Datadog押注DIY人工智能将助其规避SaaS末日危机

Datadog即将发布一款升级版AI模型，该公司认为这将帮助其避免所谓的SaaS末日危机——客户使用人工智能构建自己的工具。

这家可观测性工具供应商已经创建了一个名为Toto-Open-Base的模型，根据公司的解释性论文显示，该模型拥有1.51亿个参数，基于超过2万亿个时间序列数据点进行训练——这显然是任何开放权重时间序列基础模型中最大的预训练数据集。用于训练该模型的所有数据都来自Datadog本身，是在运营其SaaS可观测性服务过程中收集的。

在与The Register的对话中，Datadog首席产品官李燕冰表示，公司正在评估其下一个模型，但将这一努力视为实现目标的手段。

"SaaS公司的角色是什么？"她问道，然后回答："在其领域内进行创新。"

对于Datadog而言，这意味着创建一个特定于其领域——可观测性——的模型，而不是依赖通用的大语言模型。

李燕冰认为开发模型为Datadog带来两个好处。

一是人工智能成为其平台的一部分，而不需要客户在另一个服务上设置Token预算。另一个是更好的智能体，能够更有效地检测和预测异常。

她声称Datadog的站点可靠性智能体已经能够调查事件、提供根本原因分析并建议修复措施。

人工智能仍然是一个不稳定的领域，智能体也会犯错。因此The Register向李燕冰提出，关键IT系统的操作人员必须在让智能体建议更改其系统之前保持谨慎，更不用说在无监督的情况下执行这些更改。

她同意这个观点，并表示为了让AI系统赢得信任，它们的输出必须既可解释又可验证。她说，使用自己的模型使Datadog更容易做到这一点。这些模型还帮助公司创建了一个工具，可以在AI平台工作时监控它们，并能检测出它们产生幻觉输出的迹象。

"我不担心开发模型的竞争，而是应用它们，"她说，并补充说她认为用户会应用Datadog的模型，因为它们允许持续监控健康状况——有点像可穿戴设备。

"今天，当我们看医生时，这是一个昂贵的麻烦，所以我们只在生病时才去看医生，"她说。装满传感器的智能手表，加上分析这些信号的AI，意味着现在可以检测和预测疾病。

李燕冰认为Datadog提供了从偶尔诊断到持续诊断的类似变化，可以避免SaaS末日危机。

"在这种转变中容易受到冲击的是点工具，当客户不在你的工具中采取行动时，"她说。"这些东西更容易被颠覆。"

她认为人工智能已经让Datadog超越了SaaS，成为一个平台。

每个供应商都渴望获得这种地位，因为这让客户更难离开。也许人工智能有一天能解决这个问题。

Q&A

Q1：Datadog的Toto-Open-Base模型有什么特点？

A：Toto-Open-Base是Datadog创建的AI模型，拥有1.51亿个参数，基于超过2万亿个时间序列数据点进行训练，这是任何开放权重时间序列基础模型中最大的预训练数据集。所有训练数据都来自Datadog自身的SaaS可观测性服务运营过程。

Q2：什么是SaaS末日危机？Datadog如何应对？

A：SaaS末日危机指客户使用AI构建自己的工具，不再依赖SaaS服务商。Datadog通过开发专门针对可观测性领域的AI模型来应对，使AI成为平台的一部分，并提供更好的异常检测和预测智能体，从而从SaaS转型为平台。

Q3：Datadog的AI智能体能做什么？安全性如何保障？

A：Datadog的站点可靠性智能体能够调查事件、提供根本原因分析并建议修复措施。为保障安全性，公司确保AI输出既可解释又可验证，并开发了监控工具来检测AI平台产生幻觉输出的迹象，避免在无监督情况下执行系统更改。