7.1
深览指数
商业人人都是产品经理·Z Finance··AI 生成
专访 K2 Lab 王铭：三个月 GMV 破千万美元，垂直 Personal Agent 怎么赚钱？
K2 Lab 旗下 Moras 面向 TikTok 美区中腰部达人，不收订阅费与 token 费，仅从成交增量中抽佣。公测三个月跑出超 1000 万美元 GMV，并完成凯泰资本投资的数千万人民币天使+轮。创始人王铭认为「省时间」是伪需求，Personal Agent 应直接进入用户资产负债表；公司自研几十 B 量级垂直小模型矩阵，做理解、预测与调度，生成调用外部模型。其核心主张是垂直 AI 必须模型与应用一体，终局是面向数亿创作者的 Agent OS 与 A2A 交易托管。原文 ↗
核心观点
- ▍Personal Agent 的商业化不能只看用户规模和任务调用量，必须回答谁为结果付费、收入能否覆盖持续执行成本；「省时间」获得感不具象、付费意愿不确定，直接帮用户赚钱才能消除付费决策摩擦。
- ▍垂直 AI 应用公司必须走「模型与应用一体」道路：通用 SOTA 模型在垂直多模态场景有天花板，超大参数量成本过高，只调用通用模型难以建立壁垒。
- 01Moras 公测三个月 GMV 超 1000 万美元，内容出单率是海外平台平均水位数倍，并完成凯泰资本投资的数千万人民币天使+轮，半年累计三轮融资。
- 02商业模式是赚取商家佣金再分给达人：商家按增量销售额分佣、无前置广告费；达人零订阅费零 token 费，授权账号后 AI 接管选品、脚本、数字分身视频生成与发布。
- 03目标客群是海外内容平台腰部（粉丝 1 万至 10 万）及以下创作者：全球超 6600 万创作者，符合画像的腰部有一两千万；仅 TikTok 美区开通带货权限的创作者近千万，腰部占数百万，却只贡献约 20% GMV。
- 04王铭算过总账：部分内容因账号或人设不带货，但各方利益分配后自己留存的分佣仍能覆盖算力成本，因此 6 月不限量公测。
- 05技术底座是几十 B 量级垂直小模型矩阵，分四层：长链条 Agentic 推理、多模型与多 Agent 调度、多模态理解、内容生成；生成环节基本调用外部模型（如 Seedance、MiniMax），精力集中在理解、预测与调度。
- 06前置理解与预测模型若算出「人、货、内容」组合预期 ROI 偏低，系统在前端直接 Pass，不消耗后端生成算力，从而拉高整体算力 ROI。
- 07中腰部达人传统带货是负循环：申请样品商家不给、内容不符合商业逻辑、履约率与金额走低、更拿不到样品；市面 AIGC 工具只解决内容生产，选品数据平台又是给专业商家用的。
反方 / 局限
- — 现阶段 Moras 承担选品、内容生产、经营分析主要工作与 AI 试错成本，因此分佣拿大头；随着创作者贡献更多 context，「让创作者获得更大收益空间」目前仍是意愿表述而非已落地机制。
- — 1000 万美元 GMV 是在「数据飞轮和用户 context 飞轮还没有非常强地运转」时取得的，作者自己也承认很多事没做细；增长能否在精细化运营后继续，文中未给留存与复购数据。
- — 平台对 AI 生成内容规范趋严是外生变量，王铭以「内容质量高于平台 AI 平均水位」与「平台鼓励生态补充」回应，但这一前提若反转，供给端与分发端都会受压。
K2 Lab（攀峰智能）王铭Moras凯泰资本TikTokPersonal Commerce AgentAgent OSA2A（Agent to Agent）CPS 按销售分佣钉钉SeedanceMiniMaxOutcome-driven Personal Agent
23 分钟 · 6 卡片 · 10 资料
读原文 →