EvenUp：被 YC 拒了三次的人身伤害法律 AI，做到 20 万案件、估值 ¥134.4亿

产品是什么

EvenUp 把人身伤害（Personal Injury）法律里最耗人力的环节——整理医疗记录、计算损害赔偿、起草需求函（demand letters）——用 AI 自动化了。

核心是两层：

• Claims Intelligence Platform：把案件材料结构化，生成证据时间线、损害赔偿估算与需求函
• Piai 模型：EvenUp 自研的、专门在人身伤害场景训练的法律 AI 模型

它服务的对象很明确：人身伤害律所。这些所手里堆着成千上万页医疗记录，过去靠 paralegal（律师助理）人工梳理，慢且贵。EvenUp 把这件事压缩成几分钟。

怎么赚的钱

面向律所按案件量或订阅收费。规模数据（官网与融资新闻口径）：

• 已处理 20 万+ 案件，撬动 ¥672亿+ 赔偿金额
• 服务 2000+ 律所，其中包含全美 Top100 人身伤害律所的 20%
• 周处理约 1 万起案件
• ARR 同比增长翻倍

融资节奏：

• Series E ¥10.08亿，Bessemer Ventures 领投，2025 年 10 月，估值 ¥134.4亿+
• 累计融资 ¥25.87亿

值得一提的是，YC 曾三次拒绝它。创始人没等加速器点头，按自己的节奏把公司跑到了这个体量。

流量从哪来

EvenUp 的获客是律所直销 + 行业口碑的组合。人身伤害是个高度圈层化、靠转介绍的市场——一旦头部大所（Top100 里的 20%）用起来并拿到结果，示范效应会带动一长串中腰部律所主动找上门。配合法律科技内容建立专业认知，获客成本被「结果可量化」天然摊薄：客户能直接看到「这个案子多拿了几十万美元」。

站长是谁

三位联创：

• Rami Karabibar：CEO / 联创
• Saam Mashhad：联创
• Raymond Mieszaniec：联创

2019 年在旧金山创立。创业前他们观察到：人身伤害案件的证据整理完全是劳动密集型，而这类案件平均要拖 2 年才结案，律所手里积压的案件越多，越需要把重复劳动外包出去——这正是 AI 能立刻变现的缝隙。

这个案例能学到什么

第一，挑一个「文件极重、专业人士极贵」的垂直。人身伤害法律满是医疗记录和损害赔偿计算，AI 替代的是真金白银的人力，省下的每一小时都是客户愿意付的钱。垂直越痛，付费意愿越强。

第二，自研行业模型比套通用大模型更能筑墙。EvenUp 没停在「ChatGPT + 提示词」，而是训了 Piai。通用模型谁都能接，行业模型才是你的。

第三，被顶级加速器拒绝不等于不成立。YC 拒了三次，他们照样跑出来。拒绝是别人的判断，不是市场的判决。

第四，用「已解决案件数/撬动赔偿额」做信任证明。对律所来说，「我们处理过 20 万案、撬动 100 亿赔偿」比「我们融了 3.85 亿」更有说服力。把结果当广告。

第五，先啃下头部 20% 大所，长尾自然跟随。垂直市场头部集中，拿下标杆客户，剩下的靠口碑自动流进来。标杆 > 铺量。

来源与数据

• 站点：https://evenuplaw.com
• 产品：Claims Intelligence Platform + 自研 Piai 法律模型，面向人身伤害律所自动化证据整理与需求函
• 规模：20 万+ 案件、¥672亿+ 赔偿、2000+ 律所（含 Top100 的 20%）、周处理约 1 万案；ARR 同比翻倍
• 融资：Series E ¥10.08亿（Bessemer 领投，2025-10）@ ¥134.4亿+ 估值，累计 ¥25.87亿；YC 曾三度拒绝
• 团队：Rami Karabibar（CEO）、Saam Mashhad、Raymond Mieszaniec，2019 旧金山创立
• 市场背景：人身伤害法律市场规模约 ¥4,099.2亿，平均案期约 2 年（行业公开数据）

一句话总结

三个被 YC 拒了三次的人，挑了「文件最重、人力最贵」的人身伤害法律做切口，自研 Piai 模型把医疗记录整理和需求函自动化，用 20 万案件、100 亿赔偿的硬结果拿下 2000 家律所、估值冲到 ¥134.4亿——它证明被拒绝的创意，照样能长成垂直 AI 的巨头。