為什么釘釘最年輕的副總裁會在去年10月突然離開阿里，放棄大廠高管的穩(wěn)定生活，all-in一個看起來并不那么性感的海外KOC市場？當(dāng)我深入了解K2 Lab這家創(chuàng)業(yè)公司后，才發(fā)現(xiàn)這背后隱藏著一個更宏大的判斷：AI時代留給創(chuàng)業(yè)者的窗口期可能只剩2到3年，錯過這個時間點，一切都將塵埃落定。

這不是危言聳聽，而是一群看過幾百個AI創(chuàng)業(yè)項目、深度參與過釘釘AI轉(zhuǎn)型的頂尖操盤手，用他們的職業(yè)生涯做出的選擇。他們創(chuàng)立的K2 Lab，4個月內(nèi)完成兩輪融資近億元，核心產(chǎn)品Moras讓海外達(dá)人首周出單率超過70%，頂級用戶月GMV突破10萬美元。這些數(shù)字背后，是對AI原生時代電商邏輯的一次徹底重構(gòu)。

AI時代的決戰(zhàn)窗口：為什么是現(xiàn)在

我認(rèn)為，理解K2 Lab這個創(chuàng)業(yè)項目，首先要理解他們對時間的判斷。創(chuàng)始人王銘在采訪中反復(fù)強調(diào)一個觀點：AI時代的競爭窗口期只有2到3年，遠(yuǎn)遠(yuǎn)短于移動互聯(lián)網(wǎng)的5到6年，更短于互聯(lián)網(wǎng)時代的10年。這個判斷聽起來激進(jìn)，但如果你仔細(xì)觀察AI技術(shù)的演進(jìn)速度，就會發(fā)現(xiàn)這并非夸張。從ChatGPT發(fā)布到現(xiàn)在，不過兩年多時間，大模型能力已經(jīng)經(jīng)歷了多次跨越式提升。OpenAI從GPT-3.5到GPT-4，再到o1系列，每一次迭代都在重新定義可能性的邊界。而像DeepSeek、Gemini、Claude這樣的競爭對手，也在以月為單位推動技術(shù)進(jìn)步。

這種加速度意味著什么？意味著如果你今天不下場，等到模型能力完全成熟、各個生態(tài)位都被占據(jù)時，再想進(jìn)入就太晚了。王銘用了一個非常形象的比喻來解釋這個邏輯。他說，移動互聯(lián)網(wǎng)時代留下的巨頭，都是在那個時代構(gòu)建了雙邊生態(tài)的公司，比如美團(tuán)連接商家和消費者，滴滴連接司機和乘客，抖音連接創(chuàng)作者和觀眾。那些只做工具的公司，無論當(dāng)時看起來多么酷炫，最終都沒能成為真正的巨頭。而AI時代也會遵循同樣的規(guī)律，只不過這一次，除了雙邊生態(tài)，還要加上數(shù)據(jù)和垂直模型的飛輪。誰能在窗口期內(nèi)同時跑通這兩個飛輪，誰就能在細(xì)分賽道站穩(wěn)腳跟。

正是基于這個判斷，王銘和他的聯(lián)合創(chuàng)始人們做出了一個看似瘋狂的決定：放棄在釘釘積累的所有資源，放棄ToB市場，放棄國內(nèi)市場，all-in海外ToC的KOC賽道。這個決定在很多投資人看來都是反直覺的。你想想，王銘作為釘釘最年輕的副總裁，負(fù)責(zé)過釘釘?shù)腁I創(chuàng)新產(chǎn)品、生態(tài)和運營，手里掌握著大量的企業(yè)客戶資源和政府關(guān)系。如果他選擇做ToB的AI解決方案，無論是在國內(nèi)還是海外，都會比一個從零開始的ToC項目容易得多。但他們偏偏選擇了最難的那條路。

為什么？因為他們看到了一個更本質(zhì)的問題：如果你想成為第一梯隊的AI應(yīng)用公司，你必須在一個足夠大的賽道里做到第一名，而且這個賽道必須是AI原生的，而不是用AI去優(yōu)化傳統(tǒng)業(yè)務(wù)。ToB市場雖然看起來穩(wěn)定，但在海外市場，華人創(chuàng)業(yè)團(tuán)隊很難拿到頭部客戶。你只能從小客戶開始打，慢慢積累，但AI時代的窗口期根本不給你這個時間。那些像Sierra、Palantir這樣的美國本土ToB公司，他們有社會背景，有客戶資源,第一時間就能拿下幾千萬甚至上億美元的訂單，快速積累數(shù)據(jù)和營收，然后用這些錢去訓(xùn)練垂直場景的模型。你作為一個華人團(tuán)隊，怎么跟他們競爭？

所以K2 Lab團(tuán)隊做了一個收斂：堅定不做ToB，堅定不做國內(nèi)市場，堅定不做工具，堅定不做非剛需場景。他們把這個原則叫做"五四青年"——四做五不做。這個收斂是他們看了幾百個AI創(chuàng)業(yè)項目后總結(jié)出來的血淚教訓(xùn)。那些做工具的公司，無論產(chǎn)品多么炫酷，最終都面臨付費轉(zhuǎn)化率低、續(xù)費率低的問題，因為用戶用完就走了，很多沒有留存的理由。那些做非剛需場景的公司，增長曲線非常線性，很難形成指數(shù)級爆發(fā)。而那些只做國內(nèi)市場的公司，則面臨著付費意識不足、用戶習(xí)慣把AI當(dāng)工具而不是服務(wù)的困境。

為什么是海外KOC這個賽道

在明確了"不做什么"之后，接下來的問題是：到底做什么？K2 Lab團(tuán)隊花了半年時間尋找答案。他們考慮過做AI Coding，考慮過做Deep Research，甚至考慮過做AI版的抖音。但最終，他們選擇了一個看起來不那么性感、但卻藏著巨大機會的賽道：海外內(nèi)容電商的KOC市場。

這個選擇背后有幾層邏輯。第一層是市場洼地的邏輯。TikTok全球有超過20億月活用戶，流量已經(jīng)超過了抖音，但它的商業(yè)化變現(xiàn)率可能連抖音的十分之一都不到。這意味著什么？意味著這里存在著巨大的未被開發(fā)的商業(yè)價值。在中國，抖音電商、小紅書電商已經(jīng)卷到極致，專業(yè)的MCN機構(gòu)、成熟的供應(yīng)鏈、標(biāo)準(zhǔn)化的帶貨流程，讓個人創(chuàng)作者很難突圍。但在海外，內(nèi)容電商才剛剛起步。歐美用戶不像中國用戶那么卷，他們下班后要過自己的生活，度假時要真正放松，不會花大量時間去學(xué)習(xí)怎么選品、怎么寫腳本、怎么剪輯視頻、怎么運營賬號。這種"不卷"的文化反而給了AI巨大的施展空間。

第二層是AI能力匹配度的邏輯。內(nèi)容電商的鏈條很長：選品、寫腳本、拍攝、剪輯、發(fā)布、數(shù)據(jù)分析、優(yōu)化迭代。這每一個環(huán)節(jié)都需要專業(yè)知識和大量時間投入。一個海外達(dá)人如果要做好內(nèi)容電商，可能需要學(xué)習(xí)幾個月甚至一年才能出結(jié)果。但AI恰恰擅長的就是把人類頂尖專家的能力復(fù)刻到六十分水平，然后通過工程化的方式把這些六十分的能力組合起來，形成一個完整的解決方案。王銘說，如果今天還需要靠一堆懂電商的人才能把這件事做好,那就說明他們做錯了。AI時代的創(chuàng)業(yè)機會，應(yīng)該是那些AI可以端到端完成、人只需要在關(guān)鍵節(jié)點參與的場景。

第三層是商業(yè)模式的邏輯。K2 Lab從一開始就確定了按效果付費的商業(yè)模式：用戶雇傭AI達(dá)人Moras，給它底薪，賺錢后分成。這種模式對用戶來說非常容易理解，不需要解釋什么是Token消耗，什么是Multi-Agent協(xié)作。你就把Moras當(dāng)成你雇的一個員工，它幫你賺錢了，你給它分錢，就這么簡單。這種模式在海外用戶中的接受度非常高，因為他們本來就習(xí)慣于雇人幫自己做事，付費意愿強。而在國內(nèi)，只要有人參與的環(huán)節(jié)，用戶就會覺得這是個工具而不是服務(wù)，付費意愿會大打折扣。

第四層，也是我認(rèn)為最深刻的一層，是關(guān)于信任的邏輯。王銘有一個非常前瞻的判斷：隨著AI生成內(nèi)容的泛濫，消費者會越來越難以分辨什么是真實的、什么是AI偽造的?，F(xiàn)在你看到的很多商品詳情頁、營銷視頻,其實都已經(jīng)是AI生成的了。某個頭部跨境電商平臺去年在海外的市場小試牛刀全部用AI生成產(chǎn)品圖，一年省了數(shù)千萬。但這會帶來一個問題：當(dāng)所有內(nèi)容都是AI生成時，消費者還能相信什么？王銘的答案是：人。只有真人作為信任錨點,才能在AI泛濫的世界里建立真正的信任關(guān)系。這也是為什么他們堅持做KOC而不是直接做純AI帶貨。他們相信，未來內(nèi)容電商會從一個旁支變成主流，A to A（消費者Agent直連商品Agent）解決標(biāo)品、低價產(chǎn)品，更多非標(biāo)、重決策場景需要 A to A to A（消費者Agent連接KOC Agent,再連接商家Agent），而那個中間的人，將成為最稀缺的資源。

Moras：不是工具，是Agent OS

理解了賽道選擇的邏輯，接下來我們看看Moras這個產(chǎn)品到底是什么。很多人第一次聽到Moras，會覺得這不就是又一個AI視頻生成工具嗎？但這種理解完全低估了Moras的野心。Moras的定位不是工具，而是KOC Agent OS——一個完整的操作系統(tǒng)。

什么叫操作系統(tǒng)？就是它不只是幫你完成某一個單點任務(wù)，而是管理整個工作流程的執(zhí)行、決策和進(jìn)化。Moras的核心架構(gòu)包含9大功能模塊：市場洞察、選品策略、賣點提煉、分鏡腳本、爆款Hook、內(nèi)容生成、智能剪輯、違規(guī)檢測、視頻發(fā)布。這9個模塊并不是簡單的線性流程，而是一個Multi-Agent協(xié)作系統(tǒng)。每個模塊背后都有專門的Agent負(fù)責(zé)，這些Agent之間會互相傳遞信息、互相對抗、互相驗證，最終輸出一個符合平臺規(guī)則、符合用戶調(diào)性、有爆款潛力的視頻。

舉個具體例子。當(dāng)一個海外達(dá)人打開Moras，他只需要做三個動作：第一，選擇一個Moras推薦的商品；第二，選擇商品的主圖；第三，點擊發(fā)布。就這三步。但在這三步背后，Moras的Multi-Agent系統(tǒng)已經(jīng)完成了幾十個復(fù)雜決策。首先是選品Agent，它會從TikTok Shop的近千萬商品中篩選出不到1000款實時滾動的爆品，這個篩選過程考慮了平臺策略、行業(yè)周期、節(jié)日熱度、影視劇熱梗、天氣變化、商家投流情況，甚至還要排除那些AI不擅長生成的品類。然后是個性化推薦Agent,它會讀取達(dá)人的TikTok賬號數(shù)據(jù)，根據(jù)粉絲畫像和內(nèi)容調(diào)性進(jìn)一步排序。接下來是腳本Agent，它會結(jié)合商品特性、達(dá)人風(fēng)格、平臺熱門趨勢生成爆款腳本。再是生成Agent，調(diào)用多個視頻生成模型完成內(nèi)容制作。最后是質(zhì)檢Agent，檢查有沒有錯幀、壞幀、商品不一致、夸大宣傳等問題。

這整套流程，傳統(tǒng)方式需要12到20個小時，而Moras只需要0.5小時可以生產(chǎn)3-5條。更關(guān)鍵的是，Moras的每一個決策都不是隨機的，而是基于人類頂尖專家的經(jīng)驗。K2 Lab團(tuán)隊里有前TikTok電商的核心負(fù)責(zé)人，他曾經(jīng)在TikTok高峰期負(fù)責(zé)過接近一半的全球GMV。他們把這些專家的選品邏輯、內(nèi)容創(chuàng)作方法論、平臺規(guī)則理解，全部變成了Few-shot樣本，讓AI學(xué)習(xí)，再通過人工數(shù)據(jù)標(biāo)注和結(jié)果驗證幫Agent持續(xù)的進(jìn)化升級。這就是為什么Moras生成的內(nèi)容能讓首批用戶首周出單率達(dá)到70%的原因——它學(xué)到的不是互聯(lián)網(wǎng)上的通用知識，而是真正在戰(zhàn)場上驗證過的實戰(zhàn)經(jīng)驗。

按效果付費：重新定義AI產(chǎn)品的商業(yè)模式

Moras的另一個創(chuàng)新在于商業(yè)模式。王銘說，他們從第一天就決定做按效果付費,這在AI創(chuàng)業(yè)圈里是相當(dāng)罕見的。大部分AI產(chǎn)品都是按Token消耗收費，或者按訂閱制收費。但Moras的邏輯是：你雇傭一個AI幫你帶貨，給它底薪，賺錢后分成。

這個模式聽起來簡單，但實現(xiàn)起來非常難。因為它要求AI的成功率足夠高，否則企業(yè)會虧錢。想象一下，如果你的AI幫用戶生成了100個視頻，但只有10個能出單，那剩下90個的算力成本誰來承擔(dān)？這就要求團(tuán)隊必須在產(chǎn)品上做到極致優(yōu)化。K2 Lab的做法是，通過大量的規(guī)則約束和質(zhì)量把控，確保每一次內(nèi)容生成都是高質(zhì)量、高出單概率的。他們給用戶設(shè)置了每天生成數(shù)量的上限，因為他們發(fā)現(xiàn)，如果讓用戶無限制生成，很多人會一天發(fā)幾十上百條，但平臺會限流，根本沒有效果，反而浪費算力。所以他們把算力花在刀刃上，讓每一個Token都能產(chǎn)生結(jié)果。

這種商業(yè)模式還有一個深層含義：它改變了用戶和AI的關(guān)系。傳統(tǒng)的AI工具,用戶是在操作一個軟件，需要學(xué)習(xí)怎么用、怎么調(diào)參數(shù)、怎么優(yōu)化提示詞。但Moras不是。用戶和Moras的關(guān)系，更像是雇主和員工。你告訴它你想帶什么品類的貨，它自己去做決策、做執(zhí)行、做優(yōu)化。這種"AI as a Service"而非"AI as a Tool"的定位，才是真正符合AI原生時代的產(chǎn)品形態(tài)。

從實際數(shù)據(jù)來看，這個模式是跑通了的。K2 Lab在3月份完成了首批30多位達(dá)人的共創(chuàng)測試,這些達(dá)人都不是什么大V,大部分是5000到5萬粉之間的長尾KOC。就是這群人，在3月份創(chuàng)造了50萬美元的GMV。平均下來，每個達(dá)人月均GMV接近1萬美元。其中頂級用戶甚至做到了月GMV 10萬美元。更夸張的是首周出單率——超過70%。要知道，一個傳統(tǒng)的海外達(dá)人，如果很懂帶貨，正常也要發(fā)兩周到一個月才能穩(wěn)定出單。而用Moras的達(dá)人，第一周就能看到錢。

全員AI Coding：一個AI原生團(tuán)隊的組織哲學(xué)

如果說Moras是K2 Lab對外交付的產(chǎn)品，那么全員AI Coding就是他們對內(nèi)的組織哲學(xué)。王銘說，他們公司有個規(guī)定：所有人的AI Coding和AI產(chǎn)品消費完全報銷，而且鼓勵大家用最好的模型。不只是研發(fā)人員在用Claude、GPT，連HR、財務(wù)、運營、產(chǎn)品經(jīng)理都在用AI Coding開發(fā)系統(tǒng)。

這聽起來有點瘋狂，但實際效果驚人。他們的HR管理系統(tǒng)、BI系統(tǒng)、達(dá)人建聯(lián)系統(tǒng)、郵件AB測試系統(tǒng)、自動化客服、選品及數(shù)據(jù)標(biāo)注系統(tǒng)，全都不是研發(fā)人員開發(fā)的。是HR自己用AI開發(fā)的HR系統(tǒng)，是運營自己用AI開發(fā)的運營工具,是產(chǎn)品經(jīng)理自己用AI開發(fā)的數(shù)據(jù)分析平臺。甚至他們還做了一批開發(fā)Agent，專門負(fù)責(zé)接需求、寫代碼、跑測試。很多需求現(xiàn)在已經(jīng)不提給程序員了，直接提給Agent，Agent測試通過后再交給研發(fā)驗收。

王銘說，他們的AI Coding代碼率已經(jīng)達(dá)到99%以上。這個數(shù)字在業(yè)內(nèi)從前幾乎是不可想象的。而且他們對AI Coding的理解已經(jīng)進(jìn)化到了第三個階段。第一階段是用AI增強小團(tuán)隊的生產(chǎn)力，人還要做大量的Debug和加固工作。第二階段是通過Harness框架（規(guī)則系統(tǒng)）來約束AI的行為，讓它不會亂寫代碼并可以開發(fā)復(fù)雜的業(yè)務(wù)系統(tǒng)。第三階段就是現(xiàn)在這樣，讓Agent自己開發(fā)、自己測試、自己優(yōu)化，人只負(fù)責(zé)最終驗收。

這種組織能力的提升，直接體現(xiàn)在產(chǎn)品迭代速度上。K2 Lab去年10月成立，11月確定方向，12月開始驗證結(jié)果，今年1月把產(chǎn)品簡化到移動端，2月開始海外用戶拉新，3月完成首批共創(chuàng)。4個月時間，從0到1完成了一個完整的商業(yè)閉環(huán)。這個速度，在傳統(tǒng)軟件開發(fā)模式下是不可想象的。而且他們團(tuán)隊快速達(dá)到30多人，且覆蓋了融資、海外營銷、達(dá)人增長、內(nèi)容電商、AI工程、模型算法、AI交互創(chuàng)新等諸多關(guān)鍵崗位，每個崗位上都有資深人員，一專多能的超級個體。王銘說，AI時代就是要打大仗，現(xiàn)學(xué)現(xiàn)招人是來不及的。

A to A to A：一個關(guān)于未來電商形態(tài)的大膽預(yù)判

聊到這里，我們已經(jīng)理解了K2 Lab在做什么、為什么這么做、怎么做的。但王銘和他的團(tuán)隊顯然不滿足于只做一個幫助KOC提效的工具。他們真正的野心，是構(gòu)建一個A to A to A的內(nèi)容電商平臺。

什么是A to A to A？第一個A是消費者的Personal AI，可能是ChatGPT，可能是龍俠，也可能是未來某個開源框架。第二個A是KOC的數(shù)字分身，由Moras提供的Agent OS支撐。第三個A是商家的供應(yīng)鏈Agent。這三個Agent之間不需要通過傳統(tǒng)的電商平臺來連接，而是直接通過協(xié)議進(jìn)行信息交換和交易撮合。

舉個例子。未來某天，一個美國的新手媽媽問她的Personal AI："我剛生了寶寶，需要買一套嬰兒用品，包括衣服和奶瓶，你幫我推薦一下。"她的Personal AI會根據(jù)她的消費歷史、生活習(xí)慣、地理位置等信息，通過Moras的路由系統(tǒng)，找到最適合她的KOC數(shù)字分身，比如一個同樣住在美國東海岸、同樣是兩個孩子的媽媽、同樣是墨西哥裔的Amy。Amy的數(shù)字分身會一對一地跟這位新手媽媽溝通，推薦商品，解答疑問，最后完成交易。整個過程中，這位新手媽媽甚至不知道背后是Moras在提供服務(wù)，她只知道Amy這個她信任的人幫她解決了問題。

這個愿景聽起來很遙遠(yuǎn)，但王銘認(rèn)為今年就會開始發(fā)生。他的判斷基于兩個觀察：第一，中心化的超級App在AI時代會逐漸消失。以后不會再有一個Amazon讓所有人都在里面購物，也不會有一個Instagram讓所有人都在里面看內(nèi)容。流量會從中心化的入口遷移到去中心化的Agent OS入口。第二，人作為信任錨點的價值會越來越大。當(dāng)AI生成內(nèi)容充斥整個互聯(lián)網(wǎng)時,只有真人背書的內(nèi)容才能建立真正的信任。所以內(nèi)容電商不會消亡，反而會從一個細(xì)分市場變成主流形態(tài)。

為了實現(xiàn)這個愿景，K2 Lab已經(jīng)在做長期布局。他們和清華大學(xué)合作，開發(fā)多模態(tài)理解模型，專門用于兩個場景：第一，讓AI自己做質(zhì)檢，判斷視頻有沒有錯幀、壞幀、商品不一致、夸大宣傳；第二，讓模型自己學(xué)習(xí)爆款視頻的規(guī)律，而不是只依賴人類專家輸入經(jīng)驗。他們相信，只有讓AI具備自主進(jìn)化能力，才能在窗口期內(nèi)快速占領(lǐng)市場，領(lǐng)跑A2A原生電商時代。

結(jié)尾

也歡迎大家留言討論，分享你的觀點！

覺得內(nèi)容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產(chǎn)出更好的內(nèi)容。

歡迎關(guān)注深思圈，一起探索更大的世界。

- END -

兩個“特別坑”的AI產(chǎn)品創(chuàng)業(yè)方向，你知道嗎

速度將成為AI時代唯一的護(hù)城河

a16z重磅預(yù)測：Vibe coding贏者通吃？錯了，垂直專業(yè)化才是未來