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？

不收达人一分钱软件订阅费，也不卖 token，仅靠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）交出的成绩是：超过 1000 万美金 GMV，内容出单率达到海外平台平均水位的数倍。随着按结果付费的垂直场景个人商业智能体（Personal Commerce Agent）得到初步验证，公司也于近期顺利完成由凯泰资本投资的数千万人民币天使+轮融资，半年已累计完成三轮融资，正式迈入规模化扩张的新阶段。

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。它跳出了过去两年 AI 行业主流的“卖工具”逻辑——达人无需预付任何费用，只需授权账号，AI 便会自动接管选品、脚本、数字分身视频生成与发布的全链路工作。达人只需像刷短视频一样“左滑右滑”选择；或者干脆委托给 AI，连续几天帮助执行，就能在碎片时间里参与销售分佣。

在 K2 Lab 创始人、前钉钉最年轻副总裁王铭看来，Personal Agent 的商业化不能只看用户规模和任务调用量，还要回答谁为结果付费、收入能否覆盖持续执行成本。Moras 选择从创作者的商业经营这个垂直场景切入，先验证一类具体任务的经济价值。靠批发 token 和收订阅费来帮用户省时、提效的应用，并不是 Moras 所追求的终极形态。“如果想消除用户付费的决策摩擦，最刚需、最直接的方式就是进入用户的资产负债表——直接帮他赚钱。”

在电商行业，按销售分佣（CPS）并不新鲜，但传统服务商极度依赖人海战术，高昂的边际成本决定了它们只能服务少数头部主播。Moras 真正实现的商业跃迁，是结合自研垂直模型、多智能体工程与真实商业反馈进化，将这套重人力服务转化为“可规模化复制的智能经营系统”。这就降低了单个创作者的服务成本，让过去难以被专业团队覆盖的中腰部达人获得经营支持，能以极低的边际成本激活全球数千万中腰部达人的变现潜力，并向服务全球创作者的 AI 原生内容电商操作系统（Agent OS）演进。

这次，我们和王铭深入聊了聊：公测三个月破千万美金 GMV 的增长飞轮是如何组建的？如何把“按效果付费”变成高壁垒的智能经营系统？以及，他为何坚信垂直 AI 应用公司必须走“模型与应用一体”的道路？

不收订阅费，自己扛算力，公测三个月破千万美金 GMV

ZF：Moras 今年 6 月全面放开公测，仅用三个月时间 GMV 就突破了 1000 万美金。你们的商业模式是怎样的？怎么在这么短的时间内就跑通了整个商业闭环？

王铭： 我们现在唯一的商业模式就是赚取商家的佣金，然后把一部分佣金分给达人。

我们的用户分为卖家和达人两类。对于卖家来说，跟我们合作后获得了大量的销售通路和内容，不需要像以前跟其他平台合作那样先交广告费或入门费，而是完全按效果付费，按照我们带来的增量销售额给我们分佣。

对于达人来说就更简单了，既不用跟我们做终身绑定，也不用付任何 token 费、软件订阅费或年包费。达人甚至没有传统意义上的接单和申请样品。我们直接获取商家的商品介绍，结合达人的数字分身生成、分发内容，成交后分佣。

坦白说这 1000 万美金的 GMV 其实超出了我的预期，因为我们很多事情还没有做得很细，我们的数据飞轮和用户 context 飞轮还没有非常强地运转起来，就已经拿到了这个结果。就算组织 100 个头部网红去带货，也很难说刚干三个月就能做出近一个亿人民币的销售额。

大家总说“按效果付费”是未来，但总觉得找不到具体场景，或者还要等很长时间。但我们的例子证明了在垂直场景里，只要把行业 know-how、工程和模型结合在一起深耕价值，今天就已经能跑通按效果付费了。

ZF：其实按销售结果分佣在电商行业并不新鲜，传统 MCN 和代运营公司也在做。Moras 的按效果付费和传统模式本质区别在哪里？

王铭： 核心区别在于，我们没有用人海战术做代运营，而用 AI 把原来靠大量人力完成的商业服务，变成了一套可规模化复制的“智能经营系统”。

过去“孵化、培训、服务达人”只会发生在 MCN 机构里。但传统模式受限于极高的人力成本和沟通成本，一个编导或运营只能盯几个达人，所以 MCN 只会去签少数头部的潜力主播，海量中腰部和长尾达人是完全没有机构服务的。但今天，Moras 服务 50 个、50 万个还是 5000 万个达人，底层调用的是同一套模型矩阵和 Agent 能力，还能为每一个人做到个性化服务，成本完全能 Cover。

ZF：所以你们的壁垒就是这整一套系统。

王铭： 对。传统机构靠的是具体某个运营人员的个人经验，人走了经验就没了，无法规模化。而我们是从第一性原理出发：什么样的人设，应该和什么样的供应链匹配，用什么样的内容形态，结合什么样的热点，在什么样的 Timing 下能取得什么样的预期结果——所有用户的背景、偏好、操作过程和真实的商业成交结果数据，都会实时回流并沉淀在我们的系统里。成交规模越大，这套智能经营系统的匹配精度和出单效率就越高，这是一套具备指数级增长潜力的飞轮。

ZF：但你们不收达人的软件订阅费，那如果给达人做了内容却没卖出去，算力成本就得自己承担。为什么要选择这样一条抗压的路？

王铭： 这条路确实难。过去两年我的感受是，有些产品趁着 AI 能吸引用户的 attention 疯狂营销，很多用户花了不少钱买订阅费、充值 token，最后发现产品并没有带来实际价值，但沉没成本已经投进去了，订阅费和 token 也退不了。

如果用户最后做出来的是赚不了钱的垃圾，他是不会持续付费的——除了像短剧工作室那样本身就会做短剧、手里有核心剧本的情况。大部分场景下用户用 AI 工具赚不到钱，到了一定周期产品就会开始衰减；等大厂做出更好的产品，单纯靠广告营销和 SEO 也做不下去。

所以用户最后一定只为结果付费。在垂直场景里，先帮用户赚到钱，长期去构建垂直智能的壁垒、持续拿更高的 ROI，肯定是 personal agent 能跑得通的路径之一。那我们干脆倒逼自己走一条一定要帮用户拿到结果的路径。我们找了很资深的专家去蒸馏能力，做垂直场景的 harness，打磨交付结果的能力。

之所以在今年 6 月份正式不限量放开公测，是因为我们算过总账：哪怕确实有一些用户发出的内容因为账号或人设原因不带货，但整体算下来，把各方利益分配完之后，我们自己留存的分佣依然能够 cover 算力成本。

ZF：商家这边怎么理解这个增量收入？

王铭： 无论是通过平台提供的数据支持、第三方归因工具，还是我们自己对生产内容的识别，归因这件事并不难。

其实商家最看重的是绝对值增量，并不太关心你是偶然命中还是怎么实现的。比如商家以前用所有常规渠道每个月只有 10% 的增速甚至已经持平了，跟我们合作后，这个月一下带来了我们承诺的增量销售额，他核对一下账目就能直接看出来。因为目前市面上除了我们之外，还没有看到类似的、能端到端帮商家如此快速定向交付结果的产品。

而且平台也很了解我们，我们发出去的内容，出单率和变现率都是平台平均水位的数倍。我们也出现在了平台各种帮助商家卖货的排行榜里，商家在榜单上看到我们，就会来找我们合作。

ZF：你们观察到用户大概是赚到多少钱，会把 Moras 推荐给身边人？

王铭： 在目前产品比较简单、还不需要用户投入太多 context 交互的情况下，基准线大概是一个月帮用户赚一两百美金的副业收入。因为美国现在很多人生活也不太好，去外面兼职时薪也就十几美金。如果一个月能多赚一两百美金，对他们来说已经非常惊喜了。

我们真的遇到过有用户把一家子人全推荐上来的情况，因为他在上面赚到了比自己主业工资还要多的钱。

ZF：你们的抽佣比例是怎么设计的？

王铭： 现阶段 Moras 承担了选品、内容生产、经营分析等主要工作，也承担了 AI 生产与试错成本，因此采用与各方贡献相匹配的分佣机制，目前我们拿了大头。随着创作者主动贡献更多个人 context 和商业价值特性进一步丰富，我们也希望让努力的、有特质的创作者获得更大的收益空间和比例。

ZF：你们目前主要做什么品类？

王铭： 品类上目前还挺分散。不过接下来我们已经开始做大量的 subagent，深入到一级、二级、三级类目，针对商品特性元素、内容元素、内容场景等细分模块做精细化探索。最近我们已经看到，做更精细化的达人分析、商品与内容匹配后，内容的销售转化率和金额比原来高出了数倍。

ZF：马上四季度就是黑五，你们对黑五或者今年的 GMV 有什么计划吗？

王铭： 因为今天全球供应链、尤其是中国供应链非常卷，如何走进优质市场服务本土客户、建立本土品牌心智是所有商家的共同命题。现在平台在给我们介绍大量商家，商家也觉得我们这种定向营销的产品对他们帮助很大，非常愿意支付高佣金溢价。所以今年我们也希望让公司的收入达到年化千万美金量级。

先帮达人变强，再帮达人变贵

ZF：回到海外内容电商的业务，你们现阶段最核心的客户画像是什么样的？

王铭： 我们第一阶段切入的是海外内容平台的腰部（粉丝量在 1 万到 10 万之间）及以下创作者。全球现在有超过 6600 万创作者，符合我们画像的腰部创作者有一两千万；仅在 TikTok 美区，开通电商带货权限的创作者就有近千万，腰部创作者占了数百万，但目前这群人可能只贡献了美区 20% 左右的 GMV，潜力还远未被释放。

ZF：为什么优先切入这群人？

王铭： 其实现在海外内容平台的流量规模已经远超国内，但商业化变现率连中国的十分之一都不到。受多元文化和消费习惯影响，海外并不是靠少数头部明星主播直播带货来驱动的，他们光靠接品牌广告就能赚得很好，带货动力不强；因此，海量的腰部达人才是平台真正的中坚力量。

而且目前海外内容电商最大的瓶颈是在创作者供给上。大量中腰部创作者平时只是发发日常生活内容，商业化变现对他们来说链条太长、门槛太高，既要懂表达、懂销售、有网感，还要懂选品、供应链和数据分析。但通过 Moras 做内容电商，用户不用先学运营，AI 能直接给你 know-how；你不愿意卷，AI 就把活全干了。我们先让你赚到钱，再让 AI 在过程中培训你。

ZF：在没有 Moras 之前，这些中腰部达人如果自己去带货，传统链路是什么样的？

王铭： 中腰部达人做带货要自己主动去选品、向商家申请样品。但他们去申请，商家往往是不给的，觉得给了也不一定有好的产出。即便拿到样品、拍出视频，内容也可能不符合商业逻辑，与人设、热点也不匹配。

结果就是一个负循环：他带货的履约率和金额越来越低，自己动力也越来越低；而带货金额商家在系统里都能查到，所以他收到商家样品的可能性也越来越小。慢慢地，连当成副业也做不下去了。

然后就有一部分达人会花钱买 AIGC 工具来帮自己创作。但这些 AI 产品只解决了内容生产一个环节。在选品上达人还是束手无策，因为市面上那些选品数据平台的工具都是给专业商家用的，普通达人看不懂。所以他们原有的生产链路，门槛和成本都很高，但最终效果很低。

ZF：可以详细讲讲，一个没经验的普通用户，如何通过 Moras 完成整个闭环？

王铭： 很简单。打开 Moras 以后，系统会介绍基础用法，也支持语音或自然语言交互。

首先授权 TikTok 等内容账号。系统分析粉丝画像和既有内容调性，自动生成多条示例内容——包含了匹配他的商品、剪辑制作好的视频内容，以及写好的文案、选好的频道和标签。他只需要看是否适配自己，选择确认发布。随后我们会立刻监控数据。这就是最简单的一个小闭环，上手最多也就一两分钟。

如果用户想自主选品，系统会匹配商品。AI 根据选择生成脚本、创作视频和文案，用户可以确认或编辑，也可以选择滑动选取创作好的商品内容组合，甚至长期授权，让系统持续创作和发布。自动化程度更高，不等于改变了合作关系，我们更看重的是让达人雇佣 AI，账号仍属于达人。核心也不只是少点几个交互按钮，而是信任和授权效率：先通过经营结果建立信任，再让用户愿意提供更多背景信息、委托更长链条的工作，帮助 AI 更懂他，形成持续合作，降低投入门槛，创造超额 ROI。

ZF：你们现在怎么做市场推广？通过什么方式找到的种子用户？

王铭： 第一波用户是通过 Cold Email。我们去筛选了一些勤奋的腰部达人——他们经常自己发视频，但大多都没有效果。我们告诉他们能直接帮他匹配好商品、创作内容，甚至结合个人形象、声音和特色，帮他们带货赚钱。因为门槛足够低，又没有任何前置成本，后面就很容易通过裂变、投放、达人转介绍来扩量；同时平台觉得我们是很好的生态补充，也会圈选出一些符合扶持画像的达人推荐给我们。

ZF：你们的核心主张是“先帮达人变强，再帮达人变贵”，这背后的思考是什么？

王铭： “变强”是把用户的结果交付能力提升到行业基准线，让原本无法获得 ROI 的人先拿到结果。

今天 AI 最大的价值是放大人的优秀能力或特点。识别有天赋的创作者，放大他们的特点和人设特性来创造更大价值，这就是“变贵”。到那时候分成会更多倾向给达人。

ZF：现在各个内容平台对 AI 生成内容的规范越来越严，你们如何与平台合作，并保证视频内容质量？

王铭： 首先，我们的内容质量必须远高于整个平台的 AI 内容平均水位。其次用户和平台并不是反感 AI，而是反感粗糙劣质、违反物理规律的 AI 内容。我们今天不管用不用 AI，都是朝着“优质内容”的方向去做，让内容能提供有价值的信息，并且能真实表达达人对商品的理解或自己的生活调性。

今天海外内容平台优质带货内容供给仍然不足，平台也非常希望扩大交易规模和商家投放，提高整体生态的商业化变现率。因为我们是帮平台赋能中腰部创作者、提升优质内容供给和成交转化率，所以平台非常鼓励我们，我们和平台保持着深度的交流、合作，也会根据平台反馈持续迭代产品。

垂直 AI 应用必须“模型与应用一体”

ZF：你们其实自研了一个垂直的多模态模型，背后的思考是什么？

王铭： 未来最头部的垂直场景 AGI 公司，一定是模型和应用一体的公司。

首先，通用的 SOTA 模型今天参数量越来越大，在某些场景里确实能用，但它不够理解特别是多模态的垂直场景。即使用 Agent 工程、Harness 充分调用，它也就到达通用模型的能力上限了。

第二，超大参数量模型的成本太高了。未来的 AI 就是一个新的制造业，因为模型的成本逻辑是大量的并行计算，所有的商业化背后都是庞大的撮合关系与计算量，消耗的算力一定是巨大的。所以每一家 AI 公司都要控制好成本，更大程度获取 ROI——通过一个参数量不太巨大的模型去完成长链条工作的结果交付与履约。

第三，如果只用通用模型，跟大模型厂商相比，你很难仅靠模型调用建立壁垒——以后别人来切入你的场景时，无非因为你的链条长一点、Agentic 领域知识积累多一点而已。最终比拼的还是模型能力与应用的结合。如果你的模型在垂直场景中既不能在关键任务上超过最先进的通用闭源模型，也不能以更低成本达到接近的效果，就很难形成模型层面的优势、提升 ROI，用户和数据的飞轮也就转不起来。所以这是一个必经之路：必须在过程中逐渐积累数据，构建垂直模型及模型矩阵，结合长链条应用去加速马太效应。

ZF：可以具体介绍一下你们的模型，有什么样的功能和特点？

王铭： 我们构建了一个几十 B 量级的垂直小模型矩阵，主要分四个层面：长链条 Agentic 推理模型、多模型与多 Agent 调度模型、多模态理解模型，以及内容生成模型。

在有限的资源下，核心看谁消耗算力高、谁创造 ROI 的能力强。推理与调度模型虽然消耗 token 不多，但直接决定了最终的交付质量；而内容电商本质上是重 know-how 的领域，核心是对商品和爆款的深度理解。

所以我们第一步自研了多模态理解模型来拆解爆款逻辑。同时正在研发评估“人、货、内容”匹配收益预期的预测模型。大家知道现在多模态生成非常贵，如果前置的理解与预测模型算出某个组合的预期 ROI 偏低，系统就会在前端直接 Pass 掉，根本不消耗后端的生成算力，从而大幅拉高整体算力的 ROI。

ZF：你们后台还会调用其他外部模型吗？

王铭： 多模态内容生成这块，我们目前基本是调用外部模型，比如 Seedance 或 MiniMax 等。因为这个场景更多还是依赖谁有海量通用视频数据集，我们更多把精力集中在最能产生垂直商业壁垒的理解、预测与调度模型上。

ZF：可以再聊聊你们技术底座上的 Multi-Agent 协作系统，以及全自动强化学习的闭环是怎么做到的？

王铭： 我们在各业务环节都设有子 Agent，先蒸馏专家经验，再结合用户行为、专家标注与真实商业结果作为 Reward，让它们自己在跑业务的过程中不断进化。整体配合上，我们结合了大量垂直领域的工程框架，针对电商场景去打磨子 Agent 之间的沟通调度，以及它们的记忆和进化机制。

至于强化学习闭环，其实说白了核心就是两件事：一是奖励机制怎么动态调整，二是怎么把 context 和记忆库喂得更丰富。

放到我们的业务场景里非常容易理解：我们用什么样的达人、配什么样的脚本、带什么样的货，背后其实都是细粒度的参数。我们把这些变量排列组合发出去，再拿真实的出单数据回来验证。跑完一看，你就知道哪些组合是走不通的，哪些变量能带来更高的转化。

“省时间”是伪需求，赚钱才是真刚需，好生意必须直接交付 ROI

ZF：您此前在 58 和阿里钉钉操盘过百亿级交易平台与 AI 大模型生态、AI 原生应用，是什么契机让您决定离开大厂，在 AI 时代再次创业，并最终选择海外内容电商这个赛道的？

王铭： 主要是 2024 年在钉钉时，我们做中国 AI ToB 的入口，那半年我们见了几百家创业者。深入交流后我逐渐看清了技术演进方向，也看到当时欧美陆续出现营收快速增长的 AI 应用。所以我在 2025 年初决定创业，又花半年探索方向，年底正式出来。

至于为什么选择做海外内容电商，作为创业公司，我们的场景选择标准必须同时满足几点：当前模型能力能够 Cover、90% 以上的长链条能由 AI 端到端交付、用户能低摩擦进入并快速渗透、刚需且可衡量价值、能按效果付费。去年 12 月我们也测试过短剧，但发现短剧生成的连续 15 秒片段中间需要大量人工用复杂工具去缝合，无法做到由 AI 端到端完成，天花板也不够高。最终看下来，上千亿美金规模的海外内容电商，就是最理想的切入点。

ZF：不管是创业还是在大厂任职，您之前的经历可能更多是在国内 ToB 的场景，为什么这次创业选择做海外 OPC 的方向？

王铭： 从互联网、移动互联网、SaaS 云计算到今天的 AI，从 ToC 到 ToB、从工具到交易平台我都经历过。其实那半年跟很多 AI native 的团队交流下来，我们慢慢总结出了创业公司方向上的一些原则。

首先是算法架构决定了技术边界。Transformer 架构在语言模型上其实很简单粗暴，只要给足算力和数据就能近乎线性扩展，最终拼的是资本密度，创业公司没法构建壁垒。而多模态场景是非线性增长，这种衍生架构结合模型推理能力的场景，才是创业公司的机会。这意味着创业公司最好选相对垂直、长链条、能够端到端交付结果的场景。

然后是商业生态位的选择。我在阿里管过聚合超 5000 家软件公司的企业服务生态，发现国内企业毛利普遍偏低，很难为价值感不直接的效率软件付费，做大客户最终又会变成重度定制化，无法快速 Scale。同时海外的 ToB 市场往往被硅谷传统巨头垄断，所以我们明确做海外，但不做传统 ToB。

ZF：目前市场上的 Personal Agent 多数是在帮用户省时间，而你们的定位是“Outcome-driven Personal Agent”（结果驱动型个人智能体），核心是“帮人赚钱”。怎么理解这两者的差异？

王铭： 这一波 AI 应用，纯 ToC 的娱乐或简单问答产品其实没有带来很强的付费转化。真正赚钱的，一类是像 Coding 这种超高效率工具，让不懂代码的人都能快速实现诉求。但“省时间”本身的获得感并不具象，付费意愿不确定。哪怕是 Coding 场景，OpenAI 和 Anthropic 虽然已经有了很大的年化 ARR 收入体量，但收入增速也在放缓——因为用户花了昂贵的算力买 token，创建应用的速度确实变快了，但 100 个应用里可能 99% 最后都没有商业价值，无法解决真问题。

关键在于直接创造可衡量的货币价值：进入用户的资产负债表，帮用户赚钱或省钱，用户付费时的决策摩擦是最低的。

而且我认为现在提供底层水电煤能力的工具（包括 Coding）都不是终极形态。大家砸这么多钱是因为相信 AI 提供的是类人脑的智能。如果一家公司在某个细分场景里构建了垂直场景的智能，那为什么不直接交付这个场景的 ROI 和结果呢？一旦能交付结果，用户就会被吸引过来；拿到足够多的数据后，又能持续 Scale 它的垂直智能。未来全球几千个细分场景里会出现几千家超级公司，未来的商业世界核心就是提供垂直场景交付结果的能力。

ZF：那您怎么理解现在主流的通用 Personal Agent 都在做写邮件、查机票、管理日程这些场景？

王铭： 通用 Personal Agent 核心是想在简单、高频的场景里做大覆盖面、抢占入口。但这就像以前做群摘要、会议纪要一样，做得很薄，从价值深度上不足以让用户大规模持续付费。Personal Agent 再往后走，创造价值的厚度一定会回归到帮用户谈生意、获取商机、提升商品交易效率，乃至直接帮用户赚钱。

迈向 Agent OS：掌握 A2A 时代的交易托管权

ZF：我们都说 PC 时代是“人找货”，移动推荐流时代是“货找人”，你们将自己定义为 AI 原生的内容电商操作系统（Agent OS），怎么理解大模型时代内容电商的变化以及 Moras 的中长期壁垒？

王铭： 电商这个场景无非是两种需求：一是最高效地找到我需要的商品；二是去逛，在消耗时间的过程中寻找乐趣。

在大模型推动的“意图时代”，AI 可以在你巨大的 context 库里理解你真实的需求，通过意图撮合帮你匹配非常契合的商品；哪怕你是想“逛”，AI 也能更快地找到适合你的主播、内容和商品介绍形态，提升需求满足的效率。而且当 AI 生产的内容越来越以假乱真，人的真实体验和个人信用背书，反而会具有更高的商业价值。

基于此，我们认为未来有两个趋势：第一，未来的许多商业撮合会演进为 A2A（Agent to Agent）的低摩擦交互；第二，人的可信信源价值会被显著放大，全球参与内容商业的人口有望进一步扩大到几亿人。这几亿人如何搞清楚自己的 context、适合带什么货，并在与 AI 充分交互后，由 AI 低摩擦地完成后续所有经营工作、直接带来收入？这就是我们要面向未来几亿创作者打造的 Agent OS，也是我们的终局定位。

ZF：如果未来买家也用 Agent 帮忙做决策，那供给侧产生丰富的达人内容和 c ontext 还有什么不可替代的价值？

王铭： 未来的 A2A 撮合机制里，达人产生的内容或商家提供的商品信息，除了在前端作为优质视频给人看之外，在底层还会沉淀为丰富的结构化 context 和意图。

比如我们现在给商家做了一个 Agent，商家提供给我们的不仅是传统详情页里的图文，还有这个商品背后的研发故事和核心差异点；同样，达人传递的也是他对商品的独特理解、真实使用体验与个人生活方式。

所以我们希望长期积累的，是对商品供给的深入理解、创作者真实的专业判断与信用，以及在授权范围内受托执行经营与交易任务的能力。接口连接本身很难成为长期壁垒，买方 Agent 也不会因为收到一份商品信息就自然成交。最终还是要看能否提供可信的推荐、更高的匹配与执行效率，并让商家和达人持续获得收益。这也是他们愿意把部分经营任务委托给我们的基础。

ZF：创业到现在，你们踩过最大的坑是什么？

王铭： 还是对细分行业场景需要保持足够的敬畏和尊重吧。

我们团队里只有个别合伙人是内容电商出身，绝大多数人都是做 AI 出身的。虽然我认为这个时代最大的机会是以 AI 为第一性原理进入行业，但现在大多数 AI 团队都有点技术洁癖，觉得 AI 最高大上，各个传统领域都比较 low，不愿意投入精力去深入理解。但实际上，单纯花拳绣腿的交互创新不会持久，你必须回归到垂直领域，尊重商业逻辑与行业 know-how，才能做出真正有竞争壁垒、能交付商业结果的产品。

ZF：这次创业你们内部的组织形态和工作方式跟以往有什么不同？

王铭： 最大的不同在于我们彻底抛弃了传统大厂把人当螺丝钉、靠堆人力和强管控去推项目的做法。在 AI 时代，所有机械执行的牛马工作都应该交给 AI，组织的核心使命是激发人的创造力。

现在我们公司每个人都有一个自己的 Personal Context 中枢——不管你是在飞书、企微还是任何 Coding 入口里跟人或 AI 交互，所有的 context 都会自动汇集到你的个人中枢里。同时我们也在搭公司级的 context 中枢，以前开再多会也解决不了信息对齐的问题，但现在每个“超级个体”做决策时，不仅能调用自己的全部 context，还能随时掌握公司的战略、关键项目和所有业务数据，自己就能直接发现机会，快速行动。

AI 大幕刚刚拉开，还有许多未被探索的空间，等待更多有热情的人参与。

K2 Lab 正在招募新成员：

• 让 Agent 更聪明的人（模型、工程、产品、体验）

• 把规模转化为效率的人（运营、增长、商家合作）

• 让组织跟上 Agent 速度的人（文化、财务、内部提效）

如果你相信 AI，愿意投身其中，用 AI 创造真正的改变，欢迎加入 K2 Lab。

简历投递： spark@k2lab.ai