巴黎 AI 新創 Arlequin AI 宣布完成 2,800 萬歐元 A 輪融資，目標是把其以證據為導向的分析平台，進一步打造為專有的「拓撲神經網路」（topological neural networks，TNN）。公司鎖定的並非一般問答或內容生成，而是反恐、調查、金融犯罪與資安等高風險場景：決策者不只要讀到一筆筆資料，更需要理解人員、事件、地點、通訊、交易與其他證據之間如何互相連結。12

這筆資金將投向哪裡？

本輪由 redalpine 與 OTB Ventures 共同領投，Bpifrance 的國防創新基金參與；既有投資人 Vsquared Ventures、10x Founders 加碼，Xavier Niel 也加入。Arlequin 表示，本輪資金完全來自歐洲投資人，將用於加速 TNN 研發及技術的國際部署。1210

公司列出的重點包括：

• 訓練及開發專有 TNN 模型；
• 擴充模型研發與營運團隊；
• 擴大在歐洲及海外的商業部署；
• 建立國際據點，包括倫敦與柏林辦公室，並計劃在 2026 年底前於矽谷設立 AI 實驗室。14

融資公告發布時，Arlequin 團隊約有 50 人，其中包含 35 名工程師，以及 15 名博士、研究員與資料科學家。1

TNN 是什麼？關鍵在於「關係」本身

Arlequin 的平台要處理的是來源零碎、格式不一的資訊，例如文件、交易紀錄、影片和營運資料。其主張的 TNN 架構，不只從單一資料點學習，也會從資料的連結結構中學習，包含一次涉及多個元素的關係。1810

換句話說，系統不是把案件視為一堆各自獨立的紀錄，而是嘗試從相互連接的證據中找出模式。例如，在大量資料裡，辨識人物、通訊紀錄、地點與事件之間的可能關聯。對調查或作業決策而言，這些關係有時正是最重要的資訊。110

為何不只是把傳統 AI 模型做得更大？

Arlequin 認為，面對龐大且高度互連的證據資料，只靠增加模型參數、資料量與算力來擴展既有 AI，未必是最佳做法。公司主張，TNN 可呈現複雜、多元素交互作用，同時保留回溯原始資料的可追溯性，並降低運算需求。110

不過，這些是公司及投資方提出的技術主張，不應視為已獲獨立驗證的效能結論。目前公開資料說明了架構及其預期優勢，但尚未建立其相較於其他圖分析方法、神經網路架構或大型語言模型的比較效能基準。11014

瞄準反恐、司法調查與金融犯罪等情境

Arlequin 創立於 2024 年，創辦人為研究聖戰主義與地緣政治不穩定的 Hugo Micheron，以及曾任法國國家科學研究中心（CNRS）研究工程師、專注資料科學與人類行為的 Antoine Jardin。公司希望服務必須根據不完整、分散資訊做出關鍵判斷的政府與大型組織。19

其列出的應用方向包括：

• 反恐、安全與國防；
• 刑事及司法調查；
• 詐欺偵測與反洗錢；
• 資安與資訊完整性；
• AI 安全與資安。1

公司舉例稱，系統可在從扣押裝置取得的數百萬個資料點中，串聯人物、地點、通訊內容與事件。更廣泛而言，對需要可解釋分析的金融犯罪、網路風險及複雜營運情報工作，這類能力也可能具有商業價值。1

已在歐洲四國部署，下一步走向國際

Arlequin 表示，其技術已由西歐與東歐的政府及大型組織使用，業務活動涵蓋四個歐洲國家。不過，公司尚未公開每一名客戶或部署專案的細節，因此外界無法僅依公告材料獨立評估實際導入範圍與成效。1

其擴張規劃指向更廣泛的市場：一端是處理安全與國防問題的公部門使用者；另一端則是面臨金融犯罪、資安與資訊完整性風險的企業組織。113

歐洲自主 AI 的實戰考驗

這輪融資也讓 Arlequin 能強化其歐洲定位：在歐洲自主開發、持有的 AI 架構，服務敏感且攸關重大的分析任務。投資陣容中包含 Bpifrance 國防創新基金，也反映情報、安全與關鍵決策工具的戰略重要性。1210

真正的考驗仍在執行。Arlequin 接下來必須證明，其專有 TNN 相較既有的圖分析及 AI 方法，能在準確度、可追溯性、部署成本或實務效用上提供可量化優勢。這筆 2,800 萬歐元資金，正是為模型研發、人才擴編與國際商業化的下一階段所準備。114

巴黎 AI 新創 Arlequin AI 宣布完成 2,800 萬歐元 A 輪融資，目標是把其以證據為導向的分析平台，進一步打造為專有的「拓撲神經網路」（topological neural networks，TNN）。公司鎖定的並非一般問答或內容生成，而是反恐、調查、金融犯罪與資安等高風險場景：決策者不只要讀到一筆筆資料，更需要理解人員、事件、地點、通訊、交易與其他證據之間如何互相連結。12

這筆資金將投向哪裡？

本輪由 redalpine 與 OTB Ventures 共同領投，Bpifrance 的國防創新基金參與；既有投資人 Vsquared Ventures、10x Founders 加碼，Xavier Niel 也加入。Arlequin 表示，本輪資金完全來自歐洲投資人，將用於加速 TNN 研發及技術的國際部署。1210

公司列出的重點包括：

• 訓練及開發專有 TNN 模型；
• 擴充模型研發與營運團隊；
• 擴大在歐洲及海外的商業部署；
• 建立國際據點，包括倫敦與柏林辦公室，並計劃在 2026 年底前於矽谷設立 AI 實驗室。14

融資公告發布時，Arlequin 團隊約有 50 人，其中包含 35 名工程師，以及 15 名博士、研究員與資料科學家。1

TNN 是什麼？關鍵在於「關係」本身

Arlequin 的平台要處理的是來源零碎、格式不一的資訊，例如文件、交易紀錄、影片和營運資料。其主張的 TNN 架構，不只從單一資料點學習，也會從資料的連結結構中學習，包含一次涉及多個元素的關係。1810

換句話說，系統不是把案件視為一堆各自獨立的紀錄，而是嘗試從相互連接的證據中找出模式。例如，在大量資料裡，辨識人物、通訊紀錄、地點與事件之間的可能關聯。對調查或作業決策而言，這些關係有時正是最重要的資訊。110

為何不只是把傳統 AI 模型做得更大？

Arlequin 認為，面對龐大且高度互連的證據資料，只靠增加模型參數、資料量與算力來擴展既有 AI，未必是最佳做法。公司主張，TNN 可呈現複雜、多元素交互作用，同時保留回溯原始資料的可追溯性，並降低運算需求。110

不過，這些是公司及投資方提出的技術主張，不應視為已獲獨立驗證的效能結論。目前公開資料說明了架構及其預期優勢，但尚未建立其相較於其他圖分析方法、神經網路架構或大型語言模型的比較效能基準。11014

瞄準反恐、司法調查與金融犯罪等情境

Arlequin 創立於 2024 年，創辦人為研究聖戰主義與地緣政治不穩定的 Hugo Micheron，以及曾任法國國家科學研究中心（CNRS）研究工程師、專注資料科學與人類行為的 Antoine Jardin。公司希望服務必須根據不完整、分散資訊做出關鍵判斷的政府與大型組織。19

其列出的應用方向包括：

• 反恐、安全與國防；
• 刑事及司法調查；
• 詐欺偵測與反洗錢；
• 資安與資訊完整性；
• AI 安全與資安。1

公司舉例稱，系統可在從扣押裝置取得的數百萬個資料點中，串聯人物、地點、通訊內容與事件。更廣泛而言，對需要可解釋分析的金融犯罪、網路風險及複雜營運情報工作，這類能力也可能具有商業價值。1

已在歐洲四國部署，下一步走向國際

Arlequin 表示，其技術已由西歐與東歐的政府及大型組織使用，業務活動涵蓋四個歐洲國家。不過，公司尚未公開每一名客戶或部署專案的細節，因此外界無法僅依公告材料獨立評估實際導入範圍與成效。1

其擴張規劃指向更廣泛的市場：一端是處理安全與國防問題的公部門使用者；另一端則是面臨金融犯罪、資安與資訊完整性風險的企業組織。113

歐洲自主 AI 的實戰考驗

這輪融資也讓 Arlequin 能強化其歐洲定位：在歐洲自主開發、持有的 AI 架構，服務敏感且攸關重大的分析任務。投資陣容中包含 Bpifrance 國防創新基金，也反映情報、安全與關鍵決策工具的戰略重要性。1210

真正的考驗仍在執行。Arlequin 接下來必須證明，其專有 TNN 相較既有的圖分析及 AI 方法，能在準確度、可追溯性、部署成本或實務效用上提供可量化優勢。這筆 2,800 萬歐元資金，正是為模型研發、人才擴編與國際商業化的下一階段所準備。114