独家｜半年连融三轮，K2 Lab王铭“先帮用户赚到了钱”

今日，投中网独家获悉，攀峰智能（K2Lab）旗下个人商业智能体Moras面向海外内容创作者提供经营服务。公司半年之内完成三轮融资，新的一轮融资已在路上。

融资步速之密集，令人侧目。这家由前钉钉最年轻副总裁王铭创业的公司，从今年3月内测开始到现在，已交出了一份令人出乎意料的成绩单：公测当月年化收入突破100万美金，上个季度用AI帮达人带货超1000万美金，累计吸引近10万名达人注册……更为关键的是，在不向达人收取订阅费或Token使用费、按实际成交分佣的模式下，攀峰智能扣除达人分成后的留存佣金已覆盖算力成本。

这意味着，在AI Agent普遍烧钱的当下，王铭和攀峰智能已走出了一条不一样的路径。

不做套壳工具，先验证赚钱能力

聊起攀峰智能，其逻辑并不复杂：帮海外达人带货赚钱。

但“简单”逻辑的背后，是一条较长的链条——选品、内容创作、脚本、剪辑、发布、数据分析，原本需要一个团队协作才能完成的事，攀峰智能用一套Agentic矩阵将其自动化。

创业路上，王铭也和大多数AI Agent公司不一样：别人先烧钱获客、再找商业模式；攀峰智能是先验证赚钱能力，再放量。

“我们先打磨效果，看到底能不能赚钱？之后再看放量之后，能不能支撑起大规模的用户交互。如果能，就完全敞开。”王铭说。

这背后是对商业模式的清醒判断。在王铭看来，攀峰有“四做五不做”，核心原则是不做单纯消耗Token的工具，而是把“帮用户创造价值”放在心上。算力成本就像制造业的生产资料，AI时代下更是如此，呈现线性增长需求，这对AI Agent公司提出了更高要求——先付出的算力，究竟能不能尽快拿回结果？

“如果你花了算力，却带不回来交付结果，不但现金流不好，毛利率也会很差。”王铭说。这也就解释了，为什么今天很多AI产品拿不回结果后，算的不是毛利率，而是毛亏率。“因为根本没有赚钱能力，所以只能帮用户消耗很贵的批发来的Token，最后比谁亏得更少而已。”

正因如此，攀峰智能从Day One就没有走“烧钱换规模”的路。王铭在交流中一直强调：“我们交付的是一种能力，而不是工具。”尤其是佣金收入覆盖算力成本、6月公测后完全取消雇佣AI的底薪，纯靠分佣之后，攀峰智能在真正意义上实现了‘按结果付费’。”而这，正是垂直智能的一种价值体现。

黑五目标：冲击1000万美元年化收入

垂直智能跑通之后，攀峰智能也开始为黑五购物季蓄力。按照计划，公司将在黑五期间冲击单月带货远超1000万美金，并以年化收入超过1000万美金为目标。

支撑这一目标的，是一套复杂的Agentic架构和垂直模型矩阵。王铭介绍，这套架构涉及十几个Agent之间的长链条协作与对抗，成本优化有两个方向：一是降低Agentic架构的成本，二是通过自研垂直模型矩阵降低模型调用与推理成本。“通用的超大模型，对应的API价格都非常高。但怎么能让自己的模型矩阵降本，是一个重要方向。”

然而，降本只是第一步，更关键的是提升ROI——让AI产出的商业化结果更好。“这归根结底是看Agent的智能水平、模型能力，以及垂直模型能否在特定场景下，拿到优于通用模型的商业化成果。”

为此，攀峰智能在多模态理解、经营结果预测与多模型调度等环节积累自研能力，并结合外部内容生成模型构建垂直模型矩阵。以多模态理解为例，它针对电商内容优化理解能力，读懂爆款内容的底层逻辑，拆解爆款背后的关键要素，为结果预测模型提供支撑。

“我们做了一些小模型，不是那种超大的通用模型，用来预测什么样的脚本，搭配什么样的达人和商品，能取得更好的预期结果。如果这个预测能力比通用模型好，则意味着你在生产环节能筛选出高潜力的内容组合，大幅提升算力使用效率与最终交付效果。”

这套预测能力，解决了达人带货的一大核心痛点：选品匹配。“有的达人主观认为自己适合带母婴产品，但这类商品未必适合他的受众。我们基于海量达人画像、内容画像做测试，预判什么样的达人，搭配何种内容、借助哪些热点，可以拿到怎样的预期转化。”对此，王铭将这套能力类比为世界模型：理解规律，做出预测。

在王铭看来，端到端的商业世界模型周期会很长，但做长链条的Agent+大小模型，去做一些结果预测是有能力实现的。因为，攀峰已经拿到了足够多的数据。

这也就是攀峰智能认为不会被大厂轻易吃掉的原因。“一个长链条的任务，对于通用模型而言，本身就存在挑战；再加上垂直领域的行业know-how与持续积累的经营反馈，门槛自然会进一步抬升。”王铭解释道。

最新一轮融资稳步推进

这种对垂直带货领域和Agent的认知，让攀峰智能融资步速紧密，半年之内完成三轮融资。目前，Pre-A轮融资正在进行中。

不过，对于这一系列的融资，王铭却表示，外部环境并不够好。“我们刚出来创业的时候，AI应用已经开始变冷了。”

那么，投资人为何还看重攀峰智能？王铭认为有三层。首先是团队对模型的理解和对终局的判断。“我们团队有较长的AI从业经历，对这一波大模型范式下的AI，早有技术接触。未来，对模型的走向、模型的能力边界、自身业务的边界，以及如何构建核心竞争力，都有更多的思考。”

其次是团队对创业本身的理解。“创始团队多数成员既有创业经历，也有大厂工作背景，清楚需要搭建怎样的生产关系，才能适配当下这一轮AI时代的生产力。这一点甚至比创业的know-how更为关键，属于一套全新的组织认知。”

第三是商业模式和增长飞轮。“我们对于生态位竞争的提前预判和理解，是投资人看得比较重的。”王铭认为，真正能够创造价值的AI Agent，依然具有机会。由此，王铭也较早地定下了突破千万美金年化收入的目标。在王铭看来，AI产品一旦开跑，就应该尽快能被商业结果验证，否则意味着你专注的场景本身有问题：选择了错误的市场或者选择了大厂的绝对优势赛道，抑或是打了一个伪需求，甚至可能是团队本身拿结果的能力有问题。

为实现这一目标，目前王铭和团队已在黑五上卯足了劲：平台侧准备了十万量级的优质商品，达人侧持续扩充矩阵，产品侧持续完善已有的Personal Agent托管能力——达人可以将账号经营长时间任务授权给自己的Agent，即使去度假一周，AI也能自动完成选品、创作、发布、数据分析等全链条工作，非必要不打扰。

黑五之后，下一步，攀峰智能的重心，是进一步打磨、抬升UE模型。“目前扣除达人分成后的留存佣金已能覆盖算力成本，但完整的单位经济模型（UE）和毛利率仍需持续进化。只有尽可能提升毛利率，经营模型才能更健康。这不仅是财务指标层面的优化，更是垂直场景下智能能力的持续变强，最后能沉淀出真正的竞争壁垒。”

当然，从更长远的视角来看，王铭希望攀峰智能能服务好达人这个群体，成为他们的AgentOS。“未来，或有数千万到数亿人投身到该领域，借助自己的Agent经营业务，这其中的商业回报和社会价值值得长期探索。”

从创业到现在，王铭说“快乐”远大于“痛苦”。“太想在这波AI里去探索了，所以义无反顾地下场了。”王铭认为，他曾自认对AI的预判非常激进，从模型出现后的快速进展、应用的百花齐放、现象级产品的出现，到OpenClaw、Hermes等Agentic架构创新的出现、产品化主动式Personal agent的爆发，以及围绕模型自我改进（RSI）的进展，都是早早有预判，但出现的速度和影响依然早于他的预期。

过程中，技术的进步和投身其中的乐趣，让他充满热情。团队有一半是00后，“他们没有固化的思维，敢想敢干；借助AI能一专多能，个人能力被超级放大。”

这些鲜活而直观的感受，成为了攀峰智能和王铭在当前环境下，持续往前冲，敢于押注垂直智能，以及按结果付费的根本动力。