成长型股权投资公司此前曾投资 World-Check 和 Verafin 等风险与合规业务。

World-Check 已成为广泛使用的个人和组织风险情报来源。Verafin 在 Nasdaq 于 2020 年同意收购该公司之前，开发了金融犯罪管理软件。

这一经历表明，Spectrum 将 Xapien 视为风险信息市场的一部分，而不只是生成式 AI 市场的一部分。这也提高了人们对其可复制企业级表现的预期。

这笔资金为 Xapien 投资产品开发和分销提供了空间。但它并未解决自动化尽职调查能否赢得那些历经数十年积累的老牌数据库和人工调查人员所获得的机构信任。

为什么 AI 尽职调查如今正在吸引资本

在组织必须调查更多关系、信息来源、司法辖区和风险类别之际，Xapien 正在出售速度。

传统尽职调查通常涉及多个独立流程。分析师会查询企业登记册、制裁数据库、新闻档案、法院记录和开放网络，随后核对姓名、评估来源并撰写报告。

当调查对象姓名常见、使用多种语言、控制多层公司，或跨司法辖区运营时，这项工作会更为困难。数据库匹配还可能产生需要人工处理的误报。

企业越来越多地将这些审查用于正式金融交易之外的场景。它们会筛查供应商、客户、捐赠者、高管、收购目标、经销商、承包商及其他交易对手。

交易对手是指商业关系另一方的任何个人或组织。每增加一个类别，法务、合规和采购团队需要管理的审查数量就会增加。

Xapien 的核心主张是，AI 可以完成大量初步研究工作。其系统会检索结构化记录和非结构化文本，将引用关联至相关对象，并生成附有来源的报告。

该平台并非被定位为通用聊天机器人。Xapien 表示，它在专为尽职调查设计的工作流中使用大型语言模型。

其公开的平台说明称，报告将已索引的网络内容与商业数据集、企业登记册、制裁记录和观察名单相结合。公司声称，支持性来源会在句子层面保持可见。

这种来源可见性是产品价值的核心。合规官不能在不知道严重指控来源的情况下，负责任地据此采取行动。

例如，一家律师事务所正在评估潜在客户。基础筛查数据库可能会识别制裁风险敞口，或识别出政治公众人物，即因其公共职务而面临更高腐败风险的人士。

强化尽职调查则更进一步。它会审查所有权、声誉、商业关系、负面媒体报道以及其他需要结合背景进行研究的因素。

当一所大学审查重大捐赠者时，同样的流程也可适用。快速得出结论十分重要，因为募资和合作决策往往需在紧张的时间表内推进。

采购团队也面临类似问题，但处理量更大。他们可能需要调查供应商是否面临制裁风险、劳动争议、腐败指控、所有权变更，或与受限制司法辖区存在关联。

人工研究能够提供细致判断，但持续重复开展的成本很高。因此，组织往往会将深入审查集中于最初被判定为风险最高的关系。

Green 将这一限制描述为 Xapien 希望消除的问题。他表示，第三方尽职调查仍高度依赖人工，迫使企业限制审查范围，并依赖一次性的准入审查。

关键变化在于，从定期调查转向动态监控。在这一模式下，当出现新信息、制裁、所有权变更或地缘政治风险时，公司可以重新审查更多交易对手。

这正是 AI 能够改变运营经济性的地方。更快速的综合分析使频繁审查更具可行性，前提是报告仍然准确且可追溯。

这一机会也反映了普通关键词搜索的局限性。调查人员必须从同名者、重复文章、不完整记录和低质量指控中分辨出相关事实。

AI 系统能够以人类团队难以轻易匹配的规模，对这些材料进行分类和关联。不过，规模只有在系统保留影响实际决策的关键区分时才有帮助。

将两个姓名相似的人错误关联，可能造成声誉损害。遗漏控股股东或外语来源，则可能掩盖真实风险。

这使 AI 尽职调查不同于低风险的文档摘要。其输出可能影响个人是否获得就业、资金、准入资格或商业关系。

对企业买家而言，吸引人的承诺并非取代每一位调查人员，而是在让专家专注于最复杂判断的同时，扩大获得有意义审查的关系数量。

自动化研究与人工调查模式之争

核心竞争在于可扩展的 AI 辅助研究，与仍受关键决策信任的较慢人工流程之间的较量。

Xapien 表示，其平台重构了调查工作流中的重要环节。它会搜索、解析身份、关联实体、评估风险信号，并将发现整理为报告。

这种机制可以减少重复性劳动。分析师不再需要打开每一条登记记录，或为每个对象重复相同的搜索模式。

自动化还能带来一致性。明确的工作流可在数千个交易对手中应用同一研究范围和风险政策。

人工调查会因时间、经验、语言能力以及每位分析师可获得的信息而有所不同。标准化可以让大型组织中的审查更易于审计。

然而，尽职调查很少在发现事实后就结束。用户必须判断来源是否可信、指控是否仍具相关性，以及风险是否与这段关系相匹配。

一篇关于公司的负面报道，可能描述已被证实的不当行为、尚未解决的指控，或后来得到纠正的错误。这些类别不应被赋予同等权重。

人工调查人员也能识别自动化系统可能淡化的文化和政治背景。在一个市场被视为权威的来源，在另一个市场可能具有党派倾向、受到控制或不可靠。

Xapien 的方法试图通过展示引文，并允许客户围绕自身风险政策配置报告来保留人工审查。这比呈现一个缺乏支撑的评分更为可靠。

不过，带有引用的陈述并不会自动成为准确结论。来源本身可能有误，系统也可能将其关联至错误对象。

这一区别将检索与判断区分开来。检索用于发现可能相关的材料；判断则决定这些材料是否支持公平且可辩护的决策。

通用 AI 系统在这一边界上存在困难，因为它们可能生成掩盖不确定性的流畅摘要。Xapien 表示其专门设计的控制机制能降低这种风险，但公开、独立的性能数据仍然有限。

竞争格局使这一问题更为重要。LSEG 的 World-Check 和 Dow Jones Risk & Compliance 等成熟供应商提供制裁、政治公众人物和负面媒体数据。

ComplyAdvantage 将机器学习应用于金融犯罪风险数据与监测。Sayari 则专注于企业所有权和贸易关系，包括跨越多个司法辖区的复杂网络。

专业服务公司又增加了一层能力。其调查人员将专有数据库、访谈、区域专业知识和人工分析相结合，用于处理高风险任务。

Xapien 无需取代这个市场的每一环，也能建立起规模可观的业务。它可以充当情报层，帮助客户更快启动调查，并审查更多对象。

更棘手的问题在于，其报告在何处结束，最终决策又从何处开始。对于模糊、严重或来源不足的发现，企业需要制定明确的升级处理规则。

例如，自动化系统可能发现一份经翻译的本地报道，将一家潜在供应商与某位政府官员联系起来。这种关联可能意味着腐败风险，也可能只是反映了一段已经过时的企业关系。

机器可以收集文件并梳理关联。经过培训的审查人员则必须评估证据、要求澄清，并决定采取何种行动才算适度。

这种分工很可能决定市场采用情况。买家希望实现自动化，但监管机构和内部风险委员会仍期待由可追责的人员负责重大决策。

因此，该产品竞争的对象是一套流程，而不只是另一家供应商。Xapien 必须说服客户：更广泛的自动化覆盖，比数量更少的人工核查能带来更好的风险管理。

这一主张可以接受检验。客户可以将系统发现与调查人员审查过的案例进行比较，衡量误报率，追踪遗漏风险，并评估审查人员所需时间。

持久的优势将来自于同时提升覆盖范围和决策质量。如果团队把节省下来的时间花在纠正薄弱结果上，速度本身并不够。

Xapien 还需要融入现有的案件管理系统。合规团队通常不希望再增加一个孤立的仪表盘，迫使用户在工具之间复制发现结果。

该公司的商业关系或许有助于其进入这些工作流。其此前与 Dow Jones 的合作展示了一条路径：Xapien 的研究为通过成熟风险服务商分发的产品提供支持。

合作伙伴关系可以加速市场触达，但也会保留竞争张力。大型数据提供商可以开发自己的 AI 研究层，或收购专业技术。

专业服务公司可以在内部使用类似工具，同时保留客户关系。企业客户也可以将基础模型与授权数据集及自身审查流程结合起来。

因此，Xapien 的防御壁垒不能仅仅是获得 AI 模型的访问权限。它还需要可靠的实体解析、多语言研究、来源管理、政策配置、安全性，以及用户信任的证据。

更快的背景调查会带来准确性与隐私风险

推动尽职调查扩展的同一种自动化，也可能将错误、站不住脚的指控和侵入性数据使用放大到更多人身上。

Xapien 的融资公告强调，要对交易对手方实现更广泛、更持续的可见性。这一承诺带来了覆盖范围与控制之间的基本权衡。

当人工团队只调查数量有限的高风险对象时，专家可以仔细审查每一项发现。自动化系统让评估更多关系成为可能，但也可能更快地传播错误。

身份解析是一个明显的失效点。常见姓名、转写差异、不完整的出生日期和不一致的公司记录，都可能将信息关联到错误的人身上。

负面媒体分析也带来另一项挑战。新闻报道的质量参差不齐，搜索结果可能包含被反复转载的说法、具有政治动机的材料，或尚未有最终结论的指控。

语言模型也引入了自身的不确定性。它们可能错误总结证据、遗漏重要限定条件，或生成底层记录并不支持的关联。

Xapien 表示，其报告附有来源，其系统也包括旨在减少幻觉的控制措施。这些是公司的说法，不能替代独立基准测试。

企业买家应要求提供与具体任务相关的性能结果。有用的指标包括身份解析准确率、误报率、召回率、来源覆盖率，以及与资深调查人员结论的一致性。

他们还应在自身市场和风险类别中测试软件。即使系统能准确处理记录充分的英国企业，也不能证明其在透明度较低司法辖区内活动的个人身上具有同等准确性。

隐私又增加了一层考量。背景研究通常涉及从公开来源、商业数据库和推断关系中收集的个人信息。

公开可得并不意味着法律或伦理义务随之消失。一个人未必会预期，一篇旧文章、企业备案文件和社交关系会被组合成一份持续存在的风险档案。

澳大利亚隐私监管机构警告称，关于可识别个人的推断性或错误 AI 生成信息，本身也可能构成个人信息。其 AI 隐私指南 还建议针对预期用途进行人工监督和测试。

该指南强调，具有法律影响或类似重大影响的决策尤其敏感。当研究会影响就业、金融服务可及性、签约或职业机会时，这一担忧会直接适用。

欧洲规则带来了额外审查。EU AI Act 将某些就业、信贷、生物识别、执法和公共服务系统归类为高风险系统。

尽职调查工具不会仅仅因为使用了 AI 就自动进入某一特定类别。分类取决于系统的使用方式，以及其为哪类决策提供信息。

这种区别使责任不仅落在供应商身上，也落在客户身上。用于支持供应商准入的报告，与自动拒绝求职者的系统相比，风险并不相同。

组织必须记录预期用途、访问控制、保留政策、更正程序和人工审查机制。它们还需要为质疑不准确信息的人建立处理流程。

可解释性不应止于一个引用链接。用户需要理解，系统为何将某个来源与对象关联，以及为何将这一发现视为相关。

信息的新鲜度同样重要。报告应区分仍然有效的制裁指定与历史列名，也应区分尚未解决的指控与已获澄清的案件。

持续监控可以改善信息时效性，但也可能形成永久监视。客户需要限制哪些关系值得持续观察，以及收集的信息应保留多久。

安全性同样关键。尽职调查案件可能揭示收购计划、保密交易对手方、内部风险关切和敏感个人数据。

一家快速扩张的供应商必须维持隔离机制、权限控制、审计日志和事件响应能力。如果实施速度快于治理建设，增长可能会令这些控制措施承压。

B 轮融资为 Xapien 提供了满足这些要求的资源，也扩大了任何薄弱环节可能造成影响的规模。

对于买家而言，采购流程应让合规、法律、安全、隐私和运营团队共同参与。一次有说服力的演示无法回答所有部署问题。

受控试点能提供更好的证据。团队可以将已完成的案例放入产品中运行，对比结果，记录实质性遗漏，并衡量在采取行动前所需的审查工作。

他们应将正确和错误的输出都作为组织知识保留。一套可检索的 知识融合 工作流，可以将自动化发现与内部文件、分析师笔记和既往决策联系起来。

这类记录有助于避免重复犯错。当新的发现与组织已解决的案例相似时，它也能为审查人员提供背景。

目标是实现可追责的增强。软件负责收集和整理证据，而具名专业人员仍对解释与行动负责。

Xapien 在融资后必须证明什么

下一阶段将取决于客户扩张、具有独立可信度的准确性证据，以及在真实运营工作流中的采用情况。

第一个信号是，Xapien 能否将美国市场的兴趣转化为持久的企业收入。其波士顿扩张应带来更大规模的部署，而不只是更多销售对话。

仅看客户数量无法呈现完整图景。更有力的指标是现有客户中的扩展、合同续签，以及在法律、采购和合规团队中的更广泛使用。

如果客户从偶发报告转向持续监控，这将支持 Xapien 关于尽职调查可以变得动态化的主张。有限的试点则会削弱这一论点。

第二个信号是产品验证。Xapien 需要证明，其系统能发现相关风险，而不会用错误或低价值匹配淹没用户。

独立评估将尤其有用。买家需要任务特定的结果、透明的测试条件，以及与熟练调查人员或成熟筛查流程的比较。

案例研究可以展示运营价值，但供应商自行挑选的案例通常代表有利条件。可重复的基准测试会更具说服力。

准确性还包括校准能力。系统应传达何时证据充分、何时身份匹配不确定，以及何时审查人员必须进一步调查。

如果 Xapien 发布有意义的性能证据，它就能将其专用平台与通用 AI 研究工具区分开来。如果主要依赖速度主张，怀疑态度仍然合理。

第三个信号是成熟风险服务商和专业服务公司的反应。它们可以与 Xapien 合作、构建可比能力，或收购竞争技术。

Spectrum 在该行业的历史为 Xapien 带来了有用的关系和运营知识，但这并不能阻止既有企业利用其专有数据集和分发优势。

一项重大合作关系会通过将其研究嵌入现有企业工作流来强化 Xapien 的地位。一波竞争性 AI 功能的推出，则会检验其技术究竟有多强的可防御性。

监管执法将塑造这三个信号。客户会偏好那些能让监督、可追溯性、更正和审计准备更容易的工具。

他们会抵制在本已敏感的流程中制造新黑箱的产品。合规自动化必须产出能够经受内部审查和外部监督的证据。

因此，Xapien 的 B 轮融资支持的是一项明确赌注：自动化研究能够扩大尽职调查覆盖范围，而不降低公平性、准确性或问责性。

该公司已报告了强劲增长、知名客户和有意义的美国市场需求。如今，它拥有资本和投资者支持，可争取更大的市场地位。

尚未得到证明的，恰恰是最困难的部分。Xapien 必须证明，在几分钟内生成的报告能够支持后果持续多年的决策。

企业买家应关注部署，而非演示。应询问发现结果多常改变决策、审查人员如何处理不确定匹配，以及相关对象如何更正不准确记录。

决定性的问题并不在于 AI 是否能比人类团队阅读更多信息来源。显然可以。问题在于，组织能否将这种规模转化为更经得起推敲的判断。

如果 Xapien 能够针对庞大的交易对手组合提供准确、可追溯的研究，那么仅依赖人工的尽职调查将越来越难以被合理化。如果监督成本会随使用量上升，自动化仍将只是助手，而非运营模式本身。

这正是这轮 5600 万美元融资背后的真正考验。在将更快的研究等同于更安全的尽职调查之前，应关注客户续约、独立评估以及现有厂商的应对所提供的证据。