当一家 AI 公司不再按 Token 计费，而是把收入押注在创作者每一笔真实成交上，它要回答的问题就从“模型有多强”变成了“单位经济模型能否持续为正”。在 TikTok 内容电商的佣金链条里，这个问题的难度被进一步放大：平台政策会变，达人会流失，商家会重新谈判佣金，算力成本却不会因为 GMV 波动而自动消失。
攀峰智能（K2Lab）试图用一款名为 Moras 的个人商业智能体来穿过这条窄路。近日，攀峰智能（K2Lab）宣布完成由凯泰资本投资的数千万元天使+轮融资。据 36氪报道，半年内 K2Lab 已连续完成由云时资本、华控基金、凯泰资本分别领投的三轮融资。公司披露，本轮资金将主要用于海外业务拓展、模型算法与工程能力升级、商家 Agent 与商家联盟生态建设，以及 AI Native 组织建设。
这轮融资的真正看点不在于金额本身，而在于一家中国团队把 AI Agent 的验证场景放在了海外内容电商的佣金分成上。Moras 不向达人收取订阅费或 Token 使用费，而是从成交后商家支付的佣金中与达人分成。这意味着 K2Lab 的收入确认不发生在用户激活或内容生成环节，而发生在交易完成之后。对于一家天使+轮公司来说，这是一条更慢、更重、也更难被传统 SaaS 指标覆盖的路径。
| 字段 | 内容 |
|---|---|
| 公司 | 攀峰智能（K2Lab） |
| 轮次 | 天使+轮 |
| 金额 | 数千万元人民币 |
| 投资方 | 凯泰资本 |
| 总部 | 未披露 |
| 创始人 | 未披露 |
| 官网 | 未披露 |
Moras 把收入锚定在成交之后，而不是内容生成之前
Moras 的商业模式与当前主流 AI 应用形成明显反差。订阅和按量计费是当前 AI 应用常见的商业模式，而据品玩报道，Moras 不向达人收取订阅费或 Token 使用费，也无需达人与机构绑定。创作者可选择协作创作（Copilot）、滑动审核（Swipe）或长期托管（Autopilot）三种模式。成交后，商家按约定支付佣金，Moras 与达人据此分成。
这种设计把 Moras 的收入与达人收益直接挂钩。公司称，其从创作者经营切入，通过按成交分佣将自身收入与达人收益挂钩，以真实交易验证 Personal Agent 按结果付费的商业闭环。从商业逻辑上看，这降低了达人的使用门槛，但也把 K2Lab 暴露在内容电商最不确定的变量面前：达人是否持续产出、内容是否带来转化、商家是否按时结算佣金、平台政策是否调整。
更关键的是，CPS 分成模式下的收入质量取决于佣金率和成交规模的双重约束。Moras 与达人分的是商家支付的佣金，而不是 GMV 本身。如果商家给出的佣金率较低，或者达人选择低佣金商品，K2Lab 实际可确认的收入会被进一步压缩。公司未披露 Moras 与达人之间的分成比例，也未披露平均佣金率，因此外部无法从已公布的 GMV 直接推算其收入规模。
从产品机制上看，三种创作模式对应着不同的达人介入程度。协作创作意味着达人仍保留较多内容决策权，滑动审核则把 AI 生成结果压缩为一次快速确认，长期托管则更接近把账号经营中的内容环节交给 Agent 持续执行。三种模式共同指向一个目标：让达人能够以更低的时间成本维持内容产出频率。但在 CPS 分佣下，模式本身不产生收入，只有最终成交才会触发收入确认。这意味着产品体验的优化必须最终转化为成交效率，否则再高的使用频次也无法改善公司的现金流。
公测数据提供了规模信号，但没有提供单位经济模型的完整证据
据品玩报道，公测首个季度，Moras 协助达人在 TikTok 平台实现的商品交易总额（GMV）已突破 1000万美元，累计吸引近 10 万名达人注册。公司称，Moras 已在公测阶段验证留存佣金覆盖算力成本，并持续优化单位经济模型（UE）。
这组数据需要被拆开来看。1000万美元 GMV 和近 10 万注册达人属于规模指标，它们说明 Moras 在公测阶段完成了冷启动，但并不能直接证明商业模式的可持续性。注册达人与活跃达人、活跃达人与产生成交的达人之间存在明显漏斗，公司未披露各层转化率。同样，GMV 是交易总额，不是 K2Lab 的收入，也不是达人的净收入。
“留存佣金覆盖算力成本”是公司对单位经济模型的单方面表述，来源材料未提供具体计算口径。这里存在一个关键边界：留存佣金是指 Moras 分成后实际留在公司的部分，算力成本是否包含模型推理、视频生成、多模态处理等全部可变成本，公司未说明。如果只覆盖推理成本而不包含获客、运营和商家拓展成本，那么“覆盖算力成本”距离整体 UE 转正仍有距离。从已披露信息看，K2Lab 尚未给出毛利率、单达人贡献收入、达人留存率或获客成本等数据，因此其单位经济模型的完整面貌仍待验证。
另一个需要留意的口径问题是，公测首季度的 GMV 与注册达人规模是否来自同一统计区间，来源材料未作进一步说明。如果注册达人规模是累计值，而 GMV 是单季值，那么两者不能直接用于计算人均产出。即便假设所有注册达人都集中在同一季度进入，近 10 万注册达人对应 1000万美元 GMV，人均季度 GMV 也只有约 100美元量级。这个粗略推算只能说明达人结构可能高度分散，不能作为收入预测依据，因为 K2Lab 的收入来自佣金分成而非 GMV 全额。
K2 Prism 的技术叙事服务于电商场景，但自研模型与成本结构存在张力
在技术层面，Moras 推出面向电商经营场景的自研多模态内容智能模型 K2 Prism。据品玩报道，该模型能够将参考视频中的商品展示、视频风格、开场 Hook、证明方式和结尾引导等要素转化为结构化标签。公司称其技术路线强调模型与应用协同，在理解、预测与调度等关键环节积累自研能力。
把视频内容拆解为结构化标签，这一技术方向与内容电商的实际需求是匹配的。达人选品和创作的核心痛点之一，是不知道什么样的视频结构能带来转化。如果 K2 Prism 能够稳定地把高转化视频拆成可复用要素，Moras 在选品建议和内容生成上的差异化就有了技术支点。
但自研多模态模型也带来成本问题。在 CPS 分成模式下，K2Lab 的毛利空间取决于佣金留存与算力成本之间的差值。自研模型的训练和推理成本通常高于直接调用第三方大模型 API。公司称已在公测阶段验证留存佣金覆盖算力成本，但未披露 K2 Prism 的推理成本在整体算力成本中的占比。如果未来达人规模扩大、视频生成频次上升，算力成本是否会线性甚至超线性增长，是单位经济模型能否持续为正的核心变量。
从技术路径看，K2 Prism 的价值可能并不在于生成能力本身，而在于它把内容电商中分散的创作经验转化为可调度的结构化要素。商品展示方式、视频风格、开场 Hook、证明方式和结尾引导，这些要素在传统达人运营中往往依赖个人经验和反复试错。如果模型能够持续从成交数据中学习哪些要素组合更有效，Moras 就可能形成从内容理解到内容生成的闭环。但这一闭环的成立需要两个条件：一是结构化标签与成交结果之间存在可验证的因果关系，而不是仅停留在相关性层面；二是模型迭代速度能够跟上平台内容风格和用户偏好的变化。公司未披露 K2 Prism 的训练数据来源、更新频率和效果评估方式，因此这些技术能力目前仍属于公司单方面描述。
TikTok 金牌服务商与 1100 家商家合作，意味着 K2Lab 同时在两条战线上竞争
Moras 在平台合作和商家供给上的进展，是本次披露中最具产业链含义的信息。据品玩报道，公司仅用三个月便跃升为 TikTok 金牌服务商，并在黑五机构榜单竞赛中持续领跑。本次黑五，围绕八大重点行业，攀峰智能与超过 1100 家行业头部商家建立深度合作，将商家货盘及高佣合作接入内容生产和达人分发链路。
这两项进展把 K2Lab 放进了 TikTok 生态服务商的竞争序列中。TikTok 金牌服务商的资质意味着 Moras 在达人规模、GMV 产出或商家服务能力上达到了平台的一定门槛，但“金牌服务商”本身是平台对服务商的分级认定，不等同于商业模式的盈利验证。黑五机构榜单竞赛的“持续领跑”同样来自公司披露，尚无独立第三方数据可交叉验证。
与超过 1100 家商家建立合作，说明 K2Lab 正在从达人侧工具向商家侧供给延伸。这一延伸的商业逻辑是清晰的：达人需要高佣商品，商家需要能带来成交的达人，Moras 如果能在中间建立货盘与分发链路的匹配能力，就有机会从单纯的达人工具变成双边网络。但这也意味着 K2Lab 将同时面对两类竞争：在达人侧，它与其他 TikTok 达人工具和 MCN 机构争夺创作者时间；在商家侧，它与 TikTok 生态内的服务商、代运营机构和广告代理商争夺商家预算。公司未披露这 1100 家商家中实际产生持续成交的比例，也未披露商家合作是否涉及排他或最低佣金承诺。
“八大重点行业”的提法同样值得注意。公司没有披露这八个行业的具体范围，也没有说明商家合作在不同行业间的分布。如果合作商家集中在少数高佣金品类，K2Lab 的收入结构可能对特定品类的佣金率变化更敏感；如果行业分布较广，则意味着 Moras 的内容生成和选品能力需要适配更多商品类型，这对 K2 Prism 的泛化能力提出了更高要求。无论哪种情况，公司都未提供足够数据让外部判断商家合作的质量和稳定性。
半年三轮融资的资本结构，折射出投资人对赛道节奏的判断
据 36氪报道，半年内 K2Lab 已连续完成由云时资本、华控基金、凯泰资本分别领投的三轮融资。本次天使+轮由凯泰资本投资，金额为数千万元人民币。公司未披露前两轮的具体金额和估值变化。
半年内完成三轮融资，在早期 AI 应用项目中并不常见。这一节奏可能反映了几种情况：一是公司需要快速补充资金以支撑海外业务拓展和算力投入；二是投资机构对海外内容电商与 AI Agent 结合的方向有较高共识，愿意在短期内连续加注；三是单轮金额较小，公司通过多轮融资分散稀释压力。由于公司未披露各轮金额和估值，外部无法判断这三轮融资的实际资本成本和股权结构变化。
凯泰资本作为本轮投资方，其投资逻辑在公开材料中未被单独阐述。从资金用途看，海外业务拓展、模型算法与工程能力升级、商家 Agent 与商家联盟生态建设、AI Native 组织建设四个方向，对应的是 K2Lab 从公测走向规模化的四块基础设施。其中“商家 Agent 与商家联盟生态建设”值得注意，它意味着 K2Lab 不满足于只做达人侧工具，而是试图把商家侧也纳入 Agent 化运营的范畴。如果商家 Agent 能够独立产生收入，K2Lab 的收入结构将从单一的达人 CPS 分成，扩展为达人侧与商家侧的双向收费可能。
从资本结构的角度看，三轮融资分别由三家机构领投，而非同一机构连续追加，这可能意味着公司正在扩大机构股东基础，也可能意味着不同机构对同一方向的进入时点不同。云时资本、华控基金和凯泰资本在公开材料中均未就 K2Lab 发表具体投资逻辑，因此外部无法判断三家机构之间的协同程度。对于一家尚未披露创始人、总部和成立年份的公司来说，多轮融资带来的股权结构复杂度，可能成为后续治理层面需要关注的问题。
CTO 任命补上了工程能力拼图，但创始人信息仍然缺失
组织建设方面，据品玩报道，K2Lab 已引入前美团技术高管赵强担任 CTO，统筹模型、算法与工程工作。赵强曾担任美团酒旅、美团骑行等业务技术核心负责人，拥有复杂业务系统搭建及 AI 工程建设经验。
CTO 任命的披露，说明 K2Lab 正在补强模型与工程侧的团队能力。美团酒旅和骑行业务涉及高并发交易系统、履约调度和商家生态，这些经验与 Moras 需要处理的商家货盘接入、达人分发和交易归因有一定相关性。但 CTO 的背景并不能替代创始人信息的缺失。本次来源材料未披露 K2Lab 的创始人姓名、履历和股权结构，也未披露公司总部所在地和成立年份。对于一家已经完成三轮融资的公司来说，这些基础信息的缺位增加了外部判断其治理结构和团队稳定性的难度。
从组织建设的角度看，CTO 的引入与资金用途中的“模型算法与工程能力升级”和“AI Native 组织建设”形成呼应。如果 K2Lab 希望在达人规模扩大后保持内容生成和交易归因的稳定性，工程团队需要同时处理模型推理、多模态内容处理和商家货盘接入等多类任务。赵强的复杂业务系统经验可能有助于建立更成熟的工程流程，但这一判断目前只能基于其过往履历，来源材料未提供其在 K2Lab 的具体职责边界和团队规模。
风险不在需求端，而在收入确认、平台依赖与双边冷启动的交叉点上
K2Lab 面对的最大风险，不是海外内容创作者是否需要 AI 工具，而是 CPS 分成模式能否在平台规则和商家博弈中持续产生可覆盖成本的收入。TikTok 作为 Moras 公测阶段的主要交易平台，其佣金政策、达人分成规则和服务商资质要求都可能发生变化。如果 TikTok 调整服务商政策或佣金结算方式，K2Lab 的收入确认将直接受到影响。
商家侧的深度合作同样存在待验证假设。公司称与超过 1100 家行业头部商家建立深度合作，但未披露这些合作是框架协议还是实际产生成交的绑定关系。在内容电商中，商家与达人之间的佣金谈判是动态的，商家可能同时与多个服务商合作，也可能根据 ROI 随时调整佣金率。K2Lab 能否在商家和达人之间建立足够强的匹配效率，使其 CPS 分成收入不因任何一方的流失而大幅波动，是商业化进程中的关键问题。
从编辑推断的角度看，K2Lab 的叙事成立需要三个前提同时满足：一是 Moras 的达人留存和成交转化足够稳定，使 CPS 分成收入具备可预测性；二是 K2 Prism 的算力成本随规模增长的速度低于佣金收入增长速度；三是商家 Agent 和商家联盟生态能够形成独立于达人侧的供给壁垒。目前公司只披露了第一个前提的部分信号，后两个前提仍缺乏公开数据支撑。
平台依赖的风险还体现在 Moras 的收入确认链条上。Moras 的收入来自商家支付的佣金，而佣金的结算规则、支付周期和争议处理机制都受 TikTok 平台约束。如果平台延长结算周期，或者对服务商参与分佣的合规边界作出新的限制，K2Lab 的现金流可能先于收入确认受到影响。对于一家把收入锚定在成交之后、且尚未披露现金储备和烧钱速度的公司来说，这种平台规则变化带来的时间差风险，可能比单纯的佣金率下降更值得关注。
本次来源材料中的经营数据均来自公司介绍或媒体报道，未经独立核验。公测 GMV、达人注册数、TikTok 金牌服务商资质、黑五榜单表现、1100 家商家合作以及“留存佣金覆盖算力成本”的表述，均属于公司单方面披露。在缺乏第三方数据的情况下，这些数字只能作为公司叙事的一部分来理解，而不能作为对商业模式已经跑通的独立确认。
RecodeX 极客视：K2Lab 把 AI Agent 的收入锚定在成交之后，这在商业设计上比订阅制更接近创作者的真实利益，但也把公司暴露在平台政策、商家博弈和算力成本的三重变量中。公测季度的 GMV 和注册数证明了需求存在，却还没有证明 CPS 分成能在规模扩张中持续覆盖成本。真正的验证节点，不是下一轮融资，而是公司是否愿意披露留存佣金、算力成本和达人留存率的具体口径。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。