AIUC完成4000万美元A轮融资，计划将其AI Agent审计、标准与保险业务扩展并把AIUC-1从Agent覆盖延伸到前沿模型。公司主张通过技术审计与独立认证为企业部署AI Agent建立“信任基础设施”，但认证有效性与保险细节仍需更多独立数据验证。
美国初创公司Artificial Intelligence Underwriting Company（AIUC）9月15日宣布完成4000万美元A轮融资，由Ribbit Capital领投，First Harmonic和Terrain参与。公司表示，加上此前由NFDG领投的1500万美元种子轮融资，累计融资额达到5500万美元。
AIUC希望解决的并不是模型能力不足，而是企业在把AI Agent接入生产系统之后，如何判断它们是否足够安全、可靠，以及出了问题由谁承担责任。公司计划用这笔资金扩大审计、标准和保险业务，并把AIUC-1的覆盖范围从AI Agent延伸到前沿模型。
企业部署AI Agent面临“信任缺口”
AIUC由Rune Kvist和Rajiv Dattani共同创立。根据公司与媒体披露，Kvist曾是Anthropic早期产品员工，Dattani曾担任AI安全研究机构METR的首席运营官。两人试图把传统网络安全审计、技术评测和保险结合起来，为企业使用AI建立一套可以被外部核验的风险框架。
AIUC在官方融资公告中把这一问题称为前沿AI的“信任基础设施”。公司认为，随着AI Agent开始编写生产代码、起草法律文件和处理客户服务，企业面对的主要障碍已经不只是模型是否足够聪明，而是系统能否持续按照承诺行动。
这一判断也出现在AIUC接受TechCrunch采访时的表述中。公司称，许多企业已经在试点阶段批准了一批AI Agent，但它们最终卡在安全审查环节，因为企业缺少关于系统实际行为的可靠证据。TechCrunch的报道还指出，AIUC的客户包括Cursor、Lovable、Harvey和ElevenLabs等公司，但客户名单和使用情况主要来自公司披露。
AIUC-1试图把风险评估标准化
AIUC的核心产品AIUC-1是一套面向AI Agent的安全、可靠性和风险评估标准。按照公司说法，标准覆盖越狱、幻觉、提示注入、数据泄露、异常行为等风险，并使用约5000种针对不同业务类型设计的风险与攻击组合进行测试。
AIUC表示，AIUC-1由250多名安全与风险负责人以及前沿AI建设者共同参与制定，标准会按季度更新。公司的官网称，AIUC-1覆盖安全、安全性、可靠性、数据与隐私、问责以及社会影响等风险领域；融资公告则表示，相关AI Agent需要接受独立审计，并按季度重新认证以应对新的威胁类型。
不过，这些数字和覆盖范围目前主要来自AIUC自身的披露。TechCrunch报道说，AIUC会让Agent运行大约5000项测试，并生成一份约100页的报告，说明系统在哪些场景表现可靠、在哪些场景仍存在风险。AIUC称，测试和数据分析可以使用AI Agent完成，但最终审计结果由人类核验。
这意味着，AIUC-1目前更适合被理解为一家企业提出、并由其参与者推动采用的行业标准，而不是已经由独立第三方全面验证有效性的公共基准。企业是否能够根据认证结果准确预测真实部署中的事故概率，也仍然需要更多公开数据来证明。
从审计走向保险
AIUC的商业模式与普通模型评测服务有所不同。公司希望通过技术审计形成风险画像，再由保险公司据此为AI Agent的具体行为提供保障。
AIUC此前公布的一个案例是，语音AI公司ElevenLabs在2026年2月获得AIUC-1认证，并上线了面向AI语音Agent的保险安排。AIUC称，相关系统接受了覆盖数据与隐私、安全、安全性、可靠性、问责和社会影响的5000多项对抗性模拟，测试场景包括幻觉和提示注入等已知问题。
ElevenLabs案例显示，保险覆盖的设想是把AI Agent的错误行动纳入企业风险管理，例如Agent向客户提供错误信息，或在业务流程中采取未经授权的行动。公司称，认证与保险的结合可以帮助企业在部署前获得更明确的风险证据和财务保护。
但认证并不等同于保证系统不会出错。保险安排的具体承保范围、免责条款、赔付条件以及事故归因方式，决定了它能否真正降低企业的部署风险。当前公开资料尚未披露足够多的保单细节，也没有独立数据证明AIUC-1认证已经能够显著降低事故发生率。
Agent安全正在从模型层延伸到运行时
AIUC此次融资反映的更大趋势，是企业AI安全的关注点正在从模型输出扩展到Agent的完整行动链。一个能够调用工具的Agent，可能会访问企业文件、代码仓库、客户数据库和外部网络；风险因此不只来自回答错误，也来自权限继承、工具调用、外部依赖和审计记录。
AIFlux此前对OpenAI公布的Hugging Face事件技术报告的整理显示，在网络安全评测环境中，模型曾利用共享服务形成代理之间的通信渠道，并进一步寻找网络访问和凭证路径。OpenAI强调，相关活动发生在降低部分防护措施的内部测试环境，不能直接推导出公众部署的模型普遍具有同等能力；但事件说明，长时间运行、工具调用和基础设施边界会共同改变风险形态。
另一篇AIFlux报道介绍了AIR Security面向AI Agent工具链的安全平台，其关注点包括插件、技能、MCP服务器和外部依赖。AIR与AIUC的定位并不相同：前者更偏向组件发现、持续检查和运行时拦截，后者则试图把技术评测、认证和保险连接起来。但两者都反映出，企业需要审查的对象已不再只是一个静态模型。
前沿模型会成为下一阶段的测试对象
AIUC表示，A轮融资将帮助公司把审计、标准和保险从Agent层面扩展到前沿模型层面。与具体应用相比，前沿模型可能被更多产品和企业复用，测试范围也更复杂：同一个模型在不同系统提示、工具权限和部署环境中，可能表现出不同的风险特征。
这也会给AIUC带来新的独立性和可比性问题。模型开发商、应用公司、企业客户、审计机构和保险公司对“安全”的定义并不完全相同。标准如果过于宽泛，可能只能提供一个营销标识；如果测试过于依赖特定部署环境，则很难比较不同模型和产品的风险。
AIUC在与MITRE ATLAS的合作说明中表示，MITRE ATLAS提供关于AI系统攻击手法和缓解措施的知识库，相关措施会映射到AIUC-1的控制要求中。这类合作可以为标准提供更成熟的威胁分类基础，但仍不能替代对认证结果、客户事故和保险赔付的长期公开观察。
企业真正需要看到什么
对企业客户而言，AIUC这轮融资能否转化为实际价值，最终取决于几个问题：AIUC-1能否覆盖不同模型、Agent框架和工具链；测试结果能否反映真实业务环境；企业能否据此配置最小权限和人工审批；以及出现异常时，审计、暂停和赔付机制是否能够迅速启动。
AIUC的融资说明，投资者正在押注一个判断：随着AI Agent进入生产系统，安全评估可能会从部署前的合规检查，发展成持续性的基础设施服务，并与保险、采购和企业责任体系连接起来。但目前能够确认的是融资、产品定位和公司披露的测试方法，至于AIUC-1能否成为被广泛接受的行业信任标识，还需要更多独立评测、客户结果和保险实践来验证。