EvenUp：AI自动生成人身损害索赔材料按案计费

📌 背景

美国人身损害赔偿（Personal Injury）索赔流程繁琐，涉及海量医疗记录、账单与长时间谈判，原告律所与保险公司之间存在明显的信息不对称，传统模式下起草一封索赔需求函往往要花数天甚至一周。2026年AI垂直应用进入规模化落地阶段，法律科技融资创历史新高，EvenUp凭借自研垂直大模型Piai切入这一细分场景，从文档生成工具升级为软件与人工服务结合的诉前全流程外包，估值突破20亿美元。

👤 目标客户

美国原告人身伤害律所是直接付费客户；最终受益对象是人身伤害案件的受伤当事人，由律所借助工具为其争取更高赔付金额。

💰 盈利点

1）面向律所按处理案件量或索赔量收取单案固定费用，也提供面向高频大规模律所的年度企业级订阅合同；2）2026年推出诉前服务（PLAAS）后增加按案全包的一站式服务费，形成「软件订阅+按案计费+人工托管服务」的复合收入结构；3）配套培训：面向律所内部团队提供产品上手集训与增值课程，按服务包结算费用。

🧮 成本结构

自研Piai模型训练与AI算力基础设施成本，数百万页医疗记录与数十万起历史案件的数据获取、清洗与标注成本；美国本土案件管理人工团队、销售与客户成功团队以及研发人员薪酬构成主要运营支出。

🛡️ 护城河

构建了汇聚数千家合作律所匿名化历史判赔和解数据的结算数据库，案件数据越积累越完整，AI给出的案件估值也随之更精准；叠加基于25万份判决书与数百万页医疗记录训练的专有垂直大模型，形成竞品难以复制的数据与模型双重壁垒；服务美国前100大人身伤害律所中约两成，具备头部客户背书效应。

🔑 成功关键

• 持续扩充结算数据库，让估值与索赔函质量随案件量增长越用越准
• 深耕垂直场景并叠加人工托管服务，从工具商升级为业务运营伙伴
• 锁定头部律所客户形成灯塔效应，带动腰部律所跟进采购

⚠️ 风险

• 单一垂直市场天花板有限，增长依赖渗透率与客单价同步提升
• 医疗与案件数据涉及隐私合规，监管趋严可能抬高合规成本
• 法律科技赛道融资火热，同质化AI索赔工具与降价竞争加剧

🏢 案例

• EvenUp完成1.5亿美元E轮融资，估值翻倍至20亿美元，累计融资近3.85亿美元
• Moet Law Group将需求函起草周期从7天压缩到30分钟
• 2026年5月推出Pre-Litigation as a Service诉前服务与全所知识库产品

📊 SWOT 分析