對話K2 Lab王銘：AI時代人效比非常可怕，燒掉1000萬美金Token只是開始

“接下來，那些不能帶來收益的產品將買不起算力。創業項目如果不能扎實地幫用戶端到端交付結果、帶來收益，可能會死掉一大批。”作為一家AI Native初創公司，K2 Lab（攀峰智能）創始人王銘和其團隊正快速踐行這一想法。

近期，K2Lab宣布再次完成數千萬元天使輪融資，這也是K2Lab三個月以來完成的第二輪融資。王銘透露，攀峰智能計劃今年持續完成多輪融資，AI Native團隊的融資節奏不同于過往，核心是追求融資效率、快速跑馬圈地。

K2 Lab的首款產品Moras定位KOC Agent OS，為海外KOC達人打造“選品洞察-內容創作-視頻發布-數據分析”的全鏈自動化工作閉環。

與業內主流Agent工程化方案一致，Moras采用了Harness Engineering體系。通過前期大量行業選品的深度knowhow和海量品類的爆款視頻理解，Moras把內容電商鏈路中的市場洞察、選品策略、賣點提煉、分鏡腳本、爆款hook、智能剪輯、違規預檢、視頻發布每一步原子級能力都沉淀形成了Agent Skills，并在Harness的調度下進行意圖解析、任務編排與執行驗證。

目前K2 Lab整體的Token消耗量按賬單倒推每天將近在10億級別。但王銘認為，盡管現在AI商業上已經形成小閉環，但要完成商業邏輯、做好基建、構建完整的A2A（消費者-商品）電商Agent OS，需要海量且持續的投入。“真正高的算力消耗是放量后，按照我們今年實現數千萬美金ARR（年度經常性收入）的目標和Agent OS的開發建設，計劃消耗的Token價值將達到數千萬美金。”

據悉，Moras的首輪共創達人用戶已于3月完成邀請測試，首周達人發布出單率超過70%，活躍達人通過Moras的平均月度成交GMV接近10000美元，有達人注冊后第一周時間達到了1萬美元GMV，在測試期間月度GMV突破了10萬美元，相較于傳統KOC達人的變現效率和變現能力，提升了上百倍。

王銘認為，移動互聯網時代，平臺的定義是超級入口，云端中心化，核心是流量聚合和分發，讓用戶多停留。AI時代，平臺的定義是Agent OS，端側分布式，核心是意圖的截取和執行，讓用戶少操作。Agent OS代表的是下一代平臺，將用戶從繁雜的操作中徹底解放，實現“意圖即結果”。

K2 Lab選擇從一開始就用AI Coding，幾乎全員Coding，目前代碼AI生成率達到了99%。甚至通過自研的開發Agent去完成開發、測試等工作。團隊使用SOTA開發模型，同時基于Harness框架進行開發，定義好規則，最終可以產出質量不錯的系統。通過這種方式，也在極大地提高了團隊全員的戰斗力。

當然，除了前期仍然需要找到適合的專業人才來夯實地基外，AI時代的機會讓王銘不過度糾結于個體是否有在內容電商或海外深耕的過往經驗。在他看來，AI目前可以將團隊里的內容電商專家關于選品、網感、熱點捕捉、爆款腳本撰寫、商業視頻制作、高效發布及數據分析迭代的先驗知識，實現系統化的工程能力，甚至在多個環節，AI的能力已經遠超許多普通創作者。

選擇基于海外TikTok的另一個重要切點是，平臺上做得好的商家和達人還不多，相對早期，商業化鏈條長、門檻較高，這給了團隊重要的生長土壤和時間窗口。

王銘認為，科技加速導致生態位搶占的窗口期越來越短。AI時代是一片全新的神奇土地，土壤肥力遠超互聯網時代，可能長出一大批萬億甚至十萬億美金市值的公司，且生長速度極快。為此，他們也在竭力爭搶這段窗口期，用兩三年的時間快速在A2A原生電商賽代搶占第一生態位。

以下為對話實錄經編輯：

Q：攀峰智能在今年1月份宣布融資，近期又完成了新一輪融資。融資節奏很快，你認為當前投資人主要看重哪些方面？

王銘：我認為投資人首先關注的是團隊。AI時代存在不確定性，但人是相對確定的。我本人是第四次創業，在大廠做過生態，也孵化過AI原生產品。我們的團隊比較健全，團隊雖然成立僅幾個月，已有30多人，在內容電商、Agentic工程、模型算法、海外增長、達人建聯、AI產品交互、融資等關鍵點位都配備了資深專家。AI是一場大戰，窗口期可能就兩三年，現學現招是來不及的。

其次，投資人認為我們比較懂模型。我從2021年開始接觸大模型，與通義千問的前身大模型M6團隊就有合作。我對新鮮事物好奇心強，很早就開始關注AI。2023年ChatGPT出現后，我們便全面投入AI。2023年前后在美國跑出來的比較大規模且能夠付費的Agent，基本是生產力、ToB或ToG的，這與釘釘的心智匹配。為此，我們在2024年底將釘釘推動成為阿里AI toB的入口。

再者，是我們的切入點。我們半年內看了三四百個項目，總結出“四做五不做“的原則：不做國內市場、不做ToB、不做非剛需場景、不做純工具。我們傾向于盡早構建平臺能力，像美團、滴滴、抖音那樣的雙邊生態。總結來講，我們的切入點扎實，離營收近，能快速看到正反饋。

Q：但團隊總帶有過往經驗的慣性。

王銘：人只要有經歷就會有慣性。但AI時代要求我們必須打破慣性，快速學習并上手嘗試新事物，應用到實際場景中。多次創業的優勢在于，我們不會執著于明顯行不通的路，會遵循第一性原理，實事求是，與時俱進。

之前投資人也非常關心，或者認為將過去所積累的資源發揮到極致，你的創業成功率會大大增加，但我們是非常反直覺的，放棄ToB生意，放棄國內的資源。

Q：既然你提到放棄ToB和國內的資源，那么在獲取新資源方面，會遇到什么樣的挑戰？

王銘：其實對于我們，最大的挑戰是團隊對海外用戶文化的理解。我們原有團隊大多base在國內。因此，我們吸收了大量在歐美留學、生活、工作甚至創業過的聯合創始人和成員。我們計劃從5月份開始，部分團隊成員包括我會長期駐扎海外，深入接觸、理解當地文化和用戶，理解用戶行為背后的深層原因是什么。

Q：主要是歐美市場嗎？

王銘：按順序是美國、歐洲與拉美，然后是日本、東南亞。肯定需要本地化團隊。

Q：關于產品，你們提到Moras產品將內容電商鏈路的各個環節進行了Agent Skills沉淀。既然對海外用戶了解較少，那這些沉淀是基于國內還是海外經驗？是如何獲取的？

王銘：我們團隊有關鍵負責人來自TikTok，曾帶來TikTok近半數的全球GMV，非常專業。另一方面，是AI給了我們機會。如果沒有AI，做好內容電商可能需要團隊大部分人都有相關背景。但有了AI，它可以快速學習人類知識并泛化、自主進化。這意味著人在其中的作用不再是決定性的。如果一件事需要花費120分努力才有一點結果，那可能做錯了，如果沒那么費力就能取得好結果，那可能方向對了。

我們的產品邏輯是，將人類關于選品、網感、熱點捕捉、爆款腳本撰寫、商業視頻制作、高效發布及數據分析迭代的先驗知識，通過AI進行系統工程化的實現。AI在多個環節上的能力已超過許多普通人，其組合后的效率和效果會遠超人類。海外TikTok上做得好的商家和達人少，一方面是因為早期階段，但更是因為這件事鏈條長、學習周期長，且海外市場不像中國市場這么卷。

Q：這確實是一個差異化的切入點。國外達人對商業化變現的理解可能還不夠深入。

王銘：是的，這給了我們很好的切入點。切入后，Multi-Agent的進化、垂直模型的進化，以及未來流量向A to A遷徙，都可能帶來更大機會。未來可能是去中心化的入口，誰掌握了某個場景的Agent OS或群體托管權，誰就可能成為新的入口。

Q：談到入口，設計Agent還是需要有一個與用戶交互的入口，目的是為了讓用戶信任Agent。

王銘：我說的入口不是指交互界面，而是指像上一個時代的超級App那樣的中心化節點。下一個時代可能沒有這種超級節點，但交互入口可能如App、眼鏡、耳機，依然存在。相對來講，企業級場景的釘釘可能生命周期會長一些，短期內很多還是需要在釘釘進行協作。

過去很多互聯網產品不是人直接與服務器交互，但現在如果是你自己單獨使用的不需要跟其他人互動的某個產品的話，就大概率會被顛覆。因為未來是人跟Agent交互，Agent再與服務器交互，不需要復雜的界面。所以，中心化的入口會消失，只是用戶界面仍然需要。

Q：有點像釘釘現在想做的Cli，以及One Person Company的概念。

王銘：對。但我個人不太看好自己做一個“龍蝦”。未來可能基于更優秀的開源框架，大家貢獻Skill。對于消費者，你是一個Skill；對于達人和商家，你是一個Agent OS。

Q：所以你們定位的KOS Agent OS，最終是構建給消費者的嗎？

王銘：我們從KOC切入，是因為他們能在流量洼地快速實現增長并帶貨。我們認為未來電商有兩種形態：一種是純A to A（消費者-商品）；另一種是A to A to A，中間以人作為信任錨點來完成帶貨。隨著AI生成內容泛濫，社會信任危機必然出現，屆時人將成為關鍵的信任節點，但需要AI工具降低其表達、創作，以及商業門檻。

我們的定位是幫助達人、商家構建Agent OS，并將一套電商Skill接入到消費者的Personal AI中，同時提供購物所需的context和服務。未來我們希望延伸到用戶、達人、商家一整套的Agent OS。例如如果某用戶的購物頻率極高，我們積累了足夠多的商家和達人后，也可能直接為用戶打造一個電商場景的專屬消費型Agent。最終，每個人可能都有一個Personal AI，我們作為Skill嵌入，或者為需要專屬Agent的用戶提供完整解決方案。

Q：如何區分今年出現的Agent與過去的Agent，有哪些進展？

王銘：今年Agent的關鍵進展有幾個：一是自主進化，在不改變模型（比如微調、后訓練）的情況下，通過使用越用越好。二是記憶系統（Memory）的進化，能有機結合歷史上下文，輸出更懂用戶的AI。三是Agentic大幅滲透，從明確的Workflow走向更自主的Agentic AI，能自動決策、判斷和工作。四是自動化開發的Agent，當現有工具無法解決問題時，能自己編寫代碼或Skill。

Q：你們在這些方面都有投入嗎？

王銘：我們之前主要做Agentic和Multi-Agent協作，去年開始做原子級能力（Skill）。今年會探索自主進化和Memory系統，但我們不會直接自研做Memory系統，而是基于市面上現有框架探索、后續再看是否要自己開發。

此外，我們會布局垂直領域的多模型，在多模態理解模型、Agentic調度模型等大廠尚未重點布局的垂直領域或個性化場景，訓練自己的模型，這類模型直接影響Skill分發、Multi-Agent協作，而模型層面的進步又會影響Agentic的可用性，同時對成本控制也至關重要。

Q：Claude確實很強，但也貴。

王銘：是的，很貴。但我們鼓勵團隊多用好模型，從公司成立第一天就為全員報銷Token費用，要求非研發同事也使用AI，實現全員AI編碼。我們的HR系統、BI系統、A/B測試數據標注系統、自動化客服、選品系統等，都不是研發人員開發的，而是由HR、財務、運營、產品經理通過AI編碼完成。

Q：幾乎所有生產系統都是AI開發，代碼比例有多高？

王銘：生產級系統也完全由AI編碼，代碼AI生成率在99%以上。我們現在很多編碼工作甚至不是人直接在做，而是由我們開發的開發Agent完成。需求提給Agent，它開發、測試通過后，再交給研發驗收。

Q：測試是怎么解決的？這也是大家比較關注的。

王銘：以前問題多在改Bug上。現在使用頂級模型后，其改Bug能力非常強悍，生成一個完全沒有bug的產品相對容易。我們再通過自研的測試Agent進行自動化測試和界面測試，最終是可以產出質量不錯的產品，生產效率很高。

現在的邏輯是，我們有時不需要完全理解AI寫的成千上萬行代碼。它已經是一個合格的程序員，可以暴力地快速重寫整個系統，總有一次能寫對。你要想完全看懂、理解，然后再通過人工改所有的Bug，我覺得已經是上個時代的思維方式。關鍵在于Harness的設計。我們很早就開始基于規則和OpenSpec等框架進行開發，定義好規則后，結合模型能力，產出系統。而測試更多是驗收需求是否實現、主流程是否無誤，以及通過AI自動化測試發現潛在Bug。

Q：你們對Harness的設計思路是怎樣的？Moras經歷了哪些主要迭代才確立以Harness方式進行開發設計？

王銘：我們出來創業幾個月，從第一天就開始AI Coding，經歷了三個階段：

生產力增強階段：用AI增強小團隊產能，但模型能力未到，也缺乏Harness框架，需要人工大量改Bug和加固，增強產品穩定性。

規則制定階段：開始思考如何駕馭AI，制定各種規則，后來采用OpenSpec開發規則框架，規范AI Coding行為，防止違反安全規范或需求。其實這時候包括海外使用AI Coding的團隊也有了Harness的思想。

Harness時代：隨著模型能力提升和行業認知統一，尤其是春節后Claude Code源碼泄露事件展示了其完整的駕馭方法論，業內開始進入系統性的Harness時代。這一事件其實極大拉齊了行業水平，進一步提高AI Coding的普及和社會生產效率提升。

Q：交付結果也決定了商業模式。你們的邏輯是按結果定價，有人認為這太理想化。像近期KOC測試的出單量和成交量有很大提高，你們如何評估當前的商業化結果，是否滿意？

王銘：完全超預期。以前是專業的人結合AI能做到這樣的結果，因為AI每一次協作都會有衰減，但現在能取得與人類相似的結果，這讓我很震驚。例如，一個海外達人如果自己養號，可能需要2周到1個月才能穩定出單，而我們現在的產品首周出單率就非常高，之后能持續穩定出單。

Q：這種商業模式是否需要特定的組織或文化基礎？

王銘：大多數人包括我們也沒有完全轉過來，我們團隊也在探索如何將AI打造成類人形態、如何與用戶交互。但至少在商業模式上以終為始去行動的話，我們就是要在產品打造和團隊文化上快速轉變，思考如何雇傭AI。

比如我們使用的AI產品大多是按Token或訂閱收費，而自己做的是按效果付費的產品，這本身就需要轉變。這意味著我們可能要在功能、按鈕、交互設計上，從讓用戶點擊App轉向把AI當成人來設計，用人的口吻與AI溝通。這對企業組織是挑戰，但對用戶而言反而接受的門檻更低，因為用戶有請真人干活的經驗。

最絲滑的方式是不要讓用戶進行Token的單位換算，用戶最能理解的符號就是金錢或時間。所以我們一步到位，采用“底薪+分成”（CPS）模式，讓用戶每月支付幾十美金底薪雇傭AI，AI先消耗Token干活，賺到錢后再分成，這樣用戶容易理解。

Q：你們的產品是高毛利還是低毛利？

王銘：長期看，可能從低毛利走向高毛利。一方面，隨著模型能力增強，未來可能不需要最SOTA的模型就能在特定場景做出好效果，成本會下降。另一方面，要做到細分賽道第一，垂直模型是必做的，這既能提升效果，也能降低成本。AI時代最終會逐漸平權，毛利可能不會一直維持高位，但規模可以非常大。這是一個從低到高再到下降的過程。

Q：算力成本會計入研發成本嗎？

王銘：不算。我們的算力成本主要看經濟模型，因為我們是商業模式創新，不是純工具創新。當然，研發的Token投入也不小，但會隨著規模攤薄。AI Native創企的成本邏輯是：人的工資應小于公司研發的Token消耗；公司研發的Token消耗遠遠小于產品端的Token消耗。這才是AI時代的杠桿。互聯網時代，大廠的人效比可能人均產值幾百萬、工資百萬，但AI時代的人效比會非常可怕。

Q：融資節奏很快，已經拿到這筆錢了嗎？

王銘：AI Native團隊的融資節奏不同，每天都在融資，沒有明確的輪次概念，追求融資效率，有錢就拿，拿了就開啟下一輪。我們雖然對外公布的是第二輪融資，但第三輪快結束了，第四輪馬上開啟。今年計劃往很高的融資目標走。

Q：你最開始提到未來的窗口期就兩三年，這兩三年會發生什么？

王銘：科技加速導致生態位搶占的窗口期越來越短。AI時代是一片全新的土地，土壤肥力遠超互聯網時代，可能長出萬億甚至十萬億美金市值的公司，且生長速度極快，像OpenAI三年做到8500億美金的估值。我們要做的是在這片新土地上快速找到空地，丟下種子，用兩三年時間在細分賽道站穩生態位，構建雙邊用戶商品與達人的飛輪，以及數據與垂直模型的飛輪。兩個飛輪都轉起來后，細分賽道的第一名基本就確定了。

Q：AI時代的企業市值也在“通脹”。

王銘：一定會非常高。AI將大幅提升全球生產力，帶來巨大的經濟增量。這意味著會出現許多營收千億美金、估值萬億美金的AI公司。

Q：你們講的多模態內容電商垂直模型到底是什么？

王銘：準確說，是我們A to A Agent OS中必然涉及到的幾類模型：一是推理模型；二是電商場景的理解模型和生成模型；三是Multi-Agent進化架構所需的調度模型。大概就是這四類模型。底層可能會用第三方大模型基座，但有些場景未來可能不再依賴第三方。

Q：我們會自己訓練基座模型嗎？

王銘：垂直模型會用開源模型進行后訓練。通用模型很難為垂直場景蒸餾數據，因為其垂直領域數據不夠豐富、不夠垂。例如，在爆款腳本這件事上，通用模型寫不出太多爆款，但我們能拿到大量爆款數據，讓模型在這個領域超過通用模型。

我們從第一天起就存儲了所有生產過程中的數據：AI使用的提示詞、操作過程、用戶與AI的交互行為、最終被驗證的爆款內容等。然后反向歸因，讓AI提煉爆款規律。這些數據會讓模型收斂。我們Day 1就存下了所有數據，很多公司可能為了控成本不會這么做。但在垂直場景，誰跑得快、數據多，誰的模型就更好，就能吸引更多用戶，形成馬太效應。所以這兩三年的窗口期非常關鍵。

Q：你當前階段最焦慮的事情是什么？

王銘：坦白說，因為創業次數多，我心態比較好，沒有特別焦慮。如果非要說，近期比較焦慮的是一些政策動作，比如收緊ODI（境外直接投資），導致我們的資金出海路徑受阻。這是我們創業前沒想到的變數。

不過，這也不是特別大的影響，只是可能讓我們在美國市場高舉高打的拓客節奏稍微晚一些，轉為滾雪球式發展。我創業心態比較平和，相信“菩薩畏因，眾生畏果”，不為結果焦慮，多做該做的事。夢想可以很大，走好腳下的路，結果不糾結。

（本文作者 | 楊麗，編輯 | 楊林）