前沿科技，数智经济

当 AI 可以批量生产内容，稀缺的就不再是内容本身，而是把内容变成生意的能力。

过去两年，AI 行业最先被看见的能力是生成，比如生成文字、图片和视频等等。但当 AI 生成工具快速增多，一个更现实的问题开始浮现，即内容可以被批量生产，商业结果却不会自动出现。

尤其在内容电商行业，视频数量往往并不等于成交能力。

比如在美国有一位 6 个孩子的宝妈，她在社交媒体上以分享自己的生活为主，大概有几万的粉丝量，但这些粉丝量却并不足以支持其能够成交更多的商单，而是以单一的广告合作为主。

后来，" 这位宝妈每个月能卖出几万美元商品。"K2 Lab 攀峰智能创始人王铭对光锥智能说道。

变化不在于她突然学会了选品、写脚本、研究流量，也不在于她组建了一支电商团队，而是其内容创作、商品匹配和交易转化中的大量工作，被交给了 K2 Lab 攀峰智能旗下的 AI 产品 Moras。

Moras 是一款面向海外 TikTok 创作者的多智能体（Multi-Agent）系统，能够端到端完成选品、脚本、视频、发布与数据分析，并采用按效果付费（CPS 分成）而非订阅制。

今年 3 月，Moras 已经在美国进行内测，6 月进行了公测，7-9 月单季的 GMV 则已经突破千万美元，上线首月年化收入即超 100 万美元。

日前，光锥智能与王铭进行了一场深度交流，透过这次交流，我们试图回答一个问题，即当 AI 开始直接对交易结果负责，内容电商的生意将如何被重写？

事实上，K2 Lab 攀峰智能是王铭的第四次创业，谈及为何选择 AI 电商，王铭表示："AI 已经能够在电商场景创造实际价值，而我们团队又有交易平台的经验，因此选择了这个赛道。"

那么，是什么，让这家成立不到一年的 AI 公司，就能够在如此短时间内就取得这样的商业结果？它押中的究竟是 AI 电商的短期红利，还是一种能够长期成立的新商业范式？

从省钱到赚钱

AI 电商迈向结果时代

ROI，是在整场交流中，王铭提到的最多的单词之一。

在他眼里，AI 公司不能只回答模型有多强、内容生成有多快，更要回答一笔最朴素的账：投入的算力能否被收入覆盖，创造的价值能否转化为真实交易。

如果这两个问题无法成立，用户越多，可能只意味着成本越高。

这源于 AI 应用与上一代互联网产品的根本差异。过去，SaaS 和互联网平台主要把工具交给人，最终结果仍由用户自己完成，软件多服务一个用户，增加的边际成本也相对有限。

但在 AI 时代，每一次理解、推理、生成和调度都要消耗 Token，因此，王铭将其形容为一种 " 新制造业 "，即原材料需要持续采购，产品如果没有人付费，商业逻辑就难以成立。

因此，K2 Lab 攀峰智能从一开始就没有把目标停留在 " 帮助达人提高内容生产效率 "。

在王铭看来：" 提升效率的小于省钱的，小于赚钱 "。对创作者来说，更快做出一条视频当然有价值，但更强的需求仍然是获得订单和收入。

这也是他在此次创业中，商业模式坚持按效果付费的主要原因。

ROI 不只是一个财务指标，也是一套产品约束，即公司只有在帮助商家和达人完成交易后才能获得收入，就必须对选品、内容、匹配和转化中的每一个环节负责。

基于此，K2 Lab 攀峰智能并未先在中国市场进行产品上市应用，而是率先选择了海外市场，毕竟，在王铭看来，现阶段无论从付费习惯，还是 AI 的运行成本来看，欧美市场更适合做前期的商业验证。

选定海外市场后，ROI 被进一步拆解为具体的产品动作。

在达人侧，许多海外腰部达人往往难以独立完成选品、脚本、剪辑、发布和数据分析，也不愿签约机构。Moras 的价值，就是把选品、内容到成交尽量端到端解决掉，达人只提供个人 Context 与特色。再由 AI 判断适合的商品、内容形式与发布时机，完成后续运营。

更关键的是归因，即 AI 创作内容带来的订单可以被清晰追溯，对原本没有商业化结果的达人，" 带来的商业化结果都属于增量。"

" 第一步切入达人，现在则已经扩展到商家。" 王铭说，核心是拿到更完整的 " 商品 Context"，比如产品经理的灵感、面料工艺、库存与发货周期、销售中总结的卖点等等，并将其加工成 AI 可理解的内容，直接 " 喂给 " 创作 Agent，用来判断 " 什么达人适合讲什么故事、带什么商品 "。

简单理解，它最终输出的，并不是一份营销方案，也不是简单的达人对接，而是把商家信息融进内容创作与分发，最终直接完成销售。

而在此过程中，不管是商家还是达人，都均无需前置支付订阅费或 Token 费，直到交易发生后，商家支付佣金，公司再与达人分成，而通过 AI 内容产生的订单也可以被识别和归因，达人若凭专业知识或个人特色创造超额收益，分成也会向其倾斜。

至此，K2 Lab 攀峰智能形成了一套围绕交易结果运转的业务闭环，即达人提供个人 Context，商家提供商品 Context，AI 完成理解、匹配、创作和转化，再根据真实订单进行收益分配。

公司收入、达人收益和商家销售被绑定在同一个结果上，ROI 也由此从一句经营口号，变成了整个产品系统必须持续优化的指标。

说到底，从省钱到赚钱，不只是收费方式的切换，而是 AI 电商迈过工具时代、进入结果时代的那道分水岭。当一家公司的收入和创作者的收入被绑在同一笔成交里，ROI 才不再是一个被反复提及的单词，而成了生意本身。

自研垂直模型

将成本降低超 50%

当

AI 应用开始为结果负责，竞争就不再止于产品体验，而是要深入模型层的成本与智能上限。

一般来说，现阶段的 AI 应用创业公司，往往并不会直接就自研大模型类产品，而是通过调用通用大模型的 API，再通过提示词、工作流和 Agent 架构完成产品化。

这条路径的优势显而易见，即前期投入较低，产品迭代更快，团队可以把主要资源放在用户需求和商业化上。

但当 AI 开始执行长链条任务，问题也会随之出现。

毕竟，通用模型并非为某个行业单独设计，要在垂直场景中取得更好的结果，应用公司往往需要不断增加指令、补充 Context、拆分任务，产品体验可以改善，却很难突破通用模型在该场景中的能力上限，且每一次理解、推理和生成都在消耗 Token，业务规模越大，成本压力越真实。

" 通用模型的智力能力构成了应用的上限，要突破这一上限，只能自研。" 王铭如此说道。

因此，K2 Lab 攀峰智能自主研发的 K2-PRISM 爆款产品模型，在参数规模上是以几个 B 为主的小模型，并未追求通用大模型动辄更大的参数量。

王铭对此解释的原因很直接，即该模型处理的是垂直场景中的理解、推理和调度任务，不需要为了覆盖所有行业和任务而维持巨大的通用能力。

同时，王铭也坦言，自研多模态模型也暂时没有计划进入 AIGC 视频生成模型赛道，原因在于通用模型在这个环节仍然很强，相反，公司超过一半的算力成本投向理解、推理、调度和对抗。

这个选择其实很有代表性，一家真正以结果为导向的 AI 公司，成本未必要花在 " 生成一条看起来更漂亮的内容 " 上，而应花在 " 为什么是这个商品、这个达人、这种表达 " 的判断上。

另外，较小的垂直模型，带来的最直接的收益，就是算力成本的下降。

据王铭介绍，一条端到端创作流程，包括选品、理解、脚本生成、剪辑、发布、文案和分析，

在自研模型的优化下，综合成本已经降低超过 50%。

不过，自研垂直模型并不意味着所有 AI 应用公司都应该重走基础模型公司的路。恰恰相反，王铭认为，只有已经获得大量资金、具备模型训练基因并且跑在前面的少数团队，才适合持续投入基础模型竞争。对更多应用公司而言，一上来就大规模训练模型，未必是一个合理选择。

K2 Lab 攀峰智能采取的路径，就是先让业务运转起来，让收益覆盖算力成本，再逐步积累数据、资本和模型能力，最终理想状态是形成一个飞轮，即产品体验越好，用户越多，用户越多，数据和 Context 越丰富，数据越丰富，垂直模型越能改善匹配与转化，又带来更好产品体验。

王铭由此判断，未来应用公司与模型公司的边界会越来越模糊，除了少数提供基础设施的基础模型公司，更多应用公司将走向 " 模型与应用一体 "，它们不一定需要训练一个无所不能的大模型，却必须掌握所在场景中的关键智能。

因此，K2 Lab 攀峰智能自研垂直模型，并不是为了给公司再增加一个技术标签，而是试图把竞争壁垒从业务流程向底层能力推进。

真正重要的也不是模型参数有多大，而是它能否让 AI 在电商场景中做出更好的判断，并把这些判断持续转化为交易结果。

结语

AI 对电商的真正改造，或许不是让内容无限增加，而是让商品与需求的匹配无限趋近精准。

" 以后都是 Context 交换的世界，不是靠吸引人眼球的注意力去获取经济价值的时代了。" 王铭的这句话，指向了 AI 电商更深层的变化。

过去的电商主要依赖流量、品牌和注意力，商家争夺曝光，达人争夺粉丝，平台负责撮合交易。

而当用户的个人 Context 与商家的商品 Context 都能被 AI 理解，商业匹配就有可能从 " 谁获得了更多关注 "，转向 " 谁真正适合谁 "。

K2 Lab 攀峰智能目前所做的，正是这一变化的早期实践。Moras 将达人特点、商品信息与内容创作连接起来，再通过真实订单检验匹配效果，并以 CPS 分成的形式让各方共享交易收益。它试图证明，AI 不只能降低内容生产门槛，还可以直接进入经营链路，对选品、转化和收入负责。

当然，成立不到一年的成绩，尚不足以证明这套模式已经抵达终局。随着达人规模扩大，这家 AI 应用公司仍需持续提升匹配效率，控制算力成本，并让数据积累真正转化为模型能力。GMV 和收入增长只是起点，能否长期维持正向 ROI，才是这套商业范式能否成立的关键。

但从行业视角看，K2 Lab 攀峰智能也提供了一种值得关注的方向，即 AI 应用公司的壁垒，可能不再只是一个更好用的界面、一项更先进的生成能力，而是对垂直场景的理解、持续积累的数据，以及将智能转化为商业结果的能力。

当 AI 开始直接对交易结果负责，内容电商被重写的就不只是视频如何生产，而是商品如何被发现、创作者如何获得收入，以及交易各方如何分配价值。这才是这场变化真正值得关注的部分。

光锥智能"AI 交流群 "已建立，

感兴趣的朋友可以添加小助手微信（GZZN2019）沟通进群。

联系我们

王一粟

创始人 / 主编

ID：cishicike000

商务合作请添加微信：GZZN2019

转载开白请留言或添加微信：GZZN2019

进群交流请添加微信：GZZN2019

※添加时请备注公司 + 姓名 + 来意

「往期精彩推荐」

深度研报：

AI 大爆炸：

云计算：

数智化案例：

更多精彩内容，欢迎关注：