Datadog (DDOG) - 我們畫樹

假設驅動 | 相互獨立 | 完全窮盡

一、Datadog是誰？

生意的本質

你的公司跑著10,000台伺服器、數百個微服務、橫跨三朵雲。每一秒，系統產生海量數據——CPU指標、API延遲、錯誤日誌、資安事件。如果這些數據散落在十幾個工具裡，工程師凌晨三點被叫醒要花30分鐘才能找出「哪裡壞了」。可觀測性（Observability）就是把所有遙測數據匯入同一個平台，讓你用一塊玻璃看整個系統 。這門生意天然具備land-and-expand特質——客戶每多接入一類數據，平台價值跳一個台階，帳單也跟著跳 。

創辦DNA

Datadog在2010年由Olivier Pomel（CEO）與Alexis Lê-Quôc（CTO）於紐約創立，核心理念是讓Dev與Ops看同一塊玻璃 。技術DNA濃縮成一句話：單一Agent、統一資料湖、多產品擴展。一個輕量Agent安裝後採集所有類型的遙測數據，進入同一個後端，產品之間原生共享上下文——不靠併購拼湊，每個新品項都建在同一座資料湖上 。公司2019年上市，FY2025營收$3.43B，非GAAP營業利潤率22%，自由現金流$915M，是全球最大的獨立雲端可觀測平台 。

正在發生的身份轉換

Datadog今天值得研究，不是因為它是觀測龍頭——這個市場已經知道。關鍵在於它正從「幫你看系統出了什麼問題」，進化成「用AI幫你自動修好問題，同時幫你監控你自己的AI系統」 。

• AI賦能觀測： Bits AI（三個自主代理：SRE Agent、Dev Agent、Security Analyst）直接讀取遙測數據，自動調查告警、關聯事件、建議修復。自研時間序列基礎模型Toto讓監控從被動告警走向預測性運維。2026年3月推出的MCP Server更讓外部AI代理（Claude Code、Cursor等）直接存取Datadog即時數據——把儀表板從「人看的」變成「AI代理的數據接口」。

• 觀測AI系統： 當客戶自己部署LLM與AI代理，全新監控需求出現——幻覺率、token成本、推論延遲、prompt注入攻擊。LLM Observability、AI Guard、GPU Monitoring構成完整的AI觀測與安全套件 。

Datadog過去十年的護城河是「把你所有系統數據放進一個資料湖」。現在的賭注是，當AI成為基礎設施核心，這個資料湖既是最好的「觀測AI」的地方，也是訓練「AI做觀測」最好的燃料。 這個身份轉換能否成功、市場是否低估了它的速度，是這篇文章要回答的核心問題。

---

二、它靠什麼賺錢？

Datadog的營收模式是使用量驅動的SaaS訂閱——客戶按主機數、日誌量、追蹤span數、安全事件數等維度付費。這意味著營收與客戶的雲端工作負載規模直接掛鉤：雲用得越多、跑的微服務越多，帳單越高 。