无事 AI 用智能体切入小额纠纷，按结果收费并启动天使轮

在中国，每年有数千万元民事纠纷发生，但真正走进法院的不足两成。标的额小、周期长、律师费高，大量交通事故、劳动欠薪、租房纠纷的当事人最终选择「算了」。一家名为「无事 AI」的成都创业公司正在尝试用 AI 智能体 + 人工指导师的协同模式承接这一市场，并已于近期开放天使轮融资，计划融资 300 万元、出让 10% 股权。

市场背景：诉讼渠道之外的增量空间

无事 AI 创始人佟晨将所处赛道定义为「结果层服务真空」：诉讼渠道装不下海量小额纠纷，律所按标的收费的模式天然看不上万元级案件，通用 AI 工具能生成文书却无法交付结果，而灰色「维权」产业正在以投诉轰炸、威胁施压等手段收割这一空间。

市场体量并不小。据最高人民法院数据，2025 年全国法院受理民商事一审案件超过 2000 万件，同比增长 11%；仅机动车交通事故纠纷一类，2025 年一季度受理量即达 33 万件，同比增长 59.21%。法院受理之外，停留在诉前调解和自行协商阶段的纠纷量级更为庞大。以交强险为例，其年赔付池规模约 2262 亿元，但大量伤者因缺乏专业协助接受了低位报价。

产品逻辑：漏斗式交付与按结果收费

无事 AI 的产品形态是「漏斗式交付」：用户先通过免费 AI 诊断获得案情分析、法定赔偿区间测算与方案推演；案情复杂时，由经认证的专业指导师一对一介入，负责与对方及保险公司进行边界谈判，直至赔款到账。收费采用「按结果收费、未获结果不收费」模式，赔偿款直达客户账户，平台仅收取约定服务费。

这一定价模式也改变了获客逻辑。佟晨本人曾以法律博主身份处理过数百起纠纷，其自媒体账号即构成项目最初的获客渠道，当前单均获客成本约 10 元，远低于行业投流参照价 200–500 元。项目上线两个月已累计完成 40 余单付费交付，环比增长 21%，毛利率约 65%。

数据壁垒：过程数据与「人工即研发」

无事 AI 将核心壁垒押注在「过程数据」上。佟晨打了一个比方：判决书相当于棋谱最后一行的「黑胜」，而谈判过程数据相当于对弈的每一步——只告诉 AI「这局赢了」它什么也学不到，告诉它每一步的局面与应对，它才能学会下棋。裁判文书公开了二十年，没有训练出任何能谈判的 AI，原因就在于训练需要的是路径而非终点。

在他看来，过程数据有三重价值：

• 不可得性：谈判发生在理赔室与对话窗口里，没有任何制度要求公开，爬不到、买不到，也无法用合成数据替代——合成数据模仿得了统计分布，模仿不了真实博弈中的因果关系。
• 因果结构：结果数据只有相关性，过程数据自带「什么动作在什么节点引发什么响应」的因果链，这正是谈判策略的全部。
• 复利属性：法条和判例会过期，但博弈结构可跨品类迁移——交通事故中验证的谈判模式大部分可复用于工伤、欠薪与租房纠纷。

目前项目已沉淀 500 余个真实案件、超 15G 非诉博弈语料。

与之配套的是一套反直觉的成本观：无事 AI 将一线人工定义为研发支出而非服务成本。AI 当前只能独立解决约 30% 的常规案件，剩余疑难案件由人工完成，而人工解决疑难案件的每一步——话术选择、证据组织、谈判节奏——都被结构化记录并回流训练系统，下一次同类案件即可由 AI 独立处理。「人工解决的不是这一个案子，是这一类案子的永久解决。」佟晨表示。按其测算，AI 解决率每提升 10 个百分点，人工承接比例相应下降，毛利率可从 65% 向 85% 的软件区间上行；目标是 18–24 个月内将 AI 独立解决率提升至 70%。

海外参照与下一步

这一路径在海外已有验证：美国 EvenUp 以 AI 加人工切入人身伤害理赔，估值超过 20 亿美元；Mercor 以「人工交付沉淀过程数据、再反哺 AI」的路径实现百亿美元估值；而纯 AI 路线的 DoNotPay 则因虚假宣传被 FTC 处罚，反面印证了「人工兜底 + 合规前置」的必要性。

目前，无事 AI 的微信小程序已于 6 月 15 日上线，APP 预计 9 月下旬上线，算法备案已完成，大模型登记正在申报中。按规划，本轮融资资金将主要投向获客渠道矩阵复制、AI 解决率提升与品类扩展——从交通事故理赔起步，延伸至工伤、欠薪与租房纠纷。