对话K2 Lab王铭：Muse帮人省钱，Moras帮人赚钱，这才是垂直赛道Personal AI的刚需

K2 Lab（攀峰智能）做到了很多 AI 应用想做但没做到的商业模式：不按 Token 收费，按结果收费。

他们的产品 Moras，是面向内容创作者的 Personal Commerce Agent（个人商业智能体），更像达人雇来的一支专业经营团队。从选品、脚本、内容创作，到挂车、发布和复盘，Moras 端到端完成大量经营工作。达人无需预付订阅费或算力费，货卖出去后，双方再从成交佣金中分成。

公测首个季度，Moras 帮助达人完成了超过 1000 万美元的商品交易，近万名此前从未出单的达人完成首单，佣金收入已能覆盖算力成本。

K2 Lab 近期完成了由凯泰资本投资的数千万元人民币天使＋轮融资，也是公司半年内完成的第三轮融资。创始人王铭是一名产品经理出身的连续创业者，曾是钉钉最年轻的副总裁，负责 AI 创新应用、大模型开放及企业 SaaS、服务交易平台等。

为什么选择海外内容电商？王铭的判断是，这是一个快速发展的增量市场，AI 已经能交付长链条商业结果，效果可量化，也能按成交付费。AI 是一种新制造业，几种「按结果付费」里，相比 Muse 帮人提效、省钱，最刚需、商业天花板更高的，是直接帮人赚钱。ROI 够好，才能支撑持续的算力投入。

「我希望用户尽可能少来，但是我们把他的活全给干了。」

Moras 想做的，是先让用户用很少的投入拿到第一个结果，再在持续的回报和协作中赢得信任。用户愿意多讲一点自己的特点、多委托一些经营任务，AI 才有机会更懂用户的 Context、交付更好的结果。

在王铭看来，产品竞争的关键，正在转向信任和授权的效率。

更长远地看，Moras 想从这些长期委托关系切入，把创作者、商家和消费者串起来，一步步推向 Agent 之间直接协作与交易的 A2A 阶段。在 A2A 内容电商时代，Moras 想让每一个创作者，都能凭自己的独特之处，做成过去做不了的生意。普通人也能成为创造价值、分享回报的重要角色。

以下是 Founder Park 与王铭的对话，经编辑整理。

01

帮助中腰部达人完成端到端的带货

Founder Park：Moras 具体能做什么？会怎么向第一次接触 Moras 的人介绍它？

王铭：从 Day 1 开始，我们的介绍就是，她是你雇佣的一个人，或者一个专家 Team。

她有 Know-how 和洞察，能结合用户自己的特点，端到端完成大量工作。从向达人推荐产品开始，达人不用再自己选品、写脚本、拍摄剪辑、抽卡。Moras 可以写文案、挂购物车、选标签、发布，再到发布后的数据分析和下一轮的内容迭代，全都不用达人花太多精力。

我们最需要的，是用户多告诉我们：你是谁、你有什么特点？你是特别擅长销售，还是非常幽默？我们想挖掘的，是这些 memory 和 context。

Moras 在交互层面上会给用户提供四种价值。一是情绪价值，做内容电商需要持续投入，过程中要源源不断地给用户温暖和正反馈。同时要起到提醒和督促的功能，还要去说服他接受新的商业理念。更关键的，是要去 coach 他。

海外创作者还不太懂内容电商，也不愿意学一堆复杂工具，他们下班要回家，周末要度假。最好先赚到钱，再告诉他还要做什么。

所以哪怕强如 Codex 这样的工具，在普通人里的渗透速度也是慢的。但一个真正像人一样，帮你把事做完，还会主动提供情绪价值的产品，才是用户真正想要的。这也是为什么我们把 Moras 的形象设计成一个专业、又很有亲和力的年轻女性。

以下视频来源于K2 Lab

Founder Park：Moras 的用户主要是什么样的达人？

王铭：用户大多是已经有几千到 10 万粉丝之间的中腰部达人。他们通常有自己的主业，也有身兼七份职业的自由职业者、训狗师、孩子妈妈、退休老师、夜店 DJ 等。这些人原本就在分享自己的生活，有人关注，也想通过内容发展一份副业。

光在 TikTok 美国，就有 700 万名申请过带货资格的创作者。他们通过了平台的考试或认证，本身有明确诉求，但大多数从来没有真正卖出过货。别说主业了，连副业都算不上。商业内容创作者的生态，在海外仍有巨大发展空间。

Founder Park：为什么不主力服务头部 KOL 呢？他们的商业化能力不是更强吗？

王铭：海外有一个特点，头部网红和大主播是不做电商带货的，光接商业广告就能赚很多钱了。电商带货需要很强的销售逻辑，要学习怎么选品、管供应链、写带货脚本。他们既不擅长，也不愿意这么卷去学新东西。再加上文化和周期原因，海外直播业态不像国内这么发达，所以海外主力带货群体恰好是中腰部达人。

今天 AI 也很难在所有领域达到顶尖专家水平。但通过把产品做好，我们有机会把 90% 以上原本不具备能力的人先拉起来，再从中找到有独特特点的人，把他们推得更高。

Founder Park：粉丝体量比较小、甚至刚刚起步的账号呢？前期的起号、涨粉这些动作你们能做吗？什么样的账号最容易跑出结果？

王铭：我们现在基本不会专门帮达人做涨粉。在内容平台里，重要的不是你历史积累了多少粉丝，是你有没有特点，你这个账号适配什么样的商品、内容和受众。

只要你的画像和标签有特点，内容就更有机会触达适合的受众。我们只需要把达人的特点识别出来，匹配对应的商品、内容和当下的爆款热点。只要我们在这些排列组合中预测 ROI 的能力足够强，带来的收入能够覆盖算力成本，这个达人就能做出比较好的商业化结果。

前期，我们会帮所有进来的达人发内容去测。即使一个达人原本的账号画像不明确，只要他愿意配合，跟我们的 Agent 多聊一聊，我们还是可以逐渐挖掘出他的特点。

最好的博主不一定粉丝最多，但粉丝转化率可以非常高。我们访谈过一些只有几万粉丝、每月却能赚几万美元的博主。有人每上一件首饰都会立刻卖光，因为粉丝认同她的审美。

我们没有办法从 0 到 1 去塑造一个人设，AI 也塑造不了人。但这个人原本生活里就有的调性和闪光点，以前没有展示方式或者没有时间展示，我们可以帮忙放大。

Founder Park：让 AI 学习爆款结构，做出来的内容会不会趋于同质化，反而伤害达人自己独特的人设？

王铭：我最开始也担心过，后来发现恰恰相反，反而是人类更容易生产千篇一律的内容。

对传统内容生产工厂或 MCN 团队来说，重复生产是 ROI 最高的方式。换一个布景成本很高，所以他们会在同一个布景里拍几个段子，让同一批演员用相似的脚本。

AI 可以做到每一条都跟之前差异巨大。今天呈现户外风格，明天呈现海边风格，都符合自由、热烈的人设。账号的外在内容可以千变万化，但形象、故事、人设是高度一致的。

Founder Park：对第一次使用 Moras 的达人来说，他们会在什么时候出现 Aha Moment？

王铭：第一个时刻是用户第一次完成创作。最开始内测时，我们没有限制次数，很多用户一天创作 100 多条视频。我们问为什么，他们说：「以前一个星期才能做一条，要选品、写脚本、拍摄、剪辑、发布。现在几分钟就能做一条，我一整天都在让 Moras 帮我创作。」

第二个时刻是首次出单。我们最早通过 cold email 找到 100 个种子用户，专门选了那些每天发商业带货视频、但一单都没出过的人。有人已经坚持快一年，偶尔也能申请到商家的样品，却没有赚到钱。第一单卖出去时，他们觉得不可思议，「你们做的内容看起来也没有那么有创意，为什么就能赚钱？」

内容电商有自己的商业逻辑。什么商品适合这个人，人和商品怎样组合，内容采用什么叙事结构、什么 hook、怎样引导用户行动，都会影响结果。只用日常分享的方式随便讲一个商品，通常卖不出去。

第三个时刻，是看到有人能靠这个大幅赚钱。我之前在早期用户群里说，我们会尽快让一个人做到单月销售额 1 万美元。结果一个星期以后就实现了，整个群都很惊讶。

02

不走订阅，

真正的按结果付费

Founder Park：现在用户和营收是什么规模？

王铭：公测的第一个完整月份，我们大概突破了 2 万名注册用户，100 万美元 年化收入。

到上个季度，总共获取了接近 10 万名用户，帮近万名达人完成了首单。单季卖了超过 1000 万美元的货，年化收入已经达到数百万美元。Q4 趁着黑五，我们要争取 1000 万美元以上的单月 GMV，年底冲击 1000 万美元年化收入。

增长首先还是靠更多达人，把中腰部整体的水位拉起来。海外不太会出现一个达人赚得比 10 万个达人还多的结构，平台也更希望腰部整体崛起，形成中间粗、头部和尾部相对小的纺锤形。我们希望先把腰部做粗，未来把尾部做长，让每个人都能成为一个创造价值的节点。

Founder Park：你们现在的商业模式是怎样的？

王铭：纯分成。账号赚的佣金，我们和达人两边分，我们占大头。达人不需要付订阅费或者算力费。

商家端也是一样，我们帮商家卖货，它不需要提前付费，按结果给佣金。如果商家认为我们是更强、短期爆发力更好的销售渠道，也可以给更高佣金，仅此而已。

产品刚出来时，用户雇佣 Moras 还要先给一定的「底薪」，再分成。从今年 6 月公测开始，我们就把底薪去掉了，只收提成。因为发现，把属于达人的部分分出去之后，剩下的收入已经能 cover 算力成本了。我们有信心帮他出单，就用真正创造价值来留住用户。

Founder Park：拿走一半以上的分成，用户为什么接受？

王铭：首先，用户无需预付费用，执行负担也较低，这是最重要的。如果他付出很多，就应该拿到更多。

我们定的规则是，未来如果用户给我们更多 context，由此带来的、超出平均的那部分增量收益，我们会更多分给用户。因为这部分结果来自他本人的特点、专业能力、独特表达，甚至是他的努力。按劳分配、按价值分配，这是经济规律。

Founder Park：很多 AI 产品很难按效果收费，你们为什么能做到？

王铭：归因本身不难。无论中心化平台还是独立站，都有很多归因方式，淘宝联盟、Google 联盟很早就能做。

更重要的是，产品打磨的方向到底是交互效率，还是 ROI 和用户信任？如果从一开始就围绕 ROI 打磨，建立的能力会完全不同，也决定了最后能不能交付结果。这是一条更曲折的路径，前期也要耐得住寂寞。

我们去年 11 月开始创业，大概一周就做出了第一版产品，但没有立刻推广，因为不知道效果能做到什么程度。今年 3 月内测做到很高 ROI 后，我们才有信心，6 月放开公测。结果公测第一个月拉到 1000 多名用户以后，我们就不敢放量了，因为 UE 跌到 1 以下，留存佣金覆盖不了算力成本。

复盘下来发现有两个核心病灶。一是为了观察用户行为，没有限制 AI 的工作量。有用户发现创作门槛大幅降低，让 AI 大量创作和发布内容。但这样其实获取不了什么商业价值，平台也会触发风控、降低推荐。对我们来说，昂贵的算力被白白烧掉了。

另一个是体验上的阻断。前 100 个内测用户都在共创群里，我们团队可以高频互动，解释商业模式是什么、怎么玩、回答他们各类顾虑。大规模放量后，没法再像内测那样靠真人服务，Moras 的主动沟通能力又还没打磨好。很多用户不清楚合作机制是什么、什么叫雇佣 AI，出现问题也找不到人解答，带着顾虑就流失了。

工具类的产品总共就那么多按钮，点完就知道怎么回事了。但我们是一门雇佣关系的生意，用户的顾虑得不到解答，觉得浪费时间，就流失了。后来我们重新打磨产品跟用户的交互，也提醒他不要在自己账号上随意发内容。一个多月后 UE 回到 1 以上，我们才敢大幅放量。

所以今天的产品设计，我认为应该叫「智能产品设计」。产品经理验收的不单纯是按钮，验收的是「智能」，能不能用智能本身把用户在商业模式里的关切点全部解决掉，并取得在垂直场景的商业结果。

Founder Park：To C 的 AI 应用，获客越多，Token 成本越高，你们怎么保证毛利？

王铭：我们内部看经营账分三层。一是能不能 cover 算力这个核心生产资料，二是能不能 cover 营销和研发费用，三是 cover 公司所有行政、管理成本，实现盈利。

对我们来说，毛利率掌握在自己创造价值的能力上。提升毛利空间和提升用户留存目标的方向是一致的，因为毛利空间提升是通过垂直智能来提升商业 ROI 能力，意味着用户赚的钱会越来越多，留存和信任关系也会越来越强。

回到第一性原理。单位 Token 的成本会下降，但未来每完成一个任务消耗的 Token 在指数级放大，算力接下来仍然会是稀缺且昂贵的生产资料。所以无论 To C、To B 还是 To Prosumer（专业消费者），都要先搞清楚，你给用户带来的价值，能不能 cover 算力成本？

AI 就是一种新的制造业。无论是制造快乐、提高效率，还是创造收入，都要考虑消耗的生产资料成本能不能被 cover。

Coding 和视频都属于「模型即应用」的场景，卖给用户的还是生产资料，只是用起来更容易一些。大家不断接新模型、抢首发、花钱拉新，用户交一轮订阅费、充了些 token，发现难以持续使用就离开。不但留存没了，毛利也很难做高。

这个时代的产品，不应该只是帮别人消耗生产资料，要把生产资料加工成有商业增益的结果。做长链条、交付结果，意味着前期要自己承担算力成本，把每个环节打磨得足够细。它起步会慢一些，但未来真正有足够高的天花板。

Founder Park：你们现阶段会重点关注哪些指标？

王铭：AI 时代的 PMF 到底是什么形态，我们还不确定。但我们会关注用户进入后的全链路指标，有多少用户完成一次创作，多少人持续活跃，多少人真正出单。

还要看用户的视频出单率。如果只出过一次单，后面持续不出，他会很沮丧，甚至流失。再往后，是单用户和单视频的出单金额。每条视频只卖一两单，对用户来说也不够 amazing。

最后是用户留存和 UE。把所有成本算下来，公司是不是赚钱。快速放量时如果算力大幅亏损，至少我们自己心里会觉得不对。

现在我们的出单效率接近全平台平均水平的 10 倍。用户坚持发布一个月内容以后，超过一半可以稳定出单。发文后 D+1、D+3、D+7、D+14 的出单指标变化也越来越好。用户流失最主要的原因还是 ROI。投入一点时间，能不能换来至少一份副业的回报？投入更多之后，回报能不能高到把它变成主业？

03

即使到了 A2A 时代，

电商也离不开达人

Founder Park：4月份的时候你在接受采访时就提到，未来每个消费者都可能拥有自己的 Personal AI。最近这一波集中出现的 Personal Agent，和你当时的设想有什么不同？

王铭：大部分是一致的。我那时判断，一定会出现产品化程度很高的 OpenClaw。因为 OpenClaw、Hermes 还是面向早期探索者，用户要自己部署和调试。

我们预判，未来会出现两种类型的 Personal Agent。一种是每个人的超级通用入口，软硬件结合，大概率由大公司掌控。因为大厂基模能力强、生态强，而且掌握了流量分发。通用入口前期价值略薄，用户付费转化率低，又极其吃算力成本，但大厂不 care，创业公司会比较难商业化。

另一种就是我们想做的，面向某类垂直人群，做他们的 Personal Commerce Agent。

Moras 和 Muse 这类产品其实很相似，会「嘘寒问暖」、主动激励。用户去度假，没时间完成这一周的内容创作，她也能在非必要不打扰的情况下，帮你完成工作。

但我当时没想到，Personal AI 来得这么快、火到这个程度。这么多主动式的产品，在长程任务里能持续工作很久、不掉链子。这说明大幅降低用户摩擦，真的可以明显加快用户拥抱 AI 的速度。

很多人觉得 Personal Agent 火是因为情感连接、主动积极或长程任务，其实这些都是表象。本质是它通过主动式、启发式的提问和长程执行任务，真的开始获取你的关键 context、交付复杂结果，否则用户一定没有留存。

Founder Park：Personal AI 的特点在 Moras 上有哪些具体体现？为什么说她是一个垂直的 Personal Agent？

王铭：大家的底层技术架构没有本质差别，但在我们的产品里，Memory 和长程任务发挥的价值是直接跟经济结果挂钩的。

我们的 Memory 要越来越懂这个人，目的是在内容创作里真实地还原这个人、放大他的特点，从而创造更大的商业结果。

提高内容电商转化率的一条重要逻辑，是「价值认同」或「情感认同」。比如，你们同样来自美国东海岸，都是墨西哥裔、失业后带两个孩子的妈妈，老家又同在墨西哥城，那彼此的情感共鸣一定很强。

今天的标签也跟以前搜推时代不一样了，不再是单纯的几个标签词，是一整套个人 Memory 和 Context。

而长程任务对我们的价值，可以用 Investment 和 Return 来解释。如果让用户投入大量时间，却没给他产生价值，他很快就不信任你了。

今天 Personal Agent 拼的不是交互效率，是信任和授权的效率。用户愿不愿意持续地、螺旋上升地授权你更多事情、更长时间和更多个人 context，取决于你持续帮他获取 ROI 的能力。如果用户的 Investment 压得足够低，你的 Return 早期低一点也没关系。

这改变了今天产品设计的关键哲学。我是产品经理出身，以前做互联网产品的重要逻辑是提高粘性，盯着各个页面的跳出率。今天帮人赚钱的 Personal Commerce Agent 反过来了，我希望用户尽可能少来，但是我把他的活全给干了。我每次去找他，都是去给他报喜的：「快看，你这个视频已经卖了 100 单了」，或者「我已经帮你赚了 500 美金了，要不要来提现」。

Founder Park：但如果让用户尽可能少来，你们怎么获取更多 context？

王铭：如果冷启动时一上来就让用户授权一堆东西、上传一堆文件，信任螺旋可能立刻就崩了。

我们采取的是更符合人性的方式。用户一开始只要最轻度地连接内容账号，让 Agent 看到粉丝画像和内容调性，然后马上给他一个基础正反馈，例如快速创作、获得曝光。在每一个拿到结果的节点上，再 trigger 用户多给一点信息和权限。

之前，我们还试过「AI 雇佣人」的模式。每月给用户保底，每完成一步操作就给钱。用户确实很配合，完全按 AI 的指令执行。但推广下来发现，大多数美国用户还是想要「参与感」的，端内热力图显示他们会到处探索。

所以现在用户在产品里，主要有几种协作方式。

第一种是 Copilot。用户在 Moras 已经选好的商品池里发挥自主创意，挑选商品、对内容和文案做轻度剪辑编辑。需要创造力、能够表达倾向性的事情交给人，后面的全自动化发布、数据分析和脚本迭代不用管。

第二种是更低门槛的 Swipe。Moras 已经结合账号完成了商品选择、内容和文案创作，用户可以像刷社交软件一样，左滑、右滑做选择就行。

第三种是 Autopilot。用户连左右滑动都不想做，可以在一段时间里把工作完全托管给 AI。

第四种是对话式互动。用户想在各个环节发挥主观能动性，但只愿意说话，就用持续对话完成。

获取 context 门槛最低的方式肯定是对话。所以哪怕用户选了 Autopilot，我们也会通过不断「报喜」和「关键提醒」，吸引他回来再跟 Agent 聊几句。让他上传文件或者打字介绍都不丝滑，在自然的触发场景下，提问和聊天最容易让用户把 context 交给你。

Founder Park：如果以后每个消费者都有自己的 Personal AI，为什么不能直接对接商家的 Agent 完成交易，中间还需要经过「达人」这一层吗？

王铭：有些交易肯定不再需要达人了，但有些仍然需要，而且需要达人的交易量反而会比今天更大。

因为未来会出现两种截然不同的交易形态。一种是标准化交易，用来 save time（省时间）。比如买一些低价的、重复购买的日用品或标准化产品，完全由消费者的 Agent 和商家的 Agent 直接对接完成，不需要人参与。

但这个世界上还有数不清的商品，需要「人」作为最后一公里的决策者，这叫体验型消费，用来 kill time（消磨时间）。

我去买一件小众设计师的衣服、看一个二次元手办，并不是想要高效率地一秒钟买完。我就想逛一逛，看看那个我喜欢的跟我审美一致的博主最近有什么穿搭，在里面体验花钱的快乐。Agent 是不能替你 kill time 的。

上个时代，我们信任平台和品牌，有时甚至信广告。到了下一个时代，当 AIGC 让内容极度通胀，信任就会快速通缩，消费者会更加重视可追溯的「信源」。在商业转化里，只有真实的人，才是最有物理锚点的信任载体。

Founder Park：到那个时候，消费者的 Personal Agent 和达人的 Agent 具体会怎样完成一次交易？

王铭：当你想买一件有独特审美的设计师衣服时，你的 Personal Agent 很了解你，会先在底层网络里，迅速匹配全球成千上万个达人 Agent 的 context，找到那个身材、文化背景、审美 taste 等跟你最 match 的达人。

哪怕这个达人平时提供视频内容，他的 Agent 在供给侧提供的也绝不单纯是一条视频。因为视频对于 AI 来说，阅读效率极低。它会解析视频内容，通过协议数据跟你的 Personal Agent 提出的需求做匹配。

当你的 Personal Agent 快速决策完毕、认为值得推给你的时候，它才会去拉取供人类消费的媒介介质，把视频推送到你面前，你可以享受最后一步挑选和「拔草」的快乐。等你拍板了，你的 Agent 就可以在授权范围内直接支付。

我们预估，未来全球电商的市场空间可能会从百万亿级放大到千万亿级，因为 Personal Agent 可以高效交换 context，需求和商品的匹配效率会大幅提升。人们会在工作、娱乐、社交、学习各种场景里被匹配到更多对自己有帮助的商品，大幅提升生产力和生活幸福感。

我们从 Day 1 就 bet 未来会是 Agent 和 Agent 之间的交易。但不能一上来就做，因为今天的基础设施还不成熟，要先通过一种合适的路径拿到 context。

04

做应用一定要训自己的模型，

垂直模型是重要壁垒

Founder Park：你们现在有训练自己的模型吗？

王铭：我们没有从 Day 1 开始训练模型，因为那时还没有数据，也是前一段时间才开始探索的。但从 Day 1 开始，我就告诉团队，我们一定会训练自己的模型。

去年我在朋友圈分享过一个观点：「不做模型的应用公司必死，不做应用的模型公司必挂。」这不是说它马上会发生，是终局里可能只剩一种形态，就是模型、应用一体化的公司。

所以我们从第一天就积累了训练模型可能需要的数据，包括用户行为、AI 操作过程和最终结果。后面训模型时，准备数据的周期就比别人短得多。

Founder Park：为什么一定要自己训垂直模型？

王铭：首先就是降成本。这是一门「新制造业」生意，制造业一定要控制成本。通用大模型参数规模很大，你可能只需要某一个领域的知识，未必需要全部通用能力。哪怕是 MoE，成本也很高。我们甚至考虑建自己的推理集群，锁定一批自己的算力。

用垂直模型去替代，就能把成本显著打下来，让 UE 为正，才敢规模化放量，拿到更多数据。

更重要的是，在垂直场景里，我们完全有机会拉起一个既便宜、垂直智能又更高的模型。随着行业竞争加深，垂直模型就是最重要的壁垒。

Founder Park：但通用模型迭代很快，下一代模型会不会直接覆盖垂直模型的优势？

王铭：有可能。所以训练什么模型，是一个重要的优先级取舍。

第一，要选择长链条里成本比较高的部分。做长程 Agentic 任务，会涉及推理、调度、生成、理解等很多模型，要先看哪个环节成本最高。

大家都以为视频生成模型贵，但在我们完成一次用户履约的长程任务里，视频生成成本连一半都不到。真正的大头，是多模态理解、推理、判断、质量检查，以及让 Agent 完成各种 action 的模型调度。

其次，像 Coding、多模态视频生成这种兵家必争、已经卷得不能再卷的场景，我们现阶段不优先自研。视频生成我们直接用国内的 Seedance、MiniMax H3，它们已经做得很好了。通用语言模型也是，现在已经相对便宜了，降本的价值小。竞争太激烈，通用模型可能在不知不觉中就把你的垂直模型打死了。

Founder Park：那你们自己训练的是哪些模型？

王铭：第一个是多模态理解。对我们来说，理解世界非常重要。只有理解商品、理解爆款，才能真正创造价值。

然后是 Agentic 推理和调度，以及内容质量自检。系统要检查内容有没有达到要求，是否符合商业逻辑，有没有违反物理规律。

还有预测模型。因为要做 ROI，就必须先判断这一次是否值得投入。如果某种商品、达人和内容的排列组合预计不能赚钱，就先不要消耗算力。

基本逻辑就是，先考虑成本在哪里，再看模型的可替代性，以及它未来成为壁垒的可能性。

Founder Park：这些环节通用模型做不好吗？

王铭：能做好，就是很贵。

回到第一性原理，SOTA 模型完成一次高价值任务的成本只会越来越高。而同一领域的公司竞争，最后拼的是垂直智能，是交付 ROI 的能力。就像一个宝石鉴定专家，什么宝石都会鉴定，但如果去缅甸鉴定玉，肯定没有坐在当地矿区那摆摊的老头更厉害。

现在这些模型还分散在各个环节里。理想的状态是，当长链条积累了足够多的过程数据，只要用户量够大、赚的钱够多、买得起足够多的卡，未来完全有机会把工程能力直接内化到模型里，做成一个端到端的「商业世界模型」。

Founder Park：在多模态理解这块，达人带货视频的「网感」，在人类语境里也是个很抽象的东西，你们怎么把它教给 AI？

王铭：我比较认同一个观点，这个世界是由数学构成的。所谓的「网感」，比人类的复杂情感低了好几个数量级，就是看得足够多以后形成感觉。说白了是人的大脑获得了足够多的参数，再经过后训练，形成了细分领域的专家能力。

这件事是可以拆解的。一条 15 到 20 秒的商业视频，前 3 秒的钩子有多少种类型？最近流行什么玩法？不同品类该用开箱、前后效果对比，还是专家讲解的逻辑？后面的 Call to Action 怎么收口？全都可以结构化。

我们训练这套能力用了两类数据。一类是商业系统实际运转下来的过程数据和结果数据，能让模型达到及格水平。

另一类是人类专家精标的数据，这才能让模型真正拔高。一条视频爆了，AI 自己拆解出来，可能以为和结果关联的是 A。但人类专家的经验可能很反直觉地告诉你，真正起作用的其实是 B。

在很多具体的点上，今天人类专家的经验，还是比 AI 的拆解更强。AI 现在更多是靠结构化要素的排列组合去做「匹配」，还谈不上真正的创造，需要更大规模的数据。不过也已经够用了。

05

平台不是竞争对手，

甚至会帮忙推广

Founder Park：现阶段，你们会把谁看作竞争对手？

王铭：在我们这个细分里，现在还没有看到非常像的对手。

我们做的是长程任务链条，涉及选品、理解、生成、发布、归因很多能力的组合。核心区别还是，你的研发和算力到底投入在了交互创新上，还是垂直智能上？用户是因为交互效率选择你，还是因为信任和授权的效率？工具积累营收的速度很快，但大部分消失的速度更快。

未来真正的竞争者，一定是扎在某个细分场景，同时具备技术能力、又懂行业的 AI 团队。可能是创业公司，也可能是发现这个场景以后下场的大厂。但我不太担心，今天的窗口还很长。

竞争不一定是坏事，大家可以观察彼此创造了什么新东西。这个时代首先是创造的世界，不是零和博弈的世界。大家一起进来，用户的认知、信任和授权会建立得更快。

Founder Park：TikTok 这样的内容电商平台自己也在做给达人的 AI 工具，不存在直接竞争吗？

王铭：平台确实给达人提供了很多工具，但前提是用户自己具备电商 Know-how，知道怎么选出适合的商品、怎么跟 AI 有效互动。海外用户刚接触内容电商，学习意愿和创作时间投入相对弱一些。给他们提供工具，也不等同于能有效产出结果。

另外，平台也没法端到端地帮用户完成内容创作。但 Moras 作为生态伙伴，可以直接帮用户完成经营任务。

Founder Park：Moras 需要分析 TikTok 上的商品、内容和信号，平台会限制你们吗？

王铭：TikTok 其实给予了不少支持，不只愿意开放一些数据，甚至会在他们的达人群体里帮忙推广 Moras，提供生态资源支持。

这跟海内外的平台生态差异有关。国内竞争太激烈，大多数平台是封闭和大一统的，在某一个点上立住了，就想把上下游的事全干了。而且把数据当成私有资产，开放度比较弱。这也是为什么我们暂时还不做国内市场。但长远来看，AI 时代不开放肯定对自己没有好处，相信国内平台会越来越开放的。

海外平台更需要生态伙伴承担一部分职责，共同把生态做好。我们是在帮平台把真实达人的人设激发出来，解决他们头疼的内容与带货供给卡点。

Founder Park：会考虑拓展到 TikTok 以外的其他平台吗？

王铭：会，但现在还没有做。TikTok 很支持我们，增长很快，我们目前也没有精力去拓展其他平台。

达人本身就是多平台的。当达人的资产和 context 沉淀在我们这里，我们已经充分了解他，知道他适合带什么商品、用什么内容能卖出货，就可以低成本地帮他扩展到 Instagram、YouTube 等平台。

不同平台有自己的内容调性，也有相应的受众，所以在商品销售上肯定有差异。Instagram 比较适合一些独立品牌，或者在当地有一定知名度的本土品牌，商品本身需要通过内容去表达审美和风格。今天 Instagram 上很多博主带货，都会把用户引到独立站。因为美国用户觉得，一个小众设计师品牌拥有自己的独立站，是很有调性的。

TikTok 上功能性的商品会更多一些，让你更直接地找到自己需要的、性价比高的商品。最初选 TikTok，是因为它供给端的基础设施已经很完善了，商品详情页、店铺、货架，以及支付、分账，都不用我们自己建。创业还是尽量别什么都自己干。

Founder Park： 那你们的壁垒来自哪里？

王铭：大厂还有很多通用的仗要打。在我们重点做的这个场景里，先下场就能先积累 Know-how、用户、数据和商业化结果，把飞轮转起来。

领先者的用户越多，供给越好。供给越好，用户体验越好。体验越好，又带来更多用户。无论是内容还是电商，都会形成用户和供给之间的飞轮。AI 时代在此之上又多了一层，用户规模和垂直智能之间的飞轮。一旦这些飞轮转起来，后来者就很难追上了。

06

入口不重要，

未来想成为创作者和商家的 Commerce Agent OS

Founder Park：那如果从终局看，你会怎么定义 Moras？

王铭：她会成为一种商业基础设施。

无论我们是重点服务达人，还是未来服务商家，我们希望这些群体一想到「我要做生意」，就想到 Moras，很多事情可以完全委托给她。

形态可能像是一个操作系统，具备方方面面的能力。在交互层面，她应该是一个垂直场景的 Personal Agent。叫 Creator Personal Agent 也好，Commerce Agent 也可以，她应该像人一样，能够顺畅地交流。

现在最合适的交互入口还是 App，因为手机有屏幕承载信息、续航好，也是唯一大家愿意天天拿着的大设备。短期内，可能借助 iMessage、WhatsApp、微信这些通信工具入口降低接入门槛。

再往后，我相信软硬一体、低功耗的多模态硬件会是极佳的入口。比如一位母婴博主带着宝宝去了亲子游乐场，她不用掏手机打开 Moras App，只要点一下眼镜或者说句「进入创作者模式」，Moras 就能实时理解眼前的场景，一边实时指导她怎么跟宝宝互动、拍出好素材，一边顺滑地采集 context。

如果未来市面上有了通用的多模态硬件强势入口，我们就作为垂直供给直接接入。如果发现没人做得足够快，卡住了我们降低交互门槛的进度，那必要时自己下场做也可以。

但我判断，未来可能是多入口并存、中心化入口逐渐减弱。因为用户未必愿意把自己全量的人生 context 交给单一中心化服务商。

我们团队每个人在微信、飞书、Claude、Codex 里用不同的 Agent，但 context 都沉淀在自己本地的 Personal Context Hub 里，各个入口按需获得授权信息。所以未来每个人都可能在个人云端或本地有一本 AI Passport，按需给 Agent 授权一部分 context。

通用入口在谁那，甚至未来还会不会有一个中心化入口，都不重要。只要我们是获得最多创作者和商家授权与信任的商业 OS，在商业场景里最高效地帮他们完成商业化，我们就能成为垂直商业角色的入口。

Founder Park：除了达人，Moras 也在服务商家吗？具体能帮商家做什么？

王铭：现阶段最直接的是，商家给我们足够的 context，我们就能更好地帮它卖货。

这些 context 包括在平台公开页面看不到的信息，比如更丰富的产品内容、库存情况、过往销量。甚至商家的产品经理可以详细讲述，为什么做这款产品、背后有什么故事，用了怎样的技术、面料和工艺。

商品详情页承载不了这么多信息，但只要商家告诉 Moras，就可以用丰富的内容矩阵承载故事，把产品呈现得更立体，也更能击中用户痛点，在短期内形成销售规模和品牌故事。

服务达人和服务商家的逻辑其实类似。关键仍然是，怎么让对方信任你，愿意给你 Context 和授权。

我也可以一上来就给商家做 AI 工具，但商家为什么要用？除了让他们花更多 Token、投入更多精力，AI 额外创造了什么？商家愿意用 Moras，因为能直接获得利益，就这么简单。

Founder Park：那会更偏 To B 的模式了吗？

王铭：商家是纯粹的 B 端业务，但今天做 B 端的逻辑肯定不一样。

我们公司没有商家 BD 团队，有同学负责接待商家合作，现在找上门的已经接不过来了。只要你能给商家直接带来销量，在这个价值驱动的时代，就能以结果建立合作关系。

之后我们会招商家拓展的人，但不是为了大规模主动 BD，是和商家建立共创关系。他要理解商家的需求，知道需要商家提供哪些 context，才能真正帮他们创造价值。这样的角色会越来越多，其实更像产品经理。

Founder Park：你们的规划包括训练模型、做 Agent OS，甚至可能做硬件。对一家创业公司来说，会不会担心摊子铺得太大？接下来最重要的是哪件事？

王铭：节奏很重要，创业最容易犯的错就是觉得哪都是机会、哪都去干。我创过几次业，也在大厂干过，很清楚资源是永远不够的，永远要聚焦。下一个阶段上不上一个新动作，不是因为你想上，是必须上才能突破卡点，或者不做就会在未来竞争中提前决定生死。

眼下第一优先级，是继续升级我们「模应一体」的架构和智能能力，这是立身之本。Personal Agent 的体验好不好，也取决于它。

第二是在收入覆盖算力的前提下，把达人规模和商业化天花板打到极限，为垂直智能拿到收入和数据养分。

第三，继续加强跟商家的深度合作。对商品 context 的理解不足，只在达人和内容侧雕花，很难做到极致。

更长远一点，才是探索 A2A 的交易机制和协议，以及对硬件机会的研判。

07

垂直赛道最刚需的价值是「直接帮人赚钱」

Founder Park：公司取名叫 K2 Lab，名字是怎么来的？

王铭： K2 是乔戈里峰，世界第二高峰。在所有雪山里面，它是攀登难度最高的技术型山峰之一。

我们想爬的是垂直场景的 AGI 高峰。在我的认知里，人类未来的 AGI 大厦由几千根柱子支撑，每一根柱子都是一个领域的山峰。Coding、Chatbot、通用视频生成这些柱子肯定很粗，是接近地基的承重柱，但它们不是今天创业团队真正有机会 Go Summit 的路径。

我们要做某一个垂直山峰里最后留下的玩家，不是在半路上，给最粗的柱子贡献点建筑材料。

Founder Park：是怎么决定从内容电商这个垂直赛道切入的？

王铭： 我们对交易和电商本身不陌生，Founder Team 的早期成员普遍接触过产业、交易平台以及 To C、To B 业务。

其次，AI 在不同行业里的渗透一定是锯齿状的。我们要看今天的模型能力和 Agentic 架构，能不能端到端交付结果。结果还必须可以衡量，让用户选择你的速度够快、摩擦够低，所以最好跟钱相关。

我们把 AI 能做的事情分为提效、省时、降本和增收。2025 年很多 AI 创业是工具类创业，核心是提效。到了今年，大家越来越多讲端到端完成任务、按结果付费。但按结果付费也有不同维度，帮人完成不愿意干或很花时间的任务，是省时。像 Muse 这类产品帮人退订、砍价，是降本。

但我们当时就在想，什么才是大家最刚需、最愿意长时间留存的？一定是链条最顶端的，直接帮他赚到钱。

最后再看模型能不能支撑这个 Loop 里大量工作由 AI 完成，人只发挥创造力、个性和判断力，让人的长板被放大、短板被补齐。筛下来，海外内容电商场景是今天一个很好的切入口。

Founder Park：为什么没有继续做更熟悉的国内 To B，而是选择了海外 To C？

王铭：国内用户会认为，只要一个产品需要我经常参与 Loop，哪怕只是偶尔参与，它就是工具。对于工具，国内用户通常缺少付费心智。同样的 DAU、同样按量计费，在国内也很难收到海外的价格。

所以在国内做通用 C 端产品，更像是大厂的市场。大厂可以长期补贴，更看重用户规模、未来入口机会和数据反馈。

做国内 To B，又绕不开过去那些困难。企业不认可软件价值，要求创业公司做重交付。活下来没有问题，但很难活得好。海外最好的 To B 客户是世界 500 强，一个华人创业团队也很难直接转化这些超级企业。

AI 时代决定生态位的窗口可能只有三五年时间。我们把这些约束条件放在一起，最后选择了海外 To C。

Founder Park：你创业这么多次，也在大公司待过。这次 AI 创业，哪些经验依然有效，哪些要重新学习？

王铭：最大的差异是生产关系的变革。什么样的生产关系和组织文化能适配这个时代的生产力，对世界上任何一家公司来说都是全新的课题。

商业形态也变了。商业里的一些生产关系和原生角色发生了变化，开始出现面向非人类的产品设计和商业化设计，面向人类的产品设计也与过去完全不一样。

但商业的基础原理没有变化。经常有创业者问我建议，我说一定要尊重商业规律，别投机。

Founder Park：你们现在缺人么，倾向于招什么样的人？

王铭：我们之前在小红书发帖说招「心理年龄 25 岁」的人，火了。总结成 16 个字，就是「不独、不装、不怂、不耗。有脑、有心、有手、有劲。」

公司超过一半的人是 00 后。他们在某个领域里积累了两三年，已经有科班的方法论和专业的肌肉记忆了，又没有那么多历史包袱，结合今天的 AI，可以快速成为一专多能的人。

对于行业顶尖专家，年纪大一点没关系，核心要看心态是不是足够 open，能不能接受一个新世界。过往的成功经验，很多时候都是这个时代的包袱。

我们欢迎所有想要一起在新世界创造的小伙伴，共同探索 AI-Native 的组织协作、产品形态，带来真实的价值。

注：K2 Lab 正在招聘三类伙伴，让 Agent 更聪明的人（模型、工程、产品、体验），把规模变成效率的人（运营、增长、商家合作），以及让组织跟上 Agent 速度的人（文化、财务、内部提效）。简历可投递至：spark@k2lab.ai

文章来自于"Founder Park"，作者 "Founder Park"。