AIReadsU DIP 获百万种子轮，想给 AI 决策加一层「可审计硬地面」

面对 AI 在高风险决策场景中「难以解释」的痛点，AIReadsU DIP 选择了一个差异化切口——聚焦决策依据的语义溯源与问责控制层，而非再造一个全栈决策平台。项目已宣布完成 100 万元种子轮融资，投资方为个人投资者。

行业空白：决策依据的语义溯源仍无人覆盖

Gartner 在 2026 年 1 月发布的首份《决策智能平台魔力象限》中，将决策智能平台（DIP）定义为「将决策建模、分析和知识相结合，以支持、增强或自动化人类或机器决策的软件」。报告指出，DIP 赛道正从边缘概念走向主流共识，但行业核心矛盾在于：AI 可以快速给出「答案」，却无法让使用者确认「这个答案凭什么成立」。

在信贷审批、临床辅助、政务裁量等高风险场景中，如果决策依据无法追溯、决策逻辑无法校验、决策结果无法审计，AI 的「效率优势」只会把风险从人工环节转移到黑箱环节。当前市场上的几类玩家各有侧重：

• 决策建模与规则引擎厂商，如 FICO、SAS
• 图技术底座厂商，如 Neo4j
• Agent 可观测厂商，如 LangSmith

三类玩家能力的交集处，恰好存在一个被忽视的空白——决策依据的语义溯源与问责控制面。

产品定位：决策治理的中间层

AIReadsU DIP 不做又一个全栈决策平台，而是聚焦 Agent 时代新增的问责内核层，围绕语义图谱、确定性推理和可审计账本三条主线，构建面向高风险决策场景的可信决策支撑系统。

技术架构分三层：

• 上下文层：通过知识图谱、GraphRAG 与时间智能锚定结构化事实，解决「数据从哪来」的问题
• 可问责层：实现溯源追踪、决策智能、冲突检测与 PROV-O 合规校验，解决「依据能不能用」的问题
• 扩展层：通过插件与方法注册表支持替换增强现有组件，解决「能不能落到客户既有系统中」的问题

底座采用 RDF 存事实、OWL 推分类、SHACL 做校验、PROV-O 出证据。PROV-O 是 W3C 发布的溯源本体标准，用于表示和交换不同系统中的溯源信息；EU AI Act 对高风险 AI 系统也提出了自动记录事件日志的强制要求。对于面向欧盟市场的 AI 决策产品而言，溯源问责能力正从「加分项」变成「准入门票」。

目标用户与商业模式

项目目标用户集中在三类群体：

• 金融、医疗、政务等高监管行业的决策系统建设方
• 使用 Agent 进行自动化决策的企业
• AI 治理与合规部门

商业模式上，AIReadsU DIP 定位为决策治理中间层：决策建模集成 Drools，服务编排对接客户既有 BPM 系统，只做无人覆盖的监管强制环节，不与既有平台形成替代关系，而是作为补足层嵌入客户已有的技术栈，降低迁移成本。

Gartner 在 2026 年报告中预测，到 2027 年，未经过治理的 AI 决策系统将面临显著增加的合规风险，决策治理能力的缺失将成为企业 AI 规模化落地的主要瓶颈之一。这一判断与 EU AI Act 的强制要求相互印证。

现阶段进展

项目已完成可演示的 proposal gate、WORM 不可变账本与监管证据包，能够在合成数据环境下跑出拒贷、临床决策、政务裁量三类标准场景，从技术验证到场景验证的路径已经打通，下一步关键在于迁移到真实客户场景。

融资方面，AIReadsU DIP 已完成 100 万元种子轮融资，于 2026 年 9 月 22 日完成交割，资金将用于核心产品打磨与标杆客户 POC 落地。创始人徐维挺同时是时序图谱洞察引擎开源发起人与 Context OS 项目创始人，在语义图谱与 W3C 标准领域有长期积累，核心团队近期新增了确定性推理技术专家。

接下来一年，能否在监管合规与商业需求的双重推动下完成标杆客户 POC 落地，将是验证其产品壁垒的关键节点。