Datadog (DDOG) 在其用户大会上展示了持续的产品动力和积极的人工智能 (AI) 推进策略。与客户和合作伙伴的交流普遍积极，证实了 Datadog 在可观察性领域的领先地位及其对扩展平台的日益增长的兴趣。安全是一个反复出现的主题，多个用户注意到产品在工作负载保护方面的重大改进，尽管面向客户的解决方案 (GTM) 运动仍处于早期阶段，并且主要针对现有的可观察性客户。
AI 方面的亮点
- Bits AI for SRE：被与会者描述为自动化分类和事件响应的潜在变革者，其作为虚拟 L1 工程师的能力比通用的摘要功能更受青睐，表明了向结果驱动的 AI 采用的转变。
- AI 兴趣高涨但处于早期探索阶段：大多数客户仍处于早期探索阶段，整体情绪积极，用户对创新的步伐感到鼓舞，但仍专注于实际执行和集成。
DASH 2025 新产品与功能
- LLM Experiments：帮助团队构建、评估和优化 LLM 应用，支持数据集版本控制、实验跟踪和跨模型、提示和架构的性能比较，包括用于快速迭代和测试不同提供者的提示游乐场。
- AI Agents Console：提供对 AI 代理行为的集中可见性，包括性能、业务影响、分析和安全洞察，以帮助团队管理和优化代理使用。
- GPU Monitoring：实时监控云和本地环境中的 GPU 使用、分配和故障模式，帮助团队降低闲置 GPU 成本、解决瓶颈并确保 AI 工作负载的高效扩展。
- Bits AI SRE：自主的呼叫助手，通过集成工具（如 Slack 和 GitHub）调查警报、识别根本原因并协调事件响应，像队友一样学习每次事件并通知利益相关者。
- Bits Dev Agent：监控遥测、检测问题并生成生产就绪的拉取请求，附带经过测试的修复程序，通过将重点从调试转移到审查和发布代码来提高开发人员的生产力。
- Datadog MCP Server：使 AI 代理能够安全地访问 Datadog 遥测并执行自然语言查询，通过将意图转换为 API 调用来简化代理与 Datadog 的集成，增强其检索和操作可观察性数据的能力。
- Data Observability：通过提供质量检查、异常检测和血缘关系跟踪，确保数据管道的可靠性，帮助团队在影响利益相关者之前主动检测和解决数据问题。
- Flex Frozen Storage Tier：允许组织以成本有效的方式存储长达七年的日志，并支持原地搜索，无需外部存储或重新激活。
估值与风险
- 估值：DCF 基于的价格目标为 135 美元，对应 2026 年总收入的 12 倍。鉴于长期平台潜力，当前 11 倍 2026 年预期收入估值合理。
- 风险：竞争加剧（监控工作负载整合）、企业销售执行波动（相对较新的运动）、某些合同早期续约导致估计波动以及高增长领域的多重压缩。
研究结论
维持“买入”评级，预计 Datadog 将继续受益于可观察性平台的领先地位和 AI 创新的加速，尽管 AI 相关收入尚未成为有意义的贡献者。公司产品组合的扩展和客户兴趣的增长为未来增长奠定了基础，但需关注 AI 商业化的实际进展和竞争压力。
