又一家Personal Agent公司拿到了融资。
在一级市场对AI应用普遍审慎的当下，定位Personal Commerce Agent的K2Lab（攀峰智能），近期已完成由凯泰资本投资的数千万元天使+轮融资，并同步启动了第四轮融资。
这是继云时资本种子轮、华控资本领投天使轮后，K2Lab在半年内连续完成的第三轮融资。
「首席数智官」认为，之所以能在短时间内连续被多家知名资本认可，是因为K2Lab的业务在整个Personal Agent的赛道独树一帜。
放眼2026年秋天，全球的Personal Agent正陷入一场惨烈的烧钱混战。连硅谷新晋百亿独角兽Instinct和科技巨头Meta旗下的Muse，都在不断探寻订阅收入与算力成本的平衡。
要知道，为了防止被算力成本拖垮，Instinct至今不敢放开注册，一枚内测邀请码在eBay上被炒到了300美元。
然而，K2Lab却直接开放注册，甚至砍掉了原本每月20美元的订阅费，推行“三零模式（零订阅、零Token 费、零绑定MCN）”，全面降低用户门槛。
在如今超过80%的AI产品都依靠订阅费回血的情况下，完全免费的K2Lab，不仅没有被算力成本拖垮，业务反而迎来了爆发式增长。
据「首席数智官」了解，K2Lab旗下海外达人商业化Personal Commerce Agent产品Moras，用户数量已从早期共创阶段的百人一路飙升，目前正加速逼近10万人。
不仅如此，产品自今年6月正式上线以来，首季度累计GMV突破1000万美元，目前正为即将到来的海外“黑五”大促冲刺单月1000万至1500万美元的交易规模。
那么问题来了，在连硅谷明星Personal Agent项目都在苦苦寻找商业闭环的阶段，K2Lab为何敢连订阅费都不收？仅靠极致 CPS（按成交结果分润）模式的K2Lab，真能赚钱吗？
01 放弃通用入口，死磕“帮人赚钱”
据个人AI助理评测网站Assistant Benchmark统计，过去一个月，全球密集冒出了122个个人AI助理产品，其中光通用型就有64个，占比超过50%。
从业务来看，无论是美国的Muse和Instinct，还是中国的千问Go!、Today，几乎所有巨头和明星创业公司，讲的都是“全能私人管家”的叙事。
K2Lab联合创始人汤明磊把市面上所有Personal Agent按商业价值维度分成了四个象限：省时间（提效）、杀时间（消遣）、省钱，以及赚钱。
要想弄懂为什么K2Lab从创业之初就聚焦在“帮人赚钱”这个赛道，要先看前三个象限。
目前主流的通用Personal Agent，功能基本都是管理日程表、汇总邮件、聊天解闷、全网比价、取消忘记退订的会员费等，价值维度都在前三个象限中。
前三个象限的价值，在美国等海外市场已经得到了验证。
要知道，时至今日，美国的互联网依旧保留着高度分散的Web生态。普通人在美国要完成支付、订餐、报税等需求，往往要跳转多个独立站、App以及电子邮件，甚至一些本地中小商户、社区诊所甚至只接受电话和短信预约。
在这种高度碎片的场景下，Personal Agent确实可以为用户释放巨大的信息整合价值。
但问题在于，这种价值的代价是极高的算力成本。
据媒体测算，传统聊天机器人单次对话平均仅消耗约8K token。而Personal Agent为了在后台完成多步拆解、跨网页试错与验证，单次复杂任务平均需要消耗超过256K token，是前者的32倍。
而分析机构a16z测算，一个被充分利用的Personal Agent，每个用户每天的成本可能高达20美元。
然而，如此高昂的算力消耗，却无法通过订阅费收入拉平。
据风投机构Menlo Ventures在今年7月对5067名美国成年人的调查，64%的美国人用过AI。在用过AI的这些人里，每月超过100美元（有资格使用Dots）的付费者仅占14%。
简单来说，很少有人愿意为了帮自己节省10分钟的订票时间，长期付出每月上百美元的订阅费。
至于靠帮用户全网比价省钱来向B端商家抽佣，更是触碰了巨头的蛋糕。
Muse上线不到两周就被亚马逊全面封杀，因为亚马逊绝不可能容忍外部Agent替用户跳过其每年价值686亿美元的站内广告。
“真正创造价值永远比省钱重要，所有的用户都希望让自己赚更多钱。”K2Lab 创始人王铭对「首席数智官」直言。
在王铭看来，通用Personal Agent的核心目标是砸钱争夺下一代AI的通用入口与上下文数据，所以在短期内必然不会考虑商业回报，也无暇兼顾垂直场景。这就给了创业公司切入的机会窗口。
与此同时，创业公司需要聚焦垂直而非通用的另一原因，是因为现在通用Personal Agent的产品形态远未收敛。
王铭预判，今天出现在手机屏幕上的通用Personal Agent都只是过渡形态，未来超级头部的通用Personal Agent，极有可能是软硬一体的。
“比如人均一副AI眼镜，因为我们不需要那么大的屏幕才能获取上下文。”
所以，无论从商业逻辑、竞争策略还是产品形态趋势来看，通用Personal Agent最终注定是拥有软硬件生态与资金优势的大厂生意。
想清楚了这层逻辑，K2Lab从Day1起就直接聚焦在第四象限，做帮垂直人群赚钱的Personal Agent。
瞄准海外TikTok内容电商的产能真空，通过打造面向海外达人的 Personal Commerce Agent——Moras，K2Lab端到端接管了从爆款选品、脚本创作、多模态带货视频生成到发布复盘的全链路，直接向用户交付商业结果。
一位遭遇美国邮政系统裁员、独自抚养两个幼童的失业宝妈，试用Moras不到一周就跑出了1.4万美元GMV，单月成交更是突破10万美元大关。
当AI交付的不再是“省下10分钟”，而是数万美元收入时，商业闭环的齿轮便开始高速转动。
02 不收订阅费，算力成本怎么办？
即便切入了离钱最近的“赚钱象限”，K2Lab在今年夏天推行“三零模式”的决定，依然显得有些不可思议。
今年初，当Moras还处于百人种子用户共创期时，团队曾尝试过“每月20美元订阅费+成交佣金”的模式。
王铭当时的考虑很实际，一方面算力太贵，担心算力成本超支；另一方面，20美金可以增加用户的沉没成本，筛选出Moras的真正用户。
但很快团队发现，海外用户非常排斥任何形式的绑定与前置收费。
王铭向「首席数智官」坦言，美国的法律与契约精神极其严格，海外创作者非常担心一旦签约或付费绑定后，机构并不能真正帮自己创造价值，反而要长期分走自己的利益。
“在这个时代一定要想清楚一件事，就是持续降低用户摩擦。真正让AI在后面把所有该干的事干了，摩擦降得越低，增长就会越快。”
所以，今年年中Moras正式上线时，邀请码被拿掉了，并且取消了每月20美元的订阅费，全面推行“三零模式”：零订阅费、零Token费、零MCN绑定。
换句话说，只有当Moras真正帮达人卖出商品、拿到佣金结果后，K2Lab才会按CPS比例分成。
这种零收费政策，配合老达人出单后自发在社交平台发视频传播、端内老带新裂变以及广告投放，Moras的注册用户从百人迅速冲到了如今的近10万人。
没想到，井喷式的用户增长，反而让K2Lab面临了一次生死考验。
王铭向「首席数智官」透露了一个惊心动魄的细节。
“今年7月，平台希望我们放量增长，解决他们今年的创作者产能问题。我们当时计算了一下，如果直接放量，每个月光算力成本就要花掉大几百万美金，并且没有订阅费兜底，一旦不出单，这些算力将全部变成沉没成本。”
那么，如何在不依靠订阅费的情况下拉平算力成本，实现ROI的最大化？
K2Lab的解法是：回归第一性原理，聚焦ROI提效，最大限度发挥AI价值。
首先，在技术架构层面，K2Lab构建自研“垂直多模态模型矩阵”，用“模应一体”做动态路由。
「首席数智官」了解到，Moras的模型调用并非全盘外接API。在基础逻辑推理和通用视频生成上，系统会路由给全球最顶尖的通用大模型与垂类多模态模型（如MiniMax H3）。
与此同时，在决定电商转化率的爆款画面理解、人物一致性保持、多智能体垂直调度与场景推理上，K2Lab使用的是与知名高校联合研发并自研后训练的垂直小模型矩阵。
通过自研垂直模型矩阵做后训练与路由优化，不仅将单次生成成本大幅压降，其垂直推理与转化效果更能在很长周期内领先通用大模型。
其次，在商业模式上，K2Lab用“商业世界模型（小预测模型）”替代付费墙，精准拦截无效算力。
既然不靠20美金订阅费筛选用户，K2Lab干脆把筛选机制做成了算法模型。
团队开发了一系列商业预测小模型，通过分析达人账号的人设资产、历史视频表现以及与AI的互动配合度，提前预测“什么样的达人+用什么样的内容+卖什么样的商品+在什么时间节点”能产生怎样的预期转化，并结合商品库里的差评率、平台用户投诉率等精细化负向指标做最优解匹配。
“一旦我们通过预测模型发现，某个用户账号本身没有体现出特点，他又不愿意告诉我们更多信息，还不愿意勤奋配合学习AI教给他的东西，却想一天发100条内容碰运气，我们就会严格约束他的每日免费算力额度。”王铭透露。
最后，在运营策略上，K2Lab用AI代替人工运营，用老达人利润分成覆盖新增用户的冷启动成本。
在百人共创期，K2Lab依靠两名运营人员通过社交App手把手指导达人操作，出单 ROI 极高。但当用户超过1000人之后，人工运营就无法一对一支持了。
为此，团队将人工运营的全套经验内化进了Moras的语音与语言交互中。一旦达人遇到卡点，Moras会主动给达人发消息提供操作指导，甚至提供情绪价值。
在这三层策略的配合下，K2Lab的三零模式才有了持续放开的底气。
“我们现在的算力ROI已经很长时间保持为正了。”汤明磊透露。即便按严格口径（扣掉达人佣金）统计，K2Lab留存下来的佣金收入，依然能够完全覆盖整个平台的算力总成本。
03 按上下文分润，长程任务的数据飞轮
在「首席数智官」看来，K2Lab之所以能守住极致的CPS闭环，核心在于它验证了Personal Agent赛道的关键规律：
切入垂直人群+专属场景的长程任务，Personal Agent高壁垒的数据飞轮才能真正转起来。
很多人可能忽略了专属场景中长程任务对Personal Agent的价值。
对于通用Personal Agent来说，帮用户订票、查天气等，往往都是一次性的短平快交付，没有核心目标，也很难沉淀出高密度的闭环反馈。
而在内容电商这个垂直专属场景里，陪跑海外达人从零实现稳定变现，是一个有明确目标，需要跨越数周乃至数月的长程任务。
在这样漫长的周期里，Personal Agent就有机会拿到更深度的个人上下文，而这对Personal Agent提高ROI非常重要。
要知道，上下文的价值也有高有低。
王铭透露，Moras在与达人互动时，会严格按商业回报从高到低依次抓取信息：优先拿达人的形象，其次是独特的表达方式，再次是审美倾向与粉丝画像的结合。
比如，系统在交互中发现某位女性达人主观上想做美妆博主，但分析其历史视频表现与受众画像后，发现她在母婴品类里的转化率远高于美妆，Moras就会主动引导她在母婴场景里释放自己的审美表达。
更巧妙的是抓取上下文的时机——正反馈时刻触发。
例如，一旦达人出单，或者某条带货视频突然爆了，Moras会第一时间主动发消息提醒，在达人最信任AI时追问：你这条视频爆了！快告诉我，你还有哪方面的专业知识、生活背景或喜好？
不仅在达人端深挖上下文，为了备战年底冲击单月1000万至1500万美元GMV的“黑五”目标，K2Lab还在供给侧为B端商家打造了一套专属的商家Agent OS。
不难理解，想要把一个好产品做出高转化的视觉表达，前提是充分理解它。但问题在于，与国内电商不同，海外商品的详情页内容非常少。
为此，K2Lab给商家提供了专属Agent OS，商家可直接通过语音告知，产品的制作初心是什么、面料工艺和原材料方面有什么特点等。
AI对这些非结构化的深度上下文理解极佳，吸收加工后，便能精准分发给最适合带这款产品的达人。
正是这种对“垂直长程飞轮”的深耕，让K2Lab与超级平台之间形成了一种罕见的和谐共生关系。
当海外的Muse被亚马逊封杀、国内手机助手被上百家App抵制时，K2Lab得到了TikTok的大力支持。
平台不仅主动帮Moras在站内做推广和App投流，还把各个细分赛道的头部优质商家源源不断地推荐给他们。
“通用Agent跟平台博弈，本质上是因为双方都想抢流量入口、截流利益。但我们跟平台是互相成就的，这是最核心的区别。”王铭直言。
而随着达人与商家两端的上下文不断沉淀，K2Lab内部也已经推演出了极具前瞻性的下一步战略路线。
汤明磊向「首席数智官」系统拆解了K2Lab 从浅入深的三级成交跃迁模型，以及背后独特的分润哲学：
第一阶段是“通用成交”：
基于通用健康账号 + 通用爆品选择 + 通用爆款内容，快速帮小白达人破冰出单，跑通基础闭环；
第二阶段是“垂直成交”：
垂直账号深度分析 + 垂直品类精准匹配 + 垂直内容策略，用“千人千面”乃至“一人千面”的泛化能力，让不同风格的达人在各自擅长的领域放大产出，避免十万达人选品拥挤；
第三阶段则是终局的“靶向成交”：
围绕极具辨识度的个性化真人IP + 反向定制供应链 + 专属内容策略，甚至在未来 A2A（Agent-to-Agent）购物时代，一边用真人内容满足消费者的审美消遣需求，一边将达人的专业背书与商家信息封装成结构化上下文，直接通过协议与消费者的Personal Agent完成秒级交易撮合。
“从通用成交、垂直成交再到靶向成交，越往深处走，达人分走的比例应该越多，而K2Lab 收取的比例应该越少。”
汤明磊总结出一个核心公式，“上下文的贡献比例，直接决定了最终的分佣比例。”
客观来说，当一个小白达人几乎全靠Moras兜底业绩时，AI自然拿走大头。而当达人越来越深度地注入自己独特的个人上下文、专业知识、生活审美与真人信任感时，商业天花板被成倍拉高，达人理应拿走绝大部分收益。
在王铭与汤明磊看来，未来这个世界上最牛的公司，一定是掌握垂直智能、并敢于只按效果收费的公司。
因为如果只是做一个工具，短期内或许可以做高收入，但无法真正在某一领域沉淀AI能力。唯有按效果付费，才是在倒逼自己的智能真正进化。
“AI能帮人在各个领域达到及格线，但最终能把商业天花板拉高的，永远是结合人的上下文，去放大每一个人独特的专业与价值。”王铭直言。
-end-
特别声明：本文为合作媒体授权DoNews专栏转载，文章版权归原作者及原出处所有。文章系作者个人观点，不代表DoNews专栏的立场，转载请联系原作者及原出处获取授权。(有任何疑问都请联系idonews@donews.com)
