王铭在阿里内部的标签是年轻，他做到钉钉副总裁兼开放平台总经理，主导AI创新产品与生态建设，业内给他贴过一个前钉钉最年轻副总裁的标签，更早之前他在58集团孵化过天鹅到家、快狗打车这类项目，从分类信息时代的流量场一路打过来。

创业的契机他自己讲得很直白，人格化的超级个体需求正在爆发，他想让AI成为人的延伸。三个人组成的创始班底全部来自阿里钉钉AI创新业务，CSO汤明磊管生态投资，公司近期引入前美团技术高管赵强出任CTO，统筹模型、算法与工程，团队里聚着阿里、字节等平台的老人，也有一半成员是00后，王铭的说法是没有固化思维，借助AI能一专多能。组织本身按AI Native的方式搭，本轮融资的用途里专门列了一条AI Native组织建设，把组织形态当成和算法同级的投入项，这个细节在融资公告里不多见。

选赛道的手法能看出老运营人的直觉。海外内容电商，TikTok上的达人生态，需求明确，供给分散，达人缺流量吗？缺的是经营能力，选品、脚本、剪辑、发布、复盘这条链原本要一个小团队才转得动。K2Lab用一套Agentic矩阵把整条链自动化，达人的门槛从组建团队降到了授权一个Agent。

这个选择背后是海外达人经济的结构变化。TikTok Shop在几个主要市场放量之后，内容电商的进场人数猛增，大多数人没有供应链，没有运营经验，甚至没有稳定的拍摄条件，他们有的只是粉丝和信任。传统MCN挑人签人，覆盖的永远是头部的一小撮，长尾的几百万达人没人服务，也没有服务得起的价格。王铭判断未来有数千万到数亿人投身这个领域，借助自己的Agent经营业务，达人的AgentOS这个愿景就是从供给端的空白里长出来的。AI恰好在这一刻把服务的边际成本打到了接近零，一个Agent可以同时服务成千上万个达人，长尾市场第一次有了被覆盖的经济性。

Moras的商业模式一句话能讲完，按结果付费，卖货了才收钱。

拆开看有三层，第一层是免费入场，不收订阅费、不卖Token、不需要和机构绑定，创作者可以选协作创作，可以选滑动审核，也可以长期托管，账号交给Agent打理，人去度假一周，选品创作发布数据分析照常转。第二层是成本前置，AI生产与试错的算力成本全部由Moras承担，爆款率不高就自己认赔。第三层是分成结算，成交之后商家按约定付佣金，Moras与达人分成。公司称公测阶段验证了留存佣金，也就是扣除达人分成之后的部分，已经覆盖算力成本，完整的单位经济模型还在优化。放在AI应用的行业背景里看，这个模式的含义不小，多数AI产品先收钱再交付，用户替模型的不确定性买单，Moras反过来，不确定性自己扛，收入与结果挂钩。王铭对此有一套表述，AI应用是新时代的制造业，Token是生产资料，我们不赚Token的差价，追求算力投入能创造多少商业价值，他还补了一句更狠的，很多AI产品拿不回结果，算的哪里是毛利率，算的是毛亏率。

对达人来说，这笔账更好算，用不用产品的判断依据只剩一条，能不能帮我赚到钱。激励就这么对齐了，产品优化的方向自动指向选品准不准、内容能不能转化，没有日活、时长这类中间指标的干扰。

这套模式还有一层容易被忽略的效果，它改变了筛选机制。订阅制的AI工具谁都能买，用得好不好全看用户自己，Moras免费进场意味着涌入的是最广泛的长尾人群，能不能出单直接决定谁留下来，产品在公测阶段就完成了一轮市场自筛。留存的达人带着真实的成交数据，反过来喂给选品预测模型，数据的质量比订阅制产品里那种浅层使用数据高一个等级。王铭说的先打磨效果再放量，逻辑闭环就在这里，效果不好放多少量都没用，效果好了放量本身就是收入。

支撑这套模式的是什么？公司的技术栈，自研多模态内容智能模型K2 Prism，外加一个几十B量级的垂直小模型矩阵。

K2 Prism干的事是拆视频，把参考视频里的商品展示、风格、开场钩子、证明方式、结尾引导拆成结构化标签，输出镜头描述与脚本参考，爆款从玄学变成可检索、可比较、可复用的数据资产。垂直模型矩阵覆盖长链条Agentic推理、多模型与多Agent调度、多模态理解与经营结果预测，内容生成环节调用外部模型，自己做的是理解和预测这两段。王铭特别讲过选品预测的用法，有的达人自认为适合带母婴产品，受众未必买账，系统基于海量达人画像和内容画像做预判，什么样的达人搭配什么内容、借助哪些热点，能拿到什么预期转化，他把这套能力类比成商业世界模型，理解规律，做出预测。整条链路里十几个Agent长链条协作与对抗，配合专家经验蒸馏、创作者长期记忆和基于真实交易反馈的强化学习。降本的两条路也清楚，压Agentic架构的成本，用垂直小模型替换通用大模型的调用，通用模型的API价格太高，自建矩阵把推理成本打下来。

十几个Agent协作的技术细节值得展开一点。长链条任务最难的地方在误差累积，选品错一步，后面脚本、视频、投放全部白费，所以链路上每个环节都要有判断和纠错机制，Agent之间不光有协作还有对抗，一个Agent产出的内容要经得起另一个Agent用转化逻辑去挑毛病。评测体系挂在真实交易上，每一条发出去的视频都是一次实验，点击、转化、退货这些反馈自动回流，强化学习的信号不用人工标注。这类靠真金白银训练出来的模型，和用互联网文本训练出来的通用模型，在同一个垂直任务上的差距会越拉越大，公司敢说不会被大厂轻易吃掉，底气就压在这里。

公司的成绩单全部围绕一个季度展开。

公测首季度GMV突破1000万美元，公测当月年化收入突破100万美元，注册达人近10万，出单率是海外平台平均水位的数倍，公司口径，三个月做到TikTok金牌服务商，黑五机构榜单竞赛持续领跑。供给侧已经和超过1100家行业头部商家建立深度合作，覆盖八大重点行业，商家货盘和高佣合作接进内容生产与达人分发链路。商家侧的智能体完成核心功能开发，经营诊断、商品机会挖掘、爆款策略复用、达人匹配、内容履约、投放效果反馈，后续要把供给侧的经营信息沉淀成A2A智能体协作电商的地基。

下一步押在黑五，四季度围绕黑五扩大优质达人与商家合作规模，冲击单月带货远超1000万美元，年化收入超过1000万美元。王铭把目标讲得具体，平台侧准备了十万量级的优质商品，产品侧持续完善托管能力，让达人的账号可以长期授权给自己的Agent。

读这组数字需要一点拆解，1000万美元是GMV，达人的成交额，公司收入另算，拿的是其中按比例分成的佣金，再扣掉达人分成之后的留存部分，公测当月年化收入100万美元说的才是自己的进账。两个数字之间差着两个数量级，差距源自商业模式本身的结构，公司收入跟着达人收入走，达人赚得越多它赚得越多。真正的考验在比例和成本那条缝里，佣金率由商家和平台决定，达人分成比例要留住人，算力成本随用量线性走，三条边夹出毛利率的区间。留存佣金覆盖算力成本，意味着这条缝现在是正的，但只是薄薄的正，黑五冲量的同时毛利率能不能同步抬升，决定这套模式是能跑通的生意还是一场体面的流水。

投资人为什么半年里连着三次把钱递进来？王铭自己总结过三层，团队对模型的理解和终局判断，团队对创业本身的理解，商业模式和增长飞轮。

他讲过一个背景细节，刚出来创业的时候，AI应用已经开始变冷，二级市场的情绪传导到一级市场，纯讲故事的项目拿钱越来越难。K2Lab在这种环境里半年三轮，含金量在商业模式的验证顺序上，先证明能赚钱，再谈放量，算力花出去之前先想清楚怎么收回来。这个顺序和多数AI Agent公司的路径相反，别人烧钱换规模再找商业模式，K2Lab是先找商业模式再换规模。留存佣金覆盖算力成本这个节点之后，公司在6月公测后干脆取消了雇佣AI的底薪，纯靠分佣，把按结果付费做成了完整的闭环。Pre-A轮进行中，钱将主要花在黑五战役和UE模型的抬升上。

把这个融资节奏放进2026年的一级市场看更有意思。今年AI应用的融资整体在向两头挤，钱要么去底层模型，要么去已经验证收入的应用，中间那层讲概念的最难受。K2Lab三轮融资的间隔越来越短，每一轮的故事都建立在上一轮的可验证数据上，第一轮看团队，第二轮看公测数据，第三轮看佣金覆盖成本，典型的数据驱动融资路径。王铭说投资人看重的第三层是生态位竞争的预判，翻译过来就是这个问题，如果大厂明天也做达人Agent怎么办，他的答案是垂直场景的行业know-how和经营反馈数据别人短期拿不到，这个答案是否成立，黑五之后就能看出端倪。

这个赛道不缺对手，往三个方向看都有影子。

横着看，海外内容电商的AI工化工具已经一片，自动剪辑、自动脚本、数字人主播的单点工具挤满了货架，K2Lab的差异化在长链条，单点工具帮达人省时间，它直接承包经营结果，两种东西卖的根本不同。竖着看，字节、阿里这些大厂都在做电商Agent，王铭的判断是长链条任务对通用模型本身就有挑战，加上垂直领域的行业know-how和持续积累的经营反馈数据，门槛会自己长高，这套论证听着合理，需要时间验证。回着看，平台的风险最实在，Moras整个生意长在TikTok的生态上，平台规则一变，达人供给、佣金政策、内容合规任何一项调整，生意都要跟着抖。公司把跨平台作为长期方向，商家智能体和A2A电商的布局也是在把鸡蛋从单一平台上挪开。

平台依赖这件事值得单独算一笔，Moras帮达人出的内容全部发在TikTok，成交跑在TikTok Shop，佣金结算跟着平台走，平台握着流量分配和规则制定权，历史上内容电商生态的每一次规则调整都重塑过一批服务商的命运。对K2Lab有利的面是平台也在扶持带货效率，金牌服务商的身份意味着官方认可，短期内是顺风。长期看，真正的对冲是把能力沉淀在平台之外，达人关系、商品理解、内容方法论这些资产跟着产品走，换一个平台还能复用，A2A电商的设想更远，智能体之间直接对接商家和达人，平台从渠道退化成管道，那是非常靠后的故事了。眼下的现实是，黑五战役必须赢在TikTok上，跨平台是赢了之后才有资格谈的事。

把这场融资放回AI应用的大盘，K2Lab验证的是一个更普遍的命题，AI的商业模式能不能从卖工具改成卖结果。

这个命题成立的前提有三个，一是Agent的能力要稳定到敢对结果负责，Moras用分佣制把这句话写进了合同，敢不敢是能力问题。二是结果要可结算，成交就是成交，GMV分佣天然清晰，这比帮助效率提升百分之三十这类模糊承诺强得多。三是单位经济要转正，留存佣金盖住算力成本只是及格线，毛利率还得往上走，王铭自己也说完整的UE和毛利率需要持续进化。三个前提，第一个已经用制度回答，第二个天然成立，第三个是未来十二个月的主考题。

顺着这个命题往下看一层，结果付费如果跑通，改变的不只是一家公司的收入模式。AI应用行业收了两年订阅费，本质上是把模型的不确定性转卖给用户，用户付了钱，模型行不行另说。结果付费把这个不确定性收回到厂商自己身上，倒逼产品只做真正能交付价值的事，行业的钱从卖 hope变成卖 outcome，这是一次正向的洗牌。当然它也有边界，结果可结算的场景才适用，电商成交是最理想的结算物，提效类、创作类工具的结果很难定义，订阅制在那些场景里还会长期存在。K2Lab选的恰好是结算物最清晰的场景，这也是它敢先吃螃蟹、敢把免费进场写进商业模式的底气。黑五就是那场考试，单月带货远超1000万美元的目标挂在了墙上，做到，按结果付费就有了第一个规模化样本，做不到，融资故事还得再讲一轮。