有媒体援引知情人士透露的消息报道称，按照本月的业务表现推算，硅谷风投教父人物彼得·蒂尔投资支持的AI编程智能体领军者——Cognition AI的最新年化营收数据有望达到10亿美元，约为这家人工智能编程初创公司四个月前年化营收运行率(run rate)统计数据的足足两倍有余。

该公司此前在9月初表示，在市场对其AI智能体技术驱动的Devin AI编程软件需求的推动下，其年化营收运行率已超过9亿美元。据悉，硅谷日益流行的年化营收运行率( run-rate revenue)是根据较短时期的收入表现，对公司全年销售收入或者年度营收作出的推算性质测算。截至5月，该公司的年化营收此前统计为4.92亿美元。

Cognition是日益壮大的AI应用类型企业群体中的一员，这些企业面向利润丰厚的AI企业级服务市场，致力于简化AI智能体主导的代码编写与调试流程。媒体此前曾披露，今年早些时候，在埃隆·马斯克旗下SpaceX宣布可能以600亿美元收购其竞争对手Cursor之后，投资者对Cognition的兴趣开始升温。该交易已于8月完成。SpaceX此前也曾就潜在收购事宜接洽Cognition。

Cognition拒绝就最新财务数据置评。由于相关信息尚未公开，这位知情人士要求匿名。

本月早些时候，Cognition表示，公司在新一轮融资中筹集了20亿美元，估值则由约三个月前的260亿美元跃升至480亿美元。

这家初创公司的最核心客户包括英伟达公司、花旗集团和梅赛德斯-奔驰集团等全球大型企业。

Cognition成立于2023年，其旗舰产品是一款名为Devin的人工智能智能体，旨在为工程师实现编程流程自动化，已经获得了General Catalyst和硅谷风投教父彼得·蒂尔旗下Founders Fund等顶级风险投资机构的支持。一些知情人士表示，SpaceX对Cognition的兴趣不仅源于其技术，也来自其业务进展。

以AI智能体进行全程代理式工作流与全自动化编程或许已经成为人工智能应用领域最炙手可热的赛道，Anthropic PBC、OpenAI和SpaceX这些AI应用领域最强领军者都将自身业务的很大一部分投入到各自的项目级别工程类产品中。

Cognition AI本身是这条“Agentic Software(AI智能体主导型软件)”投资主线中最纯粹的标的之一。 其核心产品Devin定位为自主AI智能体软件工程师，能够在真实代码库和开发工具环境中自主规划、编写、测试并交付生产代码。

据了解，在完成收购Windsurf后，公司又形成了“Windsurf/Devin AI智能体协同开发+Devin负责云端异步自主执行+Devin for Terminal承担复杂工程任务”的完整AI应用软件工程平台;Devin是“云端自主AI工程师”，Devin for Terminal是“本地命令行入口”，Devin Desktop则是管理人与多个Agent协作的桌面IDE/控制台;三者共同面向客户和工程团队使用。例如奔驰(Mercedes-Benz)已经把其产品部署至全球研发与IT体系，在一次四周试点中，Devin分析超过20万行COBOL代码，将原本预计八个月的现代化工作缩短至八天。

Cognition官网显示，该公司已与包括梅赛德斯-奔驰集团和通用电气航空航天在内的多家大型企业建立合作关系。Cognition的商业合作关系可能帮助SpaceXAI增强对潜在客户的吸引力。

AI应用开始兑现收入的重要信号：Cognition跨过10亿美元年化关口

在Meta Muse与OpenAI Astra推动智能体应用加速渗透之际，AI编程应用体系正成为商业化进展最为鲜明的赛道之一。Cognition已于9月25日正式宣布，公司的年化营收运行率突破10亿美元，较5月的4.92亿美元在约四个月内增长一倍以上;公司9月初还以480亿美元估值完成了超过20亿美元的新一轮融资。

该AI初创公司收入扩张与融资进展共同表明，企业正持续为能够参与真实工程工作的AI工具付费。这里的“年化营收运行率”，是将近期收入水平折算为全年规模的指标，不能等同于已经确认的全年营收。

Cognition的增长与前沿模型升级之间，已经出现明确的产品连接。OpenAI发布Astra时援引Cognition研究高级副总裁Silas Alberti的介绍称，公司在模型发布当日便将其接入Devin的智能体运行框架，利用电脑操作、代码库理解和写作能力的改善提升测试与交付质量。与此同时，Meta Muse通过专属云端虚拟机、浏览器操作和后台任务机制，将智能体带入邮件、出行安排等日常工作。这两条路径分别扩大企业与个人可以委托给AI的任务范围，使AI应用的商业价值越来越取决于能否可靠完成工作，以及完成工作的综合成本。

从企业IT预算与采购逻辑来看，AI编程具备较清晰的价值衡量方式：代码能否通过测试、故障排查是否加快、工程师审核与返工时间是否减少，都可以纳入项目评估。Cognition披露的Devin产品已覆盖事件初步调查、漏洞发现与分类，以及由Slack、GitHub、Linear等系统中的事件自动触发的工作流程;客户涉及英伟达、花旗和梅赛德斯-奔驰等企业。

由此可以推演的是，当智能体降低软件开发和维护的综合成本，企业此前因工程资源不足而推迟的升级、自动化和新功能项目，便可能转化为新增付费需求。这为AI应用市场提供的增长空间，超出了现有开发工具预算的简单替换。随着AI应用席卷全球，全球股市热门AI应用领头羊们股价表现强劲，“AI应用风向标”Palantir自2025年以来股价涨幅已经高达150%。

AI编程商业化加速! 未来智能体越能干，算力需求越强劲

Muse、Astra与Devin所代表的工作方式，正在把一次用户指令延伸为多轮“推理—执行—读取结果—验证”的计算过程。

以软件工程任务为例，智能体可能需要理解代码库、制定修改方案、生成代码、编译测试、检查错误并继续修正。其中，GPU等加速器承担模型推理，CPU则执行工具调用、代码运行、数据库查询和沙箱任务。英伟达的技术资料指出，CPU处理速度会影响模型调用之间的等待时间，进而影响整个智能体系统的吞吐量。因此，随着并行任务增多，服务器CPU的计算性能、内存带宽，HBM高性能内存与NAND温层冷存储，以及CPU主导的智能体任务调度能力，也成为扩大AI服务规模的重要条件。

DRAM/NAND存储芯片需求的扩张主要来自模型计算、执行环境和任务状态三个层面。模型推理需要高带宽内存承载权重及相关计算数据;更长上下文和更高并发会增加键值缓存(KV Cache)的容量与访问需求;浏览器、代码执行环境和大量并行沙箱则占用服务器DRAM。代码库、文件、历史记录与任务产物还需要持久存储。英伟达Dynamo的技术方案已讨论将上下文缓存分层放置于GPU HBM、CPU DRAM、本地NVMe和远端共享存储之中。由此可见，智能体普及带来的存储增量覆盖HBM、服务器内存及企业级SSD，并进一步提高计算节点与存储系统之间的数据传输要求。

从投资逻辑看，Cognition的收入扩张提供了一个重要观察样本——即AI应用能够持续创造客户价值，才有条件把模型能力提升转化为更持久的算力采购需求。

更强大且更前沿的模型可能以更少调用、更低成本以及更高效率完成同一任务，而更好的成功率和经济性又能吸引更多用户、更多任务进入AI系统;当采用率与任务规模的扩张超过单位任务资源消耗的下降，总体计算和存储需求便有望继续井喷式增长。这为AMD、英特尔及Arm架构服务器CPU，以及美光、SK海力士等存储供应商以及光互连硬件供应商等AI基建参与者们提供了来自应用普及的需求支撑。