Z Waves｜专访 K2 Lab 王铭：三个月 GMV 破千万美元，垂直 Personal Agent 怎么赚钱？- 大数跨境

首页

Z Waves｜专访 K2 Lab 王铭：三个月 GMV 破千万美元，垂直 Personal Agent 怎么赚钱？

Z Finance

2026-10-26

导读：从销售分佣走向智能经营系统

不收达人软件订阅费，不卖 Token，仅从真实成交的增量销售额中抽佣，一款 AI Agent 能在三个月内跑出多少业绩？

K2 Lab（攀峰智能）交出的答卷是：GMV 超 1000 万美金，内容出单率达海外平台平均水位的数倍。凭借按结果付费的垂直场景个人商业智能体（Personal Commerce Agent）模式得到验证，公司近期完成由凯泰资本投资的数千万人民币天使+轮融资，半年累计三轮融资，正式迈入规模化扩张阶段。

今年 6 月全面公测的 Moras，是 K2 Lab 面向千亿美金海外内容电商市场推出的 AI 产品。它摒弃了主流“卖工具”逻辑，达人无需预付费用，只需授权账号，AI 即可自动接管选品、脚本、数字分身视频生成与发布的全链路工作。达人仅需简单确认或委托执行，即可在碎片时间参与销售分佣。

K2 Lab 创始人、前钉钉最年轻副总裁王铭指出，Personal Agent 的商业化核心在于“谁为结果付费”及“收入能否覆盖成本”。Moras 选择切入创作者商业经营垂直场景，通过直接帮用户赚钱消除付费决策摩擦，而非单纯提供省时提效的工具。

相比传统依赖人海战术、仅服务头部主播的 CPS 服务商，Moras 结合自研垂直模型与多智能体工程，将重人力服务转化为可规模化复制的“智能经营系统”。这大幅降低了服务边际成本，激活了全球数千万中腰部达人的变现潜力，正向服务全球创作者的 AI 原生内容电商操作系统（Agent OS）演进。

零订阅费承压前行，公测三月破千万美金 GMV

ZF：Moras 公测三个月 GMV 突破 1000 万美金，商业模式及闭环是如何跑通的？

王铭：核心模式是赚取商家佣金并分润给达人。对卖家而言，无需预付广告费或入门费，完全按带来的增量销售额分佣；对达人而言，无绑定、无订阅费、无 Token 费，无需主动接单或申请样品。系统直接获取商品信息，结合达人数字分身生成并发布内容，成交后自动分佣。

这一成绩超出预期，证明了在垂直场景中，深度融合行业 Know-how、工程与模型，即可实现按效果付费的商业闭环。

ZF：与传统 MCN 或代运营的 CPS 模式相比，Moras 的本质区别是什么？

王铭：传统模式依赖人力，受限于沟通与管理成本，仅能服务少数头部主播。Moras 利用 AI 将商业服务转化为可规模化复制的“智能经营系统”，底层调用同一套模型矩阵与 Agent 能力，即可为海量中腰部长尾达人提供个性化服务，且成本可控。

ZF：系统的壁垒体现在哪里？

王铭：壁垒在于数据飞轮。系统基于第一性原理，实时回流用户背景、偏好及真实成交数据，不断优化“人设-供应链-内容-热点-Timing”的匹配精度。成交规模越大，系统效率越高，形成指数级增长的护城河，而非依赖个人经验。

ZF：为何选择自行承担算力成本，坚持按结果付费？

王铭：单纯售卖 Token 或订阅费的产品往往难以交付实际价值，用户付费意愿随周期衰减。只有直接帮用户赚钱，进入其资产负债表，才能建立长期信任与高 ROI。经过测算，整体分佣留存足以覆盖算力成本及部分试错损耗。

ZF：商家如何认可增量收入？抽佣比例如何设计？

王铭：通过平台数据支持、第三方归因及内容识别，增量归因清晰。商家看重绝对值增量，Moras 提供的定向交付能力填补了市场空白，且出单率远超平台平均水平。现阶段因 Moras 承担主要工作与试错成本，拿取大头佣金；未来随着创作者贡献更多 Context，收益将向达人倾斜。

ZF：针对黑五及全年有何计划？

王铭：旨在助力商家建立本土品牌心智，通过精细化 Subagent 提升转化率。目标是实现年化千万美金量级的公司收入。

赋能中腰部达人：从“变强”到“变贵”

ZF：核心客户画像及选择原因？

王铭：聚焦海外粉丝量 1 万至 10 万的腰部及以下创作者。海外内容电商商业化率低，头部达人依赖品牌广告，带货动力不足；而海量中腰部达人潜力巨大，却是传统服务机构忽略的群体。Moras 降低了运营门槛，让 AI 提供 Know-how 或直接代劳，先帮达人赚到钱，再在实践中培训。

ZF：普通用户如何通过 Moras 完成闭环？

王铭：流程极简：授权账号后，系统分析画像自动生成包含商品、视频、文案的示例内容。用户确认发布或授权全自动执行。核心在于通过经营结果建立信任，逐步深化 AI 对用户背景的理解，降低投入门槛，创造超额 ROI。

ZF：如何应对平台对 AI 内容的规范？

王铭：平台反感的是劣质违规内容。Moras 致力于生成高于平台平均水位的优质内容，提供有价值信息并真实表达达人调性。作为提升平台生态商业化率的合作伙伴，我们与平台保持深度合作与迭代。

垂直 AI 应用必由之路：模型与应用一体化

ZF：为何坚持自研垂直多模态模型？

王铭：未来头部垂直 AGI 公司必然是模型与应用一体。通用大模型在垂直多模态场景理解有限、成本高昂且难以构建壁垒。自研垂直小模型矩阵（几十 B 量级）能在关键任务上以更优成本交付结果，形成数据与模型的马太效应。

ZF：模型架构及技术底座特点？

王铭：模型矩阵包含长链条 Agentic 推理、多模型调度、多模态理解及内容生成四个层面。重点自研理解与预测模型，前置评估“人货内容”匹配的预期 ROI，低预期组合直接过滤，避免消耗昂贵的后端生成算力，从而大幅提升整体 ROI。内容生成环节则灵活调用外部成熟模型。

ZF：Multi-Agent 协作与强化学习闭环如何实现？

王铭：各业务环节设子 Agent，蒸馏专家经验并结合真实商业结果作为 Reward 进行进化。强化学习核心在于动态调整奖励机制及丰富 Context 记忆库，通过细粒度变量排列组合与真实出单数据验证，不断优化转化策略。

拒绝伪需求：直接交付 ROI 才是真刚需

ZF：为何选择海外内容电商赛道创业？

王铭：创业方向需满足：AI 能端到端交付、低摩擦渗透、刚需可衡量、按效果付费。海外内容电商规模巨大，符合多模态非线性增长特征，是创业公司构建壁垒的理想场景。相比之下，国内 ToB 毛利低、定制化重，海外传统 ToB 被巨头垄断，均非最佳选择。

ZF：如何理解“Outcome-driven Personal Agent”与主流“省时间”类 Agent 的差异？

王铭：“省时间”获得感不具象，付费意愿不确定。直接创造可衡量的货币价值（帮用户赚钱或省钱），进入用户资产负债表，才是最低摩擦的付费路径。通用 Personal Agent 多在简单高频场景抢占入口，但价值厚度不足；未来核心竞争力在于垂直场景的结果交付能力。

迈向 Agent OS：掌握 A2A 时代的交易托管权

ZF：如何理解 Moras 的中长期壁垒及 Agent OS 定位？

王铭：大模型推动电商进入“意图时代”，AI 通过 Intent 撮合提升匹配效率。未来商业将演变为 A2A（Agent to Agent）低摩擦交互，人的可信信源价值放大。Moras 旨在打造面向几亿创作者的 Agent OS，沉淀结构化 Context 与意图，提供可信推荐与高效执行，掌握交易托管权。

ZF：创业过程中最大的感悟？

王铭：需对细分行业保持敬畏。单纯的技术创新无法持久，必须深入垂直领域，尊重商业逻辑与行业 Know-how，才能交付真正的商业结果。组织形态上，应将机械工作交给 AI，激发人的创造力，通过 Personal Context 中枢实现信息对齐与快速决策。

AI 大幕初启，K2 Lab 正在招募新成员：