撰文：深思圈
为什么钉钉最年轻的副总裁会在去年 10 月突然离开阿里，放弃大厂高管的稳定生活，all-in 一个看起来并不那么性感的海外 KOC 市场？当我深入了解 K2 Lab 这家创业公司后，才发现这背后隐藏着一个更宏大的判断：AI 时代留给创业者的窗口期可能只剩 2 到 3 年，错过这个时间点，一切都将尘埃落定。
这不是危言耸听，而是一群看过几百个 AI 创业项目、深度参与过钉钉 AI 转型的顶尖操盘手，用他们的职业生涯做出的选择。他们创立的 K2 Lab，4 个月内完成两轮融资近亿元，核心产品 Moras 让海外达人首周出单率超过 70%，顶级用户月 GMV 突破 10 万美元。这些数字背后，是对 AI 原生时代电商逻辑的一次彻底重构。
AI 时代的决战窗口：为什么是现在
我认为，理解 K2 Lab 这个创业项目，首先要理解他们对时间的判断。创始人王铭在采访中反复强调一个观点：AI 时代的竞争窗口期只有 2 到 3 年，远远短于移动互联网的 5 到 6 年，更短于互联网时代的 10 年。这个判断听起来激进，但如果你仔细观察 AI 技术的演进速度，就会发现这并非夸张。从 ChatGPT 发布到现在，不过两年多时间，大模型能力已经经历了多次跨越式提升。OpenAI 从 GPT-3.5 到 GPT-4，再到 o1 系列，每一次迭代都在重新定义可能性的边界。而像 DeepSeek、Gemini、Claude 这样的竞争对手，也在以月为单位推动技术进步。
这种加速度意味着什么？意味着如果你今天不下场，等到模型能力完全成熟、各个生态位都被占据时，再想进入就太晚了。王铭用了一个非常形象的比喻来解释这个逻辑。他说，移动互联网时代留下的巨头，都是在那个时代构建了双边生态的公司，比如美团连接商家和消费者，滴滴连接司机和乘客，抖音连接创作者和观众。那些只做工具的公司，无论当时看起来多么酷炫，最终都没能成为真正的巨头。而 AI 时代也会遵循同样的规律，只不过这一次，除了双边生态，还要加上数据和垂直模型的飞轮。谁能在窗口期内同时跑通这两个飞轮，谁就能在细分赛道站稳脚跟。
正是基于这个判断，王铭和他的联合创始人们做出了一个看似疯狂的决定：放弃在钉钉积累的所有资源，放弃 ToB 市场，放弃国内市场，all-in 海外 ToC 的 KOC 赛道。这个决定在很多投资人看来都是反直觉的。你想想，王铭作为钉钉最年轻的副总裁，负责过钉钉的 AI 创新产品、生态和运营，手里掌握着大量的企业客户资源和政府关系。如果他选择做 ToB 的 AI 解决方案，无论是在国内还是海外，都会比一个从零开始的 ToC 项目容易得多。但他们偏偏选择了最难的那条路。
为什么？因为他们看到了一个更本质的问题：如果你想成为第一梯队的 AI 应用公司，你必须在一个足够大的赛道里做到第一名，而且这个赛道必须是 AI 原生的，而不是用 AI 去优化传统业务。ToB 市场虽然看起来稳定，但在海外市场，华人创业团队很难拿到头部客户。你只能从小客户开始打，慢慢积累，但 AI 时代的窗口期根本不给你这个时间。那些像 Sierra、Palantir 这样的美国本土 ToB 公司，他们有社会背景，有客户资源,第一时间就能拿下几千万甚至上亿美元的订单，快速积累数据和营收，然后用这些钱去训练垂直场景的模型。你作为一个华人团队，怎么跟他们竞争？
所以 K2 Lab 团队做了一个收敛：坚定不做 ToB，坚定不做国内市场，坚定不做工具，坚定不做非刚需场景。他们把这个原则叫做"五四青年"——四做五不做。这个收敛是他们看了几百个 AI 创业项目后总结出来的血泪教训。那些做工具的公司，无论产品多么炫酷，最终都面临付费转化率低、续费率低的问题，因为用户用完就走了，很多没有留存的理由。那些做非刚需场景的公司，增长曲线非常线性，很难形成指数级爆发。而那些只做国内市场的公司，则面临着付费意识不足、用户习惯把 AI 当工具而不是服务的困境。
为什么是海外 KOC 这个赛道
在明确了"不做什么"之后，接下来的问题是：到底做什么？K2 Lab 团队花了半年时间寻找答案。他们考虑过做 AI Coding，考虑过做 Deep Research，甚至考虑过做 AI 版的抖音。但最终，他们选择了一个看起来不那么性感、但却藏着巨大机会的赛道：海外内容电商的 KOC 市场。
这个选择背后有几层逻辑。第一层是市场洼地的逻辑。TikTok 全球有超过 20 亿月活用户，流量已经超过了抖音，但它的商业化变现率可能连抖音的十分之一都不到。这意味着什么？意味着这里存在着巨大的未被开发的商业价值。在中国，抖音电商、小红书电商已经卷到极致，专业的 MCN 机构、成熟的供应链、标准化的带货流程，让个人创作者很难突围。但在海外，内容电商才刚刚起步。欧美用户不像中国用户那么卷，他们下班后要过自己的生活，度假时要真正放松，不会花大量时间去学习怎么选品、怎么写脚本、怎么剪辑视频、怎么运营账号。这种"不卷"的文化反而给了 AI 巨大的施展空间。
第二层是 AI 能力匹配度的逻辑。内容电商的链条很长：选品、写脚本、拍摄、剪辑、发布、数据分析、优化迭代。这每一个环节都需要专业知识和大量时间投入。一个海外达人如果要做好内容电商，可能需要学习几个月甚至一年才能出结果。但 AI 恰恰擅长的就是把人类顶尖专家的能力复刻到六十分水平，然后通过工程化的方式把这些六十分的能力组合起来，形成一个完整的解决方案。王铭说，如果今天还需要靠一堆懂电商的人才能把这件事做好,那就说明他们做错了。AI 时代的创业机会，应该是那些 AI 可以端到端完成、人只需要在关键节点参与的场景。
第三层是商业模式的逻辑。K2 Lab 从一开始就确定了按效果付费的商业模式：用户雇佣 AI 达人 Moras，给它底薪，赚钱后分成。这种模式对用户来说非常容易理解，不需要解释什么是 Token 消耗，什么是 Multi-Agent 协作。你就把 Moras 当成你雇的一个员工，它帮你赚钱了，你给它分钱，就这么简单。这种模式在海外用户中的接受度非常高，因为他们本来就习惯于雇人帮自己做事，付费意愿强。而在国内，只要有人参与的环节，用户就会觉得这是个工具而不是服务，付费意愿会大打折扣。
第四层，也是我认为最深刻的一层，是关于信任的逻辑。王铭有一个非常前瞻的判断：随着 AI 生成内容的泛滥，消费者会越来越难以分辨什么是真实的、什么是 AI 伪造的。现在你看到的很多商品详情页、营销视频,其实都已经是 AI 生成的了。某个头部跨境电商平台去年在海外的市场小试牛刀全部用 AI 生成产品图，一年省了数千万。但这会带来一个问题：当所有内容都是 AI 生成时，消费者还能相信什么？王铭的答案是：人。只有真人作为信任锚点,才能在 AI 泛滥的世界里建立真正的信任关系。这也是为什么他们坚持做 KOC 而不是直接做纯 AI 带货。他们相信，未来内容电商会从一个旁支变成主流，A to A（消费者 Agent 直连商品 Agent）解决标品、低价产品，更多非标、重决策场景需要 A to A to A（消费者 Agent 连接 KOC Agent,再连接商家 Agent），而那个中间的人，将成为最稀缺的资源。
Moras：不是工具，是 Agent OS
理解了赛道选择的逻辑，接下来我们看看 Moras 这个产品到底是什么。很多人第一次听到 Moras，会觉得这不就是又一个 AI 视频生成工具吗？但这种理解完全低估了 Moras 的野心。Moras 的定位不是工具，而是 KOC Agent OS——一个完整的操作系统。
什么叫操作系统？就是它不只是帮你完成某一个单点任务，而是管理整个工作流程的执行、决策和进化。Moras 的核心架构包含 9 大功能模块：市场洞察、选品策略、卖点提炼、分镜脚本、爆款 Hook、内容生成、智能剪辑、违规检测、视频发布。这 9 个模块并不是简单的线性流程，而是一个 Multi-Agent 协作系统。每个模块背后都有专门的 Agent 负责，这些 Agent 之间会互相传递信息、互相对抗、互相验证，最终输出一个符合平台规则、符合用户调性、有爆款潜力的视频。
举个具体例子。当一个海外达人打开 Moras，他只需要做三个动作：第一，选择一个 Moras 推荐的商品；第二，选择商品的主图；第三，点击发布。就这三步。但在这三步背后，Moras 的 Multi-Agent 系统已经完成了几十个复杂决策。首先是选品 Agent，它会从 TikTok Shop 的近千万商品中筛选出不到 1000 款实时滚动的爆品，这个筛选过程考虑了平台策略、行业周期、节日热度、影视剧热梗、天气变化、商家投流情况，甚至还要排除那些 AI 不擅长生成的品类。然后是个性化推荐 Agent,它会读取达人的 TikTok 账号数据，根据粉丝画像和内容调性进一步排序。接下来是脚本 Agent，它会结合商品特性、达人风格、平台热门趋势生成爆款脚本。再是生成 Agent，调用多个视频生成模型完成内容制作。最后是质检 Agent，检查有没有错帧、坏帧、商品不一致、夸大宣传等问题。
这整套流程，传统方式需要 12 到 20 个小时，而 Moras 只需要 0.5 小时可以生产 3-5 条。更关键的是，Moras 的每一个决策都不是随机的，而是基于人类顶尖专家的经验。K2 Lab 团队里有前 TikTok 电商的核心负责人，他曾经在 TikTok 高峰期负责过接近一半的全球 GMV。他们把这些专家的选品逻辑、内容创作方法论、平台规则理解，全部变成了 Few-shot 样本，让 AI 学习，再通过人工数据标注和结果验证帮 Agent 持续的进化升级。这就是为什么 Moras 生成的内容能让首批用户首周出单率达到 70%的原因——它学到的不是互联网上的通用知识，而是真正在战场上验证过的实战经验。
按效果付费：重新定义 AI 产品的商业模式
Moras 的另一个创新在于商业模式。王铭说，他们从第一天就决定做按效果付费,这在 AI 创业圈里是相当罕见的。大部分 AI 产品都是按 Token 消耗收费，或者按订阅制收费。但 Moras 的逻辑是：你雇佣一个 AI 帮你带货，给它底薪，赚钱后分成。
这个模式听起来简单，但实现起来非常难。因为它要求 AI 的成功率足够高，否则企业会亏钱。想象一下，如果你的 AI 帮用户生成了 100 个视频，但只有 10 个能出单，那剩下 90 个的算力成本谁来承担？这就要求团队必须在产品上做到极致优化。K2 Lab 的做法是，通过大量的规则约束和质量把控，确保每一次内容生成都是高质量、高出单概率的。他们给用户设置了每天生成数量的上限，因为他们发现，如果让用户无限制生成，很多人会一天发几十上百条，但平台会限流，根本没有效果，反而浪费算力。所以他们把算力花在刀刃上，让每一个 Token 都能产生结果。
这种商业模式还有一个深层含义：它改变了用户和 AI 的关系。传统的 AI 工具,用户是在操作一个软件，需要学习怎么用、怎么调参数、怎么优化提示词。但 Moras 不是。用户和 Moras 的关系，更像是雇主和员工。你告诉它你想带什么品类的货，它自己去做决策、做执行、做优化。这种"AI as a Service"而非"AI as a Tool"的定位，才是真正符合 AI 原生时代的产品形态。
从实际数据来看，这个模式是跑通了的。K2 Lab 在 3 月份完成了首批 30 多位达人的共创测试,这些达人都不是什么大 V,大部分是 5000 到 5 万粉之间的长尾 KOC。就是这群人，在 3 月份创造了 50 万美元的 GMV。平均下来，每个达人月均 GMV 接近 1 万美元。其中顶级用户甚至做到了月 GMV 10 万美元。更夸张的是首周出单率——超过 70%。要知道，一个传统的海外达人，如果很懂带货，正常也要发两周到一个月才能稳定出单。而用 Moras 的达人，第一周就能看到钱。
全员 AI Coding：一个 AI 原生团队的组织哲学
如果说 Moras 是 K2 Lab 对外交付的产品，那么全员 AI Coding 就是他们对内的组织哲学。王铭说，他们公司有个规定：所有人的 AI Coding 和 AI 产品消费完全报销，而且鼓励大家用最好的模型。不只是研发人员在用 Claude、GPT，连 HR、财务、运营、产品经理都在用 AI Coding 开发系统。
这听起来有点疯狂，但实际效果惊人。他们的 HR 管理系统、BI 系统、达人建联系统、邮件 AB 测试系统、自动化客服、选品及数据标注系统，全都不是研发人员开发的。是 HR 自己用 AI 开发的 HR 系统，是运营自己用 AI 开发的运营工具,是产品经理自己用 AI 开发的数据分析平台。甚至他们还做了一批开发 Agent，专门负责接需求、写代码、跑测试。很多需求现在已经不提给程序员了，直接提给 Agent，Agent 测试通过后再交给研发验收。
王铭说，他们的 AI Coding 代码率已经达到 99%以上。这个数字在业内从前几乎是不可想象的。而且他们对 AI Coding 的理解已经进化到了第三个阶段。第一阶段是用 AI 增强小团队的生产力，人还要做大量的 Debug 和加固工作。第二阶段是通过 Harness 框架（规则系统）来约束 AI 的行为，让它不会乱写代码并可以开发复杂的业务系统。第三阶段就是现在这样，让 Agent 自己开发、自己测试、自己优化，人只负责最终验收。
这种组织能力的提升，直接体现在产品迭代速度上。K2 Lab 去年 10 月成立，11 月确定方向，12 月开始验证结果，今年 1 月把产品简化到移动端，2 月开始海外用户拉新，3 月完成首批共创。4 个月时间，从 0 到 1 完成了一个完整的商业闭环。这个速度，在传统软件开发模式下是不可想象的。而且他们团队快速达到 30 多人，且覆盖了融资、海外营销、达人增长、内容电商、AI 工程、模型算法、AI 交互创新等诸多关键岗位，每个岗位上都有资深人员，一专多能的超级个体。王铭说，AI 时代就是要打大仗，现学现招人是来不及的。
A to A to A：一个关于未来电商形态的大胆预判
聊到这里，我们已经理解了 K2 Lab 在做什么、为什么这么做、怎么做的。但王铭和他的团队显然不满足于只做一个帮助 KOC 提效的工具。他们真正的野心，是构建一个 A to A to A 的内容电商平台。
什么是 A to A to A？第一个 A 是消费者的 Personal AI，可能是 ChatGPT，可能是龙侠，也可能是未来某个开源框架。第二个 A 是 KOC 的数字分身，由 Moras 提供的 Agent OS 支撑。第三个 A 是商家的供应链 Agent。这三个 Agent 之间不需要通过传统的电商平台来连接，而是直接通过协议进行信息交换和交易撮合。
举个例子。未来某天，一个美国的新手妈妈问她的 Personal AI："我刚生了宝宝，需要买一套婴儿用品，包括衣服和奶瓶，你帮我推荐一下。"她的 Personal AI 会根据她的消费历史、生活习惯、地理位置等信息，通过 Moras 的路由系统，找到最适合她的 KOC 数字分身，比如一个同样住在美国东海岸、同样是两个孩子的妈妈、同样是墨西哥裔的 Amy。Amy 的数字分身会一对一地跟这位新手妈妈沟通，推荐商品，解答疑问，最后完成交易。整个过程中，这位新手妈妈甚至不知道背后是 Moras 在提供服务，她只知道 Amy 这个她信任的人帮她解决了问题。
这个愿景听起来很遥远，但王铭认为今年就会开始发生。他的判断基于两个观察：第一，中心化的超级 App 在 AI 时代会逐渐消失。以后不会再有一个 Amazon 让所有人都在里面购物，也不会有一个 Instagram 让所有人都在里面看内容。流量会从中心化的入口迁移到去中心化的 Agent OS 入口。第二，人作为信任锚点的价值会越来越大。当 AI 生成内容充斥整个互联网时,只有真人背书的内容才能建立真正的信任。所以内容电商不会消亡，反而会从一个细分市场变成主流形态。
为了实现这个愿景，K2 Lab 已经在做长期布局。他们和清华大学合作，开发多模态理解模型，专门用于两个场景：第一，让 AI 自己做质检，判断视频有没有错帧、坏帧、商品不一致、夸大宣传；第二，让模型自己学习爆款视频的规律，而不是只依赖人类专家输入经验。他们相信，只有让 AI 具备自主进化能力，才能在窗口期内快速占领市场，领跑 A2A 原生电商时代。
