美国AI合规初创公司Dili获1500万美元A轮融资，累计融资2170万美元。其系统已应用于约700个基建项目，覆盖制造厂与数据中心，通过确定性AI架构实现分钟级合规核查，规避大模型不确定性风险。
据 TechCrunch 报道，美国 AI 合规初创公司 Dili 于 2026 年 7 月 30 日宣布完成 1500 万美元的 A 轮融资，叠加此前 670 万美元种子轮，公司累计融资达 2170 万美元。
专注基建合规痛点，直击联邦资金项目规则复杂性
Dili 由联合创始人兼 CEO Anand Chaturvedi 创立，核心定位是为获得美国联邦资金支持的新型基础设施项目提供 AI 驱动的合规管理工具。其技术覆盖范围包括《戴维斯-培根法案》（Davis-Bacon Act）规定的工资标准、《通胀削减法案》（IRA）下清洁能源项目的“现行工资与学徒制”（PWA）规则，以及 OSHA 职业安全与 EPA 环保等多重监管要求。
Chaturvedi 指出：“不合规可能导致单个项目面临数百万美元罚款。”他强调，传统抽样式人工审核已无法应对高频、高风险的实时合规压力，“必须在数据进入系统时即刻全量校验，而非事后抽查。”
“非合规可能给这些项目带来数百万美元的罚款，因此能够在信息一进入系统时就进行全面核查，而非仅采样数据，具有极强的实际价值。”——Anand Chaturvedi，Dili 联合创始人兼 CEO
确定性架构规避大模型模糊性，处理效率提升百倍
为保障合规结果的法律可追溯性与零容错，Dili 采用分层技术架构：大语言模型（LLM）仅用于底层数据层，负责将工程图纸、分包合同、ERP 系统日志、 payroll 记录等非结构化文档自动解析为标准化字段；而所有规则匹配、判定与报告生成，则交由基于静态法规逻辑构建的确定性系统执行。
该设计避免了通用大模型常见的“幻觉”输出，确保每一条合规结论均可回溯至具体法条条款与原始凭证。Chaturvedi 举例称，过去需一整天人工完成的跨系统数据比对与报表生成任务，现可在几分钟内自动完成。
“想象一下，能同时读取一家公司全部内部文档、所有供应商文件、全部 ERP 信息及薪酬系统数据，并精准提取出用于上报或合规所需的特定字段。”——Anand Chaturvedi，Dili 联合创始人兼 CEO
已在约 700 个项目落地，软件授权与外包服务双模式并行
据原文数据显示，Dili 系统目前已部署于约 700 个实体项目中，覆盖制造工厂、超大规模数据中心等典型基建场景。其中，约一半项目采用软件即服务（SaaS）模式，将 Dili 系统嵌入企业内部 IT 流程；另一半则以全托管方式，将整套合规流程外包给 Dili 作为第三方服务商。
Chaturvedi 表示，尽管当前两类合作模式占比均衡，但长期趋势明确：“软件和 AI 正快速替代大量专业服务工作流，未来更多客户将选择将合规能力内化。”他同时指出，市场演进方向将取决于客户实际需求变化与 AI 能力边界的持续拓展。
来源：TechCrunch
本文编译自海外媒体报道，由 SCI.AI 编辑团队整理发布。
