文｜王欣逸 编辑｜邓咏仪 36氪获悉，近日，攀峰智能已完成数千万元天使轮融资，本轮融资由华控资本领投、云时资本跟投，将用于模型研发、团队增长以及市场扩张。 攀峰智能（K2 Lab）成立于2025年10月，成立仅一个月，便拿到了来自云时资本的数千万元融资。其三位联合创始人均来自阿里钉钉团队。CEO王铭曾是钉钉最年轻的副总裁，在钉钉近五年间负责AI创新产品、SaaS生态、大模型与AI生态、产业生态和战略终端等业务；联合创始人兼CSO汤明磊，此前深耕产业数字化和产业AI的投资与研究十年，在钉钉期间负责战略生态和投资；联合创始人兼CTO赵先烈，曾任钉钉AI PaaS及AI运营负责人。 攀峰智能面向To C市场，打造了一个内容电商场景的Agent OS——Moras。Moras为TikTok上的达人和商家服务——用户只需通过和Moras互动，它便能实现自动化学习，完成选品推荐、脚本生成、内容创作、智能剪辑、视频预检和发布、数据分析等环节，实现出单。 目前，Moras的用户画像主要为粉丝体量在五千至五万的达人和商家群体，带货品类涵盖服装、生活用品、家居、节日用品等。 过去三个月，Moras已完成了首批达人用户的共创测试。邀测用户数据显示，活跃达人通过使用Moras平均月度成交GMV接近1万美元，有达人实现了月度GMV突破10万美金的成绩。 从具体数据来看，有达人实现了注册首周GMV破万美元，使用Moras的首周出单率已经达到了70%以上，而这一时间还在继续变快。 Moras采用的是Multi-Agent架构，能实现自主进化。随着达人互动频次的增加，这一工具的选品、脚本、分析等能力会逐渐增强，出单能力也随之提高。 而受OpenClaw和Claude Code的Agent能力启发，攀峰智能如今也在快速革新，已着手建立起A2A原生电商操作系统，来服务更广泛的客群。 “人类不想in the loop” 在邀测阶段，攀峰智能发现海外用户对操作流程的容忍度远比预期更低——哪怕只是多一步确认，用户也倾向于放弃。 “人类不想in the loop。”王铭说。在王铭看来，目前阶段，AI还没有替代人的能力，但AI能把人的短板补齐，把人的长板超级放大。 Moras产品最初的测试版本设计的比较简单，尽管如此，海外的用户依然觉得很复杂，这也让他们意识到另一种商业模式的可能：AI“雇佣”人类。 成立之初，Moras设计了两种提供服务的方式，原意也是想测试哪一种更适合市场： 第一种是用户为Moras付底薪，让Moras起协助作用，如调整选品、制作视频等，即人类雇佣AI，这种方式平台会抽成50%。 第二种则是Moras完全托管，包括账号资产、形象等，AI完全帮助用户做内容、带货，即AI“雇佣”人类。在这种模式下，用户只能拿到极低比例的分成收益。 在邀测阶段，攀峰智能将两种模式同步测试，有意思的是，选择第二种商业模式的用户越来越多。这意味着，在这一场景下，Agent能力越来越强，Human反而不想in the loop（人类不想参与决策）。 “但人类不想in the loop，并不意味着AI可以完全脱离人类。”王铭说，在实际使用过程中，达人和商家授权登录Moras后，平台会通过多模态理解分析粉丝画像、过往视频的用户画像和视频调性，来推送个性化的选品。其中，达人和商家仍然拥有对选品、文案、视频的倾向性，可以对内容进行审核、修改调整。 王铭告诉《智能涌现》，Moras正在灰度测试另一个版本，达人和商家可以直接和平台对话，告诉Moras个性化的风格、审美和表达方式等。未来可能还会上线更复杂的PC端操作系统，支持用户上传专业知识和Skills等。 坦白来讲，Moras目前有60分的带货能力，这或许能让它帮达人实现几千到一两万美元的月度营收，但离稳定输出大几万美元的能力还有一段距离。 对于Agent而言，“活人感”“网感”等独特的表达方式和销售能力很重要，要实现这些能力，还需要大量和人类的连接——这也是攀峰智能正在自研电商场景多模态理解模型的原因。 而在内容电商场景中，理解什么是爆款、理解用户的风格和审美，远比生成本身更关键。 王铭认为，AI雇佣人类的结果会是，人类发现AI真的能赚钱，随即被带入行业之中来，对Moras提出更多诉求，同时也参与到创收的更多环节中来。 为了让产品离钱更近，王铭还透露，Moras正在训练一个自研的电商场景的多模态理解模型。 在他看来，通用模型更多的是优化生成能力，忽略了理解世界的能力，本质上还是在批发Token。如果产品只是在帮助用户更低门槛消耗Token，而不是帮助用户提高效果，最后作为批发商，Token的ROI大概率很低。 这也反映了攀峰智能路线的本质不同：选择了做离商业化更近的事情——自研爆款理解模型、爆款商品和爆款脚本，从最开始就专注于效果的打磨，让模型理解爆款的逻辑。 王铭表示，当前攀峰的团队中，有来自字节的多位内容电商专家，将专家的最佳实践让AI学会后，由AI来做选品模型；人类专家则变成AI的数据标注员，判断AI选出来的商品，哪些是真正的爆款。与此同时，所有发出去的内容的数据结果会回流到分析Agent，再反馈给前面的选品模型，形成自进化闭环。 用户愿意付费，产品能带来盈利，Token本身价值随之提高，这就形成一套“ROI Token 经济学”。 而对于大厂的竞争，王铭表示，目前，大厂的第一优先级仍是抢夺AI入口，AI+电商的垂直场景尚未进入其核心视野，这也正是中小企业切入垂直场景的窗口期。 自建Personal AI系统 今年初，OpenClaw横空出世，其架构由Channel层（通道层）、Agent层（智能体层）和Tools层（工具层）组成，实现了一个完整的AI操作系统，迅速引发了行业对Agent OS的广泛讨论。 这给攀峰智能的产品带来了新的启发。王铭表示，团队也尝试过基于OpenClaw进行开发，但发现其现阶段还无法达到稳定的企业级使用标准，基于OpenClaw做简单二开的产品，短期内仍难以真正落地。 攀峰智能并没有走把所有产品基于OpenClaw架构重构的路线，而是借鉴了类似OpenClaw、Claude Code、Hermes Agent等架构的设计思想——包括多层记忆架构、做梦机制等——自己开发完整的Agent OS。具体来说，他们想把内容平台生态的超级个体和商家的Context信息Agent化，整合接入，形成达人和商家的“Agent OS”，用一个扎实的OS系统来服务好客户群体。 在王铭的构想中，Personal AI的Memory做好了，A2A（Agent to Agent）的世界才会出现。目前，用户使用ChatGPT、Gemini、豆包等中心化AI助手时，不仅需要多平台切换，不同平台给出的答案可能还会出现冲突，且记忆无法跨平台沉淀。 倘若一个系统中不同模型能被自动调用，生成结果可以被自动做对比和整合，并持续积累历史上下文，用户的体验将会发生质变。 “未来，每个人可能都会拥有这样一个消费级的通用Personal AI（个人AI）助手，也会拥有一批垂直场景的Agent OS。”王铭解释，Personal AI的系统能支持用户自由调度模型、用自然语言添加Skills、拥有长期的个人记忆等功能。用户能够更好地使用产品，也才能更好地被留在平台上。 基于这样的判断，攀峰智能对其产品作出了方向调整——要帮达人和商家建立属于自己的Agent OS，进而自建Personal AI系统。 未来，攀峰智能计划将产品作为Skill接入到OpenClaw、Hermes Agent等去中心化的Personal AI生态中，相当于把一批商家和达人的数字分身直接带到下一个时代的流量入口里去。 王铭认为，Personal AI系统的不断完善，正是实现 A2A 的重要基础。从更近的目标而言，Personal AI的下一步，是实现真正的A2A（Agent to Agent）的商业系统。 用Agent开发Agent 除了产品方向的变化之外，攀峰智能的开发范式也在经历剧烈的重构。 尽管公司才成立数月，但他们已经经历了3个阶段的开发范式演进：第一阶段是AI Coding几乎没有约束，什么都交给AI去做，结果各种bug的速度让人改不过来；第二阶段是引入rules和结构化约束，借鉴了Harness的思想以及Claude Code泄露出的架构，用更多的条条框框去驾驭Agent；第三阶段则是通过通过自研的开发Agent调用Coding来开发Agent，最后交给人类做验收。 王铭表示，目前公司99%以上的代码都是由AI编写，甚至很多开发工作不是由程序员完成的——产品经理、人力资源、财务、运营同学都在开发系统。而在最新的阶段，他们开发了专门的Coding Agent，能够在某个垂直场景里持续地帮助开发和迭代，周末团队休息时，Agent还在工作。 随之而来的，生产力正在指数级提升。一个原来需要两周实现的复杂需求，开发时长能缩短至1天。 毫无疑问，大模型的发展速度，仍然是跳脱于人类想象的。对接下来的Agent技术曲线演进，王铭分享了他对于今年Agent发展的三个判断：其一，Agent的Memory会有巨大突破；其二，Multi-Agent自主进化能力会日趋成熟；其三，Agent自己Coding出各种工具，来解决响应问题。千人千面个性化产品的时代快速到来。 对于未来发展计划，团队透露，下半年攀峰智能将持续扩张团队至50人以上，并加速打造Agent OS系统。随着产品全量上线，公司也将进入快速市场扩张期，同时着手搭建Agent化的供应链体系，抢跑A2A原生电商。