AI 基建狂飙，最不性感的生意反而火了：帮工地填表的 Dili 融了 2170 万美元

这两年关于 AI 的钱，大头都砸在数据中心和电力设施上。有人从另一头看到了机会：这么多工地同时开工，光是把各类合规文件填对、报齐，就够养活一家公司。

7 月 30 日，一家叫 Dili 的 AI 合规公司宣布完成 1500 万美元 A 轮融资。加上此前的 670 万美元种子轮，累计融资 2170 万美元。A 轮由 Khosla Ventures 领投，安联（Allianz）、Rebel Fund、Brick and Mortar Ventures 的 Darren Bechtel 以及 Y Combinator 的 Garry Tan 跟投。Dili 出自 YC 2023 年夏季批次。

它盯上的是一堆没人愿意读的规则

“用 AI 做合规”现在算不上什么新鲜提法，一抓一大把。Dili 的差异在于它把范围收得很窄——只做美国基建工程的合规，尤其是那些拿了联邦资金的项目。

联合创始人兼 CEO Anand Chaturvedi 举的例子是 Davis-Bacon 法案，这套规则允许劳工部为特定项目设定现行工资标准。另一套叫 PWA 的现行工资与学徒制规则，适用于《通胀削减法案》资助的清洁能源项目。除此之外，根据施工内容不同，还会牵扯 OSHA 的职业安全条款和 EPA 的环保规定。

这些要求层层叠叠、互相交错，而且犯一点小错代价就不小。

“不合规可能让这些项目被罚掉数百万美元。所以能在信息进来的当下就全部核对一遍，而不是抽样检查，这件事的价值非常大。”——Dili 联合创始人兼 CEO Anand Chaturvedi

抽样和全量的区别，就是这门生意的入口。人工审核只能抽查，成本摆在那儿；机器读得快，才有可能一条不落。

大模型被关在数据层，不让它拍板

罚款以百万美元计，可靠性就成了绕不过去的坎。做合规最怕的恰恰是大模型那点”差不多就行”的毛病——它给你一个听起来很像回事的答案，你还不知道错在哪。

Chaturvedi 说 Dili 的架构从设计上就把这个风险堵住了：AI 模型只在数据层出现，负责把非结构化的文档翻译成结构化数据；再往后，由一套确定性系统按照复杂但静态的合规规则做分拣判定。

• AI 负责”读懂”——处理 PDF、扫描件、工资表这类乱七八糟的输入；
• 规则引擎负责”判定”——同样的输入永远得到同样的结论，可追溯、可复核；
• 结果是过去一整天的工作量，现在几分钟就能跑完。

这个分工看着朴素，却是当下企业级 AI 里少见的清醒做法。很多产品恨不得把判断权也交给模型，因为那样演示起来更炫；Dili 反过来，把模型能力限制在它最擅长也最不容易出事的环节。

Chaturvedi 描述过他想要的那个状态：把一家公司所有内部文档、所有供应商文档、所有 ERP 信息、所有工资系统数据放在一起通读，然后精准抽出报表或合规所需要的那部分。

700 个项目，一半自用一半外包

这套东西已经跑起来了。Chaturvedi 说软件目前用在”大约 700 个项目”上，从制造工厂到数据中心都有。

更有意思的是收入结构：大约一半客户把 Dili 当成内部软件工具用，另一半干脆把整个合规流程外包给 Dili，按承包商模式合作。两种合同 Dili 都接，但 Chaturvedi 预计行业未来几年会更多往软件模式偏。

他的判断是，软件和 AI 会开始吃掉大量专业服务类的工作流，越来越多的公司会把这些活收回自己手里。这话说白了就是：现在的外包收入，本质上是过渡期的红利。

这轮 AI 淘金热的另一种铲子

AI 基建的故事讲了两年，主角一直是芯片、机柜、变电站。Dili 提醒了一件常被忽略的事：任何一轮大规模基建，配套长出来的都不只是钢筋水泥，还有一整套文书工作。工地越多，表格越多，罚单风险越大。

Khosla 愿意领投一家做工地合规的公司，赌的也是这个——AI 泡沫会不会破是一回事，那 700 个工地上的 Davis-Bacon 表格今天就得交。这类需求不依赖模型能力再上一个台阶，也不需要客户相信 AGI，它只需要基建热潮持续开工。在满屏”下一代模型”的叙事里，这可能反倒是更耐摔的一门生意。