父子档创业，投4000万美元自训基础模型，想用AI改造项目合规审查这个场景

文｜秦明

封面｜企业官网

2025年底，这家父子档创业公司Armeta AI完成100万美元种子轮融资，投资方是美国-卡塔尔合资基金。更值得关注的是，团队计划未来两年投入4000万美元开发自有基础模型。

一开始切中的痛点是：建筑合规性审查。建筑项目开工前必须经过政府审查。设计图纸、预算文件、技术规范、3D模型，几百份文档要逐一核对。工程师得检查印章、签名、日期，确认每份材料符合建筑法规。

这个过程在当地有多慢？按规定，文件完整性检查需要5个工作日，项目审查需要45个工作日。加上环评、技术条件审批，整个流程经常拖上一年。CEO Temirlan说得直白：”我厌倦了看到工程师把90%的时间浪费在重复性工作上。他们苦读多年，可不是为了每天验证一百个印章。”

数据更能说明问题。创始团队谈到，比如哈萨克斯坦每年只有几千个项目通过国家审查。不是需求不足，而是人工审查处理不过来。对投资人来说，审查慢就是钱慢。这就是Armeta AI瞄准的核心市场痛点。

关于技术路径，创始团队很清楚，用ChatGPT这类通用模型做不了这件事。

Armeta AI的解决方案是训练领域专用基础模型。数据来自父亲Sanzhar 25年积累的工程档案。Sanzhar是资深工业工程师，有6次成功退出经历。他和法国技术巨头Technip Energies、意大利工程公司Maire Tecnimont建立过合资企业。这些公司都是全球顶级承包商，2024年订单规模都在百亿美元以上。

通过这些合作关系，Armeta AI拥有20年以上的独家工程数据。包括图纸、文档、3D模型、技术规范、项目预算。这些数据极其稀缺，涉及商业机密和项目保密，外人根本拿不到。

这就是Armeta AI的护城河。通用大模型公司有再多钱，也买不到这些数据。

有了专业数据，还得有专业架构。具体是采用多智能体架构，想把准确率做到极致——多个AI模型同时处理同一个审查任务，互相检查对方的结果，优化数据，纠正错误。这个设计的核心思想是交叉验证。就像工程项目里的多级复核机制，一个模型的输出必须被其他模型验证通过。

团队的目标是接近零幻觉。虽然还没有公开的准确率数据，但政府项目容错率极低，如果AI频繁出错，合同立刻终止。

CEO是德国Constructor University工业工程与商业管理专业，在德国物业管理公司工作4年；首席业务拓展官是其父亲Sanzhar，25年工业技术与工程经验；CTO是Sanzhar好友的儿子Nuraly，英国的计算机科学专业。整个团队26人，其中15个AI/ML工程师，7个研究人员。

建筑审查的复杂性在于，信息分散在不同载体。工程图纸是视觉信息，技术文档是文字信息，3D模型是空间信息，预算表格是结构化数据。

倘若Armeta AI的平台未来能同时正确理解所有这些格式信息。人类专家最终拿到的是一份现成的AI审查结果，包括问题清单、证据链、具体位置。原本需要几周的工作，压缩到几小时。

种子客户是哈萨克斯坦建筑许可管理局，国家级试点项目。部署方式很直接——政府门户网站通过API接口，把文件自动传给Armeta AI的系统，跑完审查流程，结果回传给政府审查员。商业模式也很清晰。政府采购是固定价格合同，私营企业用订阅制，按月或按年付费。

Armeta AI的路线注定烧钱。4000万美元的投资计划，主要用在数据标注、模型训练、团队扩张。工程数据要逐条处理，教模型理解上下文。模型训练需要大量GPU算力。团队要从26人扩到50-60人。

这不是两周写个产品的快节奏创业，而是两年打磨基础的长周期项目。但回报有可能对得起投入。一旦模型训练成熟，边际成本极低。卖给第一个客户和第一万个客户，技术成本差不多。数据护城河越挖越深，后来者很难追赶。

这件事刚刚开始，我们将持续追踪Armeta AI带给我们的答案……

以上，如果觉得不错，随手点个赞、在看、转发三连吧，也欢迎给个星标⭐，以便您第一时间收到推送～谢谢阅读，下篇内容再见。