Datadog CEO称AI需求正推动AI原生企业之外的广泛增长

html

• 两只将AI担忧转化为基本面增长的软件股

Datadog（纳斯达克：DDOG）联合创始人兼首席执行官奥利维尔·波美尔表示，公司在过去几个季度业务加速增长，增长动力来自多元化的客户群，而非依赖某个单一客户或细分领域。

在伯恩斯坦活动上与高级分析师彼得·威德交谈时，奥利维尔表示，公司看到来自“AI原住民”企业的需求增加，包括围绕人工智能建立的新兴公司以及开发关键AI基础设施的企业。但他表示，更显著的趋势是，加速增长也发生在该群体之外，包括老牌云原生企业和大型企业。

• Datadog飙升，Dynatrace下跌：AI代理股票差距扩大

“最让我们兴奋的是，这并非某个特定客户、特定客户群或业务的特定方面，”奥利维尔说。“我们确实看到全面提速。”

AI增长进一步推动现有可观测性需求

奥利维尔表示，AI公司正在消耗大量基础设施并运行更多应用程序，这推动了对Datadog传统可观测性工具的需求。他还指出，Datadog的AI相关产品使用量上升，包括MCP服务的流量以及流入其LLM可观测性产品的链路数据。

• 围绕Datadog股票的AI担忧可能完全错误

当被问及Datadog的长期价值所在时，奥利维尔表示，公司帮助客户管理因发布更多应用程序而产生的复杂性。他认为，随着开发者生产力提高——从高级编程语言到云、SaaS，再到现在的编码代理——由此产生的系统变得更难理解和操作。

“生产力的提升带来了复杂性的急剧增加，”他说。“我们为客户解决的问题是，我们真正理解这种复杂性，并替他们管理好。”

奥利维尔对通用人工智能模型可能取代可观测性软件的观点提出了异议。他表示，Datadog处理的数据量远大于通常放入大型语言模型的数据量，并且必须近乎实时地运行。他打了个比方：这就好比问AI聊天机器人怎么开车，跟靠实时自动驾驶系统来开车，完全是两码事。

CEO：啥都自己搞，往往不划算

奥利维尔还回应了公司可以使用人工智能编码工具或开源软件来构建自己的可观测性系统的论点。他说，Datadog能放大投入的价值，因为客户在Datadog上花费的每一美元，通常都伴随着在云基础设施和工程团队上更大规模的开支。

他表示，客户在Datadog上每花费1美元，通常会在其云服务提供商处花费10到20美元，并在工程上花费20到100美元。在这种情况下，他说，用Datadog来优化基础设施、工程和AI模型的开销，自己再搞一套“根本不划算”。

他举例说，像那些云巨头都用Datadog来开发和训练AI模型，这些公司本来习惯啥都自己造，不爱用商业软件。

产品主导模式仍是核心

奥利维尔说，Datadog的业务是靠基层用户先试用起来的，通常是干技术活儿的人最先上手这些工具。他说，公司主打统一平台，收购来的产品会重新整合到自家平台上，收费也主要按使用量来算。

他表示，这一模式让 Datadog 能够更清楚地洞察客户看重什么，并使公司能够高效地扩展其产品版图。Olivier 表示，Datadog 将约 30% 的收入投入研发，并称其市场推广模式比典型的企业软件公司更为高效。

尽管 Datadog 设有企业销售团队，但 Olivier 表示，其市场策略仍以从大公司内部自下而上地推动为主。他表示，企业客户通常从相对较小的年度合同金额起步，大约在五万到十几万美元之间，并随着时间推移逐步增长。

安全、AI 代理与自动化被视为扩展领域

Olivier 表示，安全是 Datadog 平台的自然延伸，因为开发、运维和安全团队越来越需要协同工作。他表示，保护应用所需的许多信号已经存在于可观测性数据中，包括生产行为、代码变更、测试环境、用户行为和开发者活动。

在 AI 方面，Olivier 区分了“面向 AI 的 Datadog”和“面向 Datadog 的 AI”两个概念：前者用于观测客户使用的 AI 组件，后者则应用 AI 来自动化更多应用生命周期环节。

他重点介绍了 Datadog 的 Bits AI 站点可靠性工程（SRE）代理和 Bits AI 安全代理，称它们可以执行调查并减少响应故障或安全警报的时间。他举例说，AI 代理可以在几分钟内识别事件、推荐知晓修复方法的人员并提出修复方案，从而省去冗长的事件响应电话会议。

Olivier 还谈到了 Toto，一个主要靠可观测性数据训练出来的时间序列模型。他表示，该模型能应用到其他时间序列场景，并且是 Datadog 更广泛战略的一部分，即将专业化智能更贴近数据层（即实时处理数据的层面），以实现实时自动化。

自带云（Bring Your Own Cloud）应对数据与成本需求

Olivier表示，Datadog还通过自带云选项，进一步提升了部署的灵活性。这种方法允许客户将数据存储在他们管理的基础设施上，而Datadog继续运行和更新应用程序。

他表示，这一需求受多种因素推动，包括大规模成本、数据驻留法律、现有数据中心容量以及云服务提供商的承诺。Olivier称，Datadog一直避免本地部署，因为这可能会拖慢创新，但他表示，自带云模式使公司能够保持产品迭代，同时让客户对数据基础设施拥有更多控制权。

展望未来，Olivier表示，人工智能正在增加公司必须运营的软件、基础设施和复杂性。这一趋势既推动了AI相关的新机遇，也促进了Datadog的核心可观测性业务。他表示，公司在这个持续增长的市场中份额不足14%。

关于Datadog（纳斯达克：DDOG）

Datadog（纳斯达克：DDOG）是一个基于云端的监控和可观测性平台，帮助组织大规模地监控、故障排查并保护其应用和基础设施。其软件即服务产品会收集并分析来自服务器、容器、云服务和应用的指标、链路数据和日志，从而实时呈现系统性能和健康状态。Datadog平台被工程、运维和安全团队广泛使用，以减少停机时间、加快事件响应并提高应用程序可靠性。

该公司的产品套件包括基础设施监控、应用程序性能监控（APM）、日志管理、真实用户监控（RUM）、合成监控和网络性能监控，以及安全监控和云SIEM等以安全为重点的产品。