9月9日的AI融资新闻看起来仍像泡沫续集，但内容已经变了。Clay raised 115 million dollars at a 7.1 billion dollar valuation, led by Wellington Management；Harvey raised 550 million dollars at a 15.6 billion dollar valuation；Cognition raised over 2 billion dollars at a 48 billion dollar valuation。前两家分别切进销售营销和法律服务，后一家做软件工程代理。
数字很热闹，但热度不是重点。重点是企业软件的采购问题正在从买工具变成买结果。
最有信息量的是Cognition的口径。公司在公告中说，自5月以来，run-rate revenue从4.92亿美元增长到接近9亿美元。按48 billion dollar估值与接近900 million dollar run-rate计算，粗略倍数约53倍。这个倍数不便宜，但它至少给了一个可辩论的现金流锚。市场不再只为模型能力付钱，而开始为代理进入工作流后的使用强度付钱。
倍数会说话，也要被追问。它既可能是增长被提前资本化，也可能是收入结构终于跑在估值前面。
同一张Techmeme页面上还有传统软件的另一边。Financial Times报道，Silver Lake拟将法国软件公司Cegid与Silae合并成一笔超过100亿欧元的交易，理由是让两者结合数据并集成软件。Savvy Wealth也为独立财务顾问基础设施完成1亿美元C轮。AI原生应用被加价，传统软件被并购重整，这两件事合起来才是应用层的完整图景。
这不是一场单纯的估值狂欢，而是应用层的势从模型转向工作。谁能让工作自动发生、被记录、被验收，谁才有资格把使用量变成现金流。
一、AI应用从演示进入交付
过去AI应用的估值叙事大多是能力叙事：模型能写文案、能读合同、能生成代码，所以市场给它一个想象空间。现在能拿到高估值的公司，讲的已经不是能不能，而是用得多深。
Cognition在公告里列出的场景很有代表性：NVIDIA的芯片设计、GE Aerospace的航空工程、Citi的金融服务、Mercedes-Benz的汽车流程，以及Modal的AI基础设施。Devin Auto-Triage处理事故初筛，Security Swarm扫描代码库并定位多步骤漏洞，Automations从Slack、GitHub和Linear等系统的事件中启动任务。
这些描述当然有公司自我宣传的成分，但结构值得注意。AI应用开始接管事件驱动的流程，而不是等用户打开聊天框再回答问题。它要嵌入权限、代码库、工单、告警、审计和交付节奏，价值来自减少工程时间、缩短事故响应、发现漏洞和提升软件交付频率。
这对商业模式的改变很直接。按座位收费的软件，收入来自有多少人使用；代理型软件的收入更接近使用量、任务完成量和计算资源消耗量。Cognition用Agent Compute Units展示月度用量，说明它想把计量单位从人转向工作。使用越深入，推理成本、权限管理、安全审计和数据留存越重要。
我8月21日写过AI程序员把GitHub跑成重资产。当时的核心判断是，代码代理不是把开发变轻，而是把开发过程变成资产：仓库、Issue、测试记录、部署日志和事故数据都会成为代理能否可靠工作的生产资料。Cognition这轮融资把这个判断推得更远，代码代理不仅使用生产资料，也在生产新的软件维护合同。
二、Clay和Harvey为什么值得单独看
Clay做AI销售营销，Harvey做法律AI。它们所在行业完全不同，估值抬升的共同点却是工作流数据。
前者的71亿美元估值和后者的156亿美元估值，表面上都是高价格，背后却是两类高门槛行业的入口争夺。
国内SaaS也在做类似动作。36kr同日报道微盟WAI升级为微盟星元并开启AI原生经营系统内测，方向同样是把AI从附加功能推向经营流程。中文市场的差别在于客户数字化预算更薄，付费验证可能更慢。
销售营销的难点不是生成一封邮件，而是把潜在客户、联系人、CRM记录、营销触达、销售节奏和转化归因连成一条可审计链。法律工作的难点也不是生成一段法律文本，而是把合同、判例、内部知识库、尽调材料、风险条款和客户指令放进受控流程。两者的壁垒都不在通用模型，而在行业数据的结构化和工作结果的验收。
这解释了为什么它们能拿到高估值，也解释了为什么风险没有消失。工作流越深，切换成本越高，但客户对错误的容忍度也越低。销售系统错判客户分级，损失的是转化效率；法律系统漏掉关键条款，损失可能是法律责任。AI应用的公司价值与其说是模型能力，不如说是把概率输出变成可控流程的能力。
传统软件因此被迫换打法。Silver Lake把Cegid和Silae合并，目标不是讲一个模型故事，而是整合数据和软件流程。PE进入的意义在于：当AI威胁既有SaaS的许可证模式时，老软件资产的出路不是继续堆功能，而是合并客户、数据和后台流程，把成本效率做出来。
AI应用层由此出现两张价格表。一张给AI原生代理：估值高，但必须证明用量、留存和收入扩张。另一张给传统软件：估值受压，通过PE合并和现金流重组寻找残值。
两张价格表之间没有天然鸿沟。若代理公司无法控制推理成本和责任，高估值会回落；若传统软件合并后真正完成数据整合，它们也可能重新拿回定价权。
三、估值要看的四张表
第一张表是使用深度。要看代理能调用多少系统、处理多少事件、完成多少闭环任务，而不是只看月活。事件驱动、自动触发和后台运行，比聊天式使用更有粘性。
第二张表是收入质量。run-rate revenue不是审计后的年收入，它可能是月度收入年化，也可能包含短期促销或迁移期收入。Cognition披露从4.92亿美元到接近9亿美元，这个增长很陡，必须追问季度持续性、净收入留存、客户集中度和退款。
收入口径比收入速度更关键。相同数字背后，合同期、退款权和续约义务不同，风险完全不同。
第三张表是毛利结构。代理每执行一个任务都消耗模型推理、检索、安全扫描和云资源。若收入增长伴随推理成本同步扩张，市场最终会把它视为重资产服务，而不是高毛利软件。Cognition强调Agent Compute Units，说明计算量已经成为成本和收入之间的核心变量。
第四张表是责任边界。工程代理误改代码、法律代理漏审条款、销售代理违反营销合规，责任由谁承担？企业客户愿意为效率付费，也会为可控性、审计日志和权限体系付费。没有责任边界的代理，只能停留在辅助工具。
《技术革命与金融资本》对导入期和展开期的区分适合放在这里。导入期靠资本铺设基础设施，估值看能力上限；展开期要把技术嵌入组织和流程，估值看现金流、生产率和制度适配。这个框架的解释力也有边界：它原本处理的是铁路、电力和大规模生产这类通用技术，不完全等于AI代理的软件周期。AI的边际成本、数据反馈和模型替代速度更快，阶段可能重叠，而不是线性先后到来。
这一步才是分水岭。导入期比谁的故事大，展开期比谁的流程能被稳定接管。
四、三情景
基准情景概率50%。AI应用估值继续分化，能证明使用量、净留存和任务闭环的公司维持溢价；没有工作流数据的公司融资难度上升。传统软件的PE合并继续增加，市场把AI视为整合催化剂，而不是独立估值魔法。
上行情景概率25%。代理型应用把run-rate转化为高留存年收入，推理成本下降，企业客户从试点转向预算科目。Cognition、Clay和Harvey这类公司的收入倍数虽然高，但现金流增速足以消化估值。传统软件合并后出现可验证的成本协同，AI从威胁变成利润工具。
下行情景概率25%。企业试用多、复购弱，run-rate在年度审计后回落；推理成本和客户获取成本压低毛利；安全和法律责任事件导致采购放缓。此时高估值应用与被AI冲击的传统软件同时调整，应用层泡沫以并购和减值方式出清。
情景的价值不在猜胜负，而在提醒自己：同一批公司可能在能力上成功，在现金流上失败。
什么信号说明判断错了
如果AI应用公司的run-rate收入持续转化为高留存收入，且推理成本占收入比例下降，说明现金流框架仍太保守。如果传统软件不需要合并数据和工作流，仅靠接入模型就能维持许可证增长，说明工作流壁垒被高估。如果企业客户长期停留在试点，不把代理纳入预算和责任流程，说明AI应用仍只是工具层，而不是新的生产组织方式。
《技术革命与金融资本》给出的检验点也在这里：技术要进入展开期，必须穿过组织、预算和制度，而不是只穿过演示界面。
AI应用这轮定价的核心不是模型聪明，而是工作被改写。能被改写的工作必须有数据、有验收、有责任、有复购。缺任何一项，估值都只是能力期货。
Sources
- Techmeme / New York Times：Clay raised 115M at 7.1B valuation，2026年9月9日
- Techmeme / Bloomberg：Harvey raised 550M at 15.6B valuation，2026年9月9日
- Cognition官方公告：Series E，over 2B at 48B valuation，run-rate revenue从492M增长到接近900M，2026年9月8日
- Techmeme / Financial Times：Silver Lake拟合并Cegid与Silae，交易超过10B欧元，2026年9月9日
- Techmeme / Axios：Savvy Wealth完成100M C轮，2026年9月9日
- 36kr：微盟WAI升级为微盟星元，开启AI原生经营系统内测，2026年9月9日
- 《技术革命与金融资本》：导入期与展开期