财务数据和关键指标变化 - 第四季度营收为9.53亿美元，同比增长29%，环比增长8%，超出指引区间上限 [7][27] - 第四季度预订额达到创纪录的16.3亿美元，同比增长37% [7] - 第四季度自由现金流为2.91亿美元，自由现金流利润率为31% [7][30] - 第四季度账单额为12.1亿美元，同比增长34% [29] - 剩余履约义务为34.6亿美元，同比增长52%，当前剩余履约义务同比增长约40% [29] - 第四季度毛利润为7.76亿美元，毛利率为81.4%，上一季度为81.2%，去年同期为81.7% [29] - 第四季度运营费用同比增长29%，上一季度为32%，去年同期为30% [30] - 第四季度运营收入为2.3亿美元，运营利润率为24%，上一季度为23%，去年同期为24% [30] - 截至第四季度末，现金、现金等价物及有价证券总额为44.7亿美元 [30] - 过去12个月的净收入留存率约为120%，与上一季度相似，过去12个月的总收入留存率保持在95%以上的中高位区间 [28] 各条业务线数据和关键指标变化 - 核心三大可观测性支柱均表现强劲：基础设施监控ARR超过16亿美元，日志管理ARR超过10亿美元，APM和DEM产品套件ARR也超过10亿美元 [10] - 核心APM产品同比增长加速至30%以上，是目前增长最快的核心支柱 [10] - 日志管理中的Flex Logs产品ARR已接近1亿美元 [10] - 平台产品采用率持续提升：84%的客户使用2个或以上产品，55%的客户使用4个或以上产品，33%的客户使用6个或以上产品，18%的客户使用8个或以上产品，9%的客户使用10个或以上产品 [8] - AI相关产品增长迅猛：超过1000名客户使用LLM可观测性产品，过去六个月品牌数量增长了10倍 [13] - 安全产品获得市场认可，云SIEM正在大型企业中积极取代现有的市场领先解决方案 [16] 各个市场数据和关键指标变化 - 截至第四季度末，客户总数约为32,700名，去年同期约为30,000名 [7] - 年度经常性收入超过10万美元的客户约为4,310名，去年同期约为3,610名，这些客户贡献了约90%的ARR [8] - AI原生客户群增长显著，该群体约有650名客户，其中19名客户的年消费额超过100万美元 [28] - 在顶级AI原生公司中，前20名中有14家是Datadog的客户 [28] - 截至2025年12月，48%的财富500强企业是Datadog的客户，但这些客户的Datadog ARR中位数仍低于50万美元，增长空间巨大 [9] 公司战略和发展方向和行业竞争 - 公司战略围绕两大AI方向展开：“AI for Datadog”旨在利用AI增强平台功能，“Datadog for AI”旨在为客户的AI技术栈提供端到端的可观测性和安全性 [11] - 发布了超过400项新功能和能力，包括Bits AI SRE代理、Bits AI开发代理、Bits AI安全代理、Datadog MCP服务器等 [11][12] - MCP服务器使用量呈爆炸式增长，第四季度工具调用次数比第三季度增长了11倍 [12] - 推出了数据可观测性、存储管理、Kubernetes自动扩缩容、路径分析、无限制RUM、代码安全、安全图谱、功能标志等多项新产品和能力 [16][17] - 市场策略强调平台整合，成功案例显示客户通过用Datadog替换多个开源、商业和内部工具，实现了成本节约和效率提升 [19][20][22] - 管理层认为数字化转型和云迁移是业务的长期增长动力，公司正快速将AI集成到平台中 [25] - 竞争格局未发生重大变化，公司持续从有规模的竞争对手那里夺取市场份额，并认为在可观测性领域竞争需要持续创新 [68][69] - 公司认为其长期成功不依赖于少数大客户，而是建立在广泛、多元化的客户基础之上 [78] 管理层对经营环境和未来前景的评论 - 需求环境呈现广泛积极趋势，云迁移持续带来动力 [5] - 收入增长加速，主要由非AI原生客户的广泛基础业务拐点所驱动 [5][27] - AI原生客户群内部也保持非常高的增长 [6] - 客户流失率保持低位，增长收入留存率稳定在95%以上的中高位区间，凸显了平台对客户的关键性 [7] - 2025年执行情况良好，强劲的财务表现是这些努力的结果 [25] - 对2026年更加兴奋，因为开始看到客户将AI使用融入其应用程序的拐点，以及客户开始采用如Bits AI SRE代理等AI创新 [26] - 2026年第一季度营收指引为9.51亿至9.61亿美元，同比增长25%-26%，非GAAP运营收入指引为1.95亿至2.05亿美元，运营利润率约为21% [31] - 2026年全年营收指引为40.6亿至41亿美元，同比增长18%-20%，该指引假设除最大客户外的业务全年增长至少20% [32] - 全年非GAAP运营收入指引为8.4亿至8.8亿美元，运营利润率约为21% [32] - 预计2026财年净利息和其他收入约为1.4亿美元，现金税约为3000万至4000万美元，资本支出和资本化软件合计约占营收的4%-5% [33] 其他重要信息 - 第四季度签署了18笔总合同价值超过1000万美元的交易，其中两笔超过1亿美元，还包括一笔与领先AI模型公司的八位数新客户交易 [7] - 本季度达成了多项重要交易，包括与大型AI金融模型公司、欧洲数据公司、领先电商和数字支付平台、财富500强食品饮料零售商、领先医疗科技公司、拉美主要金融服务公司以及领先金融科技公司的合作与扩展 [19][20][21][22][23][24] - 这些交易案例普遍涉及工具整合，为客户节省了数百万美元的年化成本，并将事件解决时间缩短了40% [21][22] - 公司已实现超过1000个集成的里程碑 [15] - 公司将于近期举办投资者日活动，详细介绍产品、市场战略和AI价值交付 [26][34] 总结问答环节所有的提问和回答 问题: 在智能体框架和部署兴起的背景下，如何看待可观测性类别的未来发展及Datadog的防御性？[36][37] - 回答: AI发展将导致应用程序数量激增和开发速度加快，从而带来更多复杂性，可观测性的价值从编写代码转移到验证、测试和确保生产环境安全与业务对齐，因此需求将增加 [38][39] - 回答: 更多流程将在智能体内进行，可观测性将扩展到以前未覆盖的领域，成为AI开发生命周期中最重要的一环 [40] - 回答: 关于工作流程演变，未来自动化将增加，人类仍将通过UI交互，同时智能体将自动化许多交互，公司正在构建满足这两种条件的产品 [41] - 回答: 公司通过MCP服务器向智能体暴露功能，部分功能由自有智能体实现，部分通过UI交付给人类 [42] 问题: 与AI模型公司的八位数交易背后，客户从低成本方案转向Datadog的驱动因素是什么？[45] - 回答: 情况与赢得任何其他客户类似，客户通常有自研或开源方案，但工程师成本高且开发速度是关键制约因素，Datadog能快速展示价值 [46] - 回答: AI领域的客户都是增长迅速、塑造行业的企业，他们采用Datadog产品的逻辑是相同的，只是规模不同 [47] 问题: 如何界定LLM的长期能力与Datadog在可观测性领域的专业经验之间的界限？LLM作为异常检测工具是否会侵蚀可观测性市场？[50] - 回答: LLM在分析海量数据方面会越来越好，公司的护城河在于两方面：一是整合上下文数据并输入给智能引擎的能力；二是未来需要实时、嵌入式、专业化的模型进行主动预防性分析，而不仅仅是事后总结，公司正致力于此 [51][52][54][55] - 补充: 公司处理的数据流是实时且规模比通常输入LLM的数据大几个数量级，这是不同的问题 [56] 问题: 当客户因增加AI使用而导致Datadog账单上升时，如何确保客户仍感到物有所值？[57] - 回答: 软件购买的根本原因在于增收或降本，每当客户购买新产品，公司都需要证明其能带来成本节约或新客户获取，将功能整合到Datadog平台通常比引入其他供应商更节省开支 [58] 问题: 2026年业绩指引中包含了多少保守性假设？除最大客户外增长至少20%，对该大客户有何假设？AI客户群中是否出现新的集中度风险？[61][62] - 回答: 指引采用了一贯的方法，基于有机增长率、附加率和新增客户积累率，并进行了折现 [62] - 回答: 指引中18%-20%的总体增长，以及非AI/高度多元化业务20%以上的增长，意味着核心业务的假设增长率高于大客户，这反映了公司对基于消费模式的大客户增长采取了非常保守的假设 [62] - 回答: AI客户群有约650个客户，相当多元化，集中度水平与整体业务相似，增长显著，但使用模式与整体客户群无异，没有特别异常之处 [63] 问题: 竞争格局如何？LLM的兴起是否影响了市场份额的变化？[67] - 回答: 市场竞争格局没有特别变化，公司持续从有规模的竞争对手那里夺取份额，近期的一些并购涉及的公司并非市场上的赢家，未改变竞争动态 [68] - 回答: 在可观测性领域竞争需要持续创新，公司对此有信心 [69] - 回答: 随着LLM兴起，需要构建新功能，LLM可观测性市场仍处于早期，产品差异化不大，但公司认为LLM可观测性应与系统其他部分集成，因为LLM并非孤立运行，公司在这方面处于有利地位 [69][70][71] 问题: 如何看待超大规模云厂商巨额资本支出与Datadog LLM可观测性收入增长之间的关系？目前处于哪个阶段？[74] - 回答: 将资本支出直接与LLM可观测性收入挂钩过于简化，这预示着未来应用程序、智能和一切复杂性都将大幅增加，虽然难以精确映射，但无疑将对公司业务有巨大帮助 [75][76] 问题: 随着AI领域可能出现新的强大竞争者，公司是否有机会分散AI客户集中度？[77][78] - 回答: 公司的业务模式并非建立在依赖少数客户之上，AI领域的所有大型客户使用公司产品都是合理的，公司已与一些最大的AI实验室合作，并预计未来会推动更多业务，实现多元化 [78][79] - 补充: AI原生客户数量和规模的指标也显示了该客户群的规模扩大和多元化 [80][81] 问题: 2026年毛利率预期如何？内部更多使用AI是否会带来运营费用的协同效应？[84] - 回答: 毛利率目标仍在80%左右，公司会在效率投资和平台投资间寻求平衡，目前内部使用AI主要看到的是生产力和采用率的提升，成本结构方面的机会将持续评估 [85] - 补充: 短期内公司预计将继续大力投资研发，AI帮助公司更快地构建更多产品以解决客户问题 [86] 问题: 关于客户选择自研可观测性方案的文化选择论，过去一年看法是否有更新？[89] - 回答: 没有改变，这种情况时有发生但是少数，普遍趋势是客户从自研尝试转向采用公司产品并随之扩展，越来越依赖公司解决问题和交付成果 [90][91] - 回答: 从经济或专注度角度看，自研对绝大多数公司都不合理，甚至有些超大规模云厂商的团队也选择使用公司产品，因为能更直接地解决问题 [92] 问题: 过去18-24个月积极投资于市场拓展，目前处于生产力曲线的什么位置？未来12-18年有哪些额外投资计划？[95] - 回答: 对当前生产力感到满意，未来主要驱动力仍是扩大规模，公司尚未在全球所有市场和细分领域达到所需规模，因此将继续扩大市场团队规模，重点是保持生产力的同时扩大规模 [96][97] 问题: 核心APM产品实现30%以上增长，这是重新加速吗？增长主要是由AI原生公司驱动还是核心企业客户驱动？[100] - 回答: APM增长一直较为稳定，但公司采取了一些措施促进了增长：一是大幅简化了部署流程；二是在数字体验方面进行了差异化投资；三是加强了市场覆盖，所有这些因素共同推动了产品增长加速 [101][102][103] - 补充: 公司仍在纯APM市场占有较小份额，市场更大，增长空间广阔 [104] - 补充: 许多胜利案例是公司在客户已使用其他产品的基础上，进一步整合APM [105] 问题: 大型AI原生客户是否显著稀释毛利率？2026年利润率指引在多大程度上反映了这类客户可能带来的较低毛利率与增量投资？[106] - 回答: 从加权平均来看，并没有显著稀释，毛利率与客户规模相关，而非是否AI原生，公司客户基础高度差异化且多元化，折扣结构与以往一致，毛利率方面的持续投资包括数据中心和平台开发，因此情况与过去几年类似，不受AI因素显著影响 [106] 问题: 围绕Bits AI，公司如何获取其为SRE和运营团队带来的生产力价值？如何看待该领域的竞争？[114] - 回答: 当前销售基于价值展示，对比客户自行解决长时间故障的高成本与使用公司产品快速诊断和修复的低成本，价值主张明确 [115][116] - 回答: 长期来看，现状是事后处理，未来系统将能够前瞻性地发现问题、自动诊断并帮助预先修复，这需要实时流式分析，处理的数据量级大得多，这是公司的优势所在，也是通用AI平台难以竞争的领域 [117][118][119] 问题: 如何考虑利润率框架？几年前曾达到25%左右的中期利润率，而近年包括指引都在21%左右的低位，真正的目标是什么？[123] - 回答: 公司的框架是首先投资于收入增长，如果收入超过目标，短期内难以进行增量投资，因此倾向于以更保守的收入进行规划，超额部分往往会流入利润线，然后为下一阶段增长再投资 [124][125] 问题: 是否需要针对AI客户群进行市场策略的重大调整或投资？[126] - 回答: 公司持续进行与以往类似的工作，即与客户合作证明价值，这体现在客户管理和客户成功服务中，今年的重点是能力增长，包括地域扩张、深化客户互动方式和扩展渠道 [126]

财务数据和关键指标变化 - 第四季度营收为9.53亿美元，同比增长29%，环比增长8%，高于指引区间上限 [5] - 第四季度账单金额为12.1亿美元，同比增长34% [28] - 剩余履约义务（RPO）为34.6亿美元，同比增长52% [28] - 第四季度自由现金流为2.91亿美元，自由现金流利润率为31% [5][31] - 第四季度非GAAP营业利润为2.3亿美元，营业利润率为24% [30] - 第四季度非GAAP毛利润为7.76亿美元，毛利率为81.4% [28] - 客户总数约32，700家，去年同期约30，000家 [5] - 年度经常性收入超过10万美元的客户约4，310家，去年同期约3，610家，这些客户贡献了约90%的ARR [6] - 过去12个月净收入留存率约为120%，过去12个月总收入留存率稳定在95%以上 [27] - 2026年第一季度营收指引为9.51亿至9.61亿美元，同比增长25%-26% [31] - 2026年全年营收指引为40.6亿至41.0亿美元，同比增长18%-20% [32] - 全年指引中假设剔除最大客户后的核心业务增长至少20% [32] 各条业务线数据和关键指标变化 - 三大核心可观测性支柱均表现强劲：基础设施监控ARR超过16亿美元，日志管理ARR超过10亿美元，APM和DEM产品套件ARR超过10亿美元 [9] - 核心APM产品同比增长加速至30%以上，是当前增长最快的核心支柱 [9] - 平台产品采用率持续提升：84%的客户使用2个或以上产品，55%使用4个或以上，33%使用6个或以上，18%使用8个或以上，9%使用10个或以上 [6][7] - AI相关产品增长显著：超过1，000名客户使用AI可观测性产品，过去六个月品牌数量增长10倍 [12] - 约5，500名客户使用一个或多个Datadog AI集成来发送其机器学习、AI和LLM使用数据 [13] - 日志管理产品在整合方面取得成功，2025年通过近100笔交易取代大型传统供应商，带来数千万美元新收入 [13] - 安全产品（Cloud SIEM）在大型企业中积极取代现有市场领先解决方案 [15] - 2025年发布了超过400项新功能和能力 [10] 各个市场数据和关键指标变化 - 截至2025年12月，48%的财富500强公司是Datadog客户 [7] - 财富500强客户的中位ARR仍低于50万美元，表明增长空间巨大 [8] - AI原生客户群约650家，其中19家客户年支出超过100万美元 [27] - 前20大AI原生公司中有14家是Datadog客户 [27] - 第四季度新客户预订量非常强劲，平均新客户初始交易规模持续强劲增长 [27] - 第四季度签署了18笔总合同价值超过1000万美元的交易，其中两笔超过1亿美元，还包括一笔与领先AI模型公司的八位数新客户交易 [5] 公司战略和发展方向和行业竞争 - 公司战略围绕两大方向：为Datadog平台融入AI以提升客户价值，以及构建产品以观察、保护和管理客户的AI技术栈 [24] - 平台战略持续获得市场认可，致力于为客户解决从软件开发、生产、数据栈、用户体验到安全的全方位问题 [24] - 在AI领域，公司将AI工作分为两类：用于增强Datadog平台的“AI for Datadog”（如Bits AI SRE Agent、Bits AI Dev Agent、Bits AI Security Agent）以及用于观察和保障客户AI技术栈的“Datadog for AI”（如LLM可观测性） [10][11][12] - 公司认为数字化转型和云迁移是其业务的长期结构性增长驱动力 [24] - 竞争格局未发生重大变化，公司持续从有规模的竞争对手那里夺取市场份额 [69] - 公司认为在可观测性领域竞争需要持续创新，并对自身的方法和未来计划充满信心 [70] - 公司认为没有理由将LLM的可观测性与系统的其他部分分开，因为LLM并非孤立工作，需要与整个生产环境集成 [71] 管理层对经营环境和未来前景的评论 - 需求环境呈现广泛的积极趋势，云迁移持续保持势头 [4] - 收入增长加速，这主要由非AI原生客户的广泛基础业务拐点所驱动 [4] - AI原生客户群继续保持非常高的增长，这些客户正进入生产阶段并增长用户、令牌和新产品 [4] - 客户流失率保持低位，增长收入留存率稳定在95%以上，突显了平台对客户的关键性 [5] - 2026年，公司开始看到客户将AI使用融入其应用的拐点，以及客户开始采用如Bits AI SRE Agent等AI创新 [25] - 管理层对2026年的计划感到更加兴奋 [25] - 对于长期前景，公司整体观点不变，即数字化转型和云迁移是业务的长期增长驱动力 [24] 其他重要信息 - 第四季度预订额创纪录，达到16.3亿美元，同比增长37% [5] - 公司举办了投资者日，计划分享更多关于服务客户、平台创新和通过AI提供更大价值的细节 [25] - 2025年，公司达到了超过1，000个集成的里程碑，使客户能够轻松引入各类数据并与最新技术互动 [13] - 发布了多项新产品和功能，包括Data Observability、Storage Management、Kubernetes自动扩缩容、路径分析、RUM without limits、Code Security、Security Graph、Feature Flags、内部开发者门户、OnCall等 [14][16][17] - 本季度完成了多笔重要交易，涉及AI金融模型公司、欧洲数据公司、领先电商和数字支付平台、财富500强食品饮料零售商、领先医疗科技公司、拉美主要金融服务公司以及领先金融科技公司，这些交易体现了平台整合价值和客户对多产品采用 [18][19][20][21][22][23] - MCP服务器使用量呈现爆炸式增长，第四季度工具调用次数较第三季度增长11倍 [11] 问答环节所有的提问和回答 问题: 在智能体框架和部署兴起的背景下，对可观测性类别的发展方向、防御性以及客户使用这些工具构建内部解决方案的可能性的最新看法 [36] - 回答: AI将导致应用数量大幅增加，开发速度加快，从而带来更多复杂性。可观测性的价值从编写代码转移到验证、测试、确保生产环境安全及业务对齐，因此需求将增加。智能体和应用内部发生更多事情，人类的工作越来越像可观测性，这将把可观测性带入更广泛的领域。可观测性及其在代码、应用、真实生产环境、用户和业务之间的关联性是AI开发生命周期中最重要的一环 [37][38][39][40] 问题: 在人类SRE和智能体SRE混合程度更高的世界中，可观测性的UI或工作流程是否需要演变，Datadog如何适应 [41] - 回答: 演变是必然的，将看到更多自动化。一切都在加速：更多数据、交互、系统、发布、故障和修复。最终，人类仍将通过某种UI进行交互，许多交互将由智能体自动化。公司正在构建产品以满足这两种情况：为人类提供UI，并通过MCP服务器等将功能直接暴露给智能体。部分功能由公司自身的智能体直接实现，部分通过UI交付给人类 [41][42] 问题: 与AI模型公司的八位数交易的驱动因素，以及市场关于“可以廉价完成”的讨论 [45] - 回答: 情况与赢得任何其他客户类似。客户通常已有内部工具或开源方案，但自行构建通常并不更便宜，因为工程师成本高昂且开发速度是关键制约因素。Datadog可以快速展示价值。在AI客户群中，这并不独特，该群体都是快速增长、塑造AI世界的公司，它们出于相同逻辑采用Datadog产品 [46][47][48] 问题: 如何考虑LLM长期能做什么与Datadog在可观测性领域经验的界限，以及LLM作为异常检测工具可能对可观测性类别构成的竞争 [51] - 回答: LLM在处理海量数据方面会越来越好。公司的护城河在于两个方面：一是如何整合上下文以输入给智能引擎（如通过MCP服务器），二是未来需要更主动的、嵌入数据平面的实时分析和解决能力，以防止故障发生，而不仅仅是事后分析。这需要处理比通常输入LLM的数据量大几个数量级、更实时的数据流，是不同的问题 [52][53][54][57] 问题: 当客户因更多AI使用导致Datadog账单上升时，如何确保客户仍感到获得巨大价值 [58] - 回答: 软件购买的原则是让客户赚钱或省钱。每当客户购买新产品，公司必须证明其能节省成本或带来新客户。当客户在Datadog平台上增加产品，而不是引入其他供应商，他们通常花费更少 [59] 问题: 2026年指引中的保守程度、对最大客户的假设，以及AI客户群中是否出现集中度风险 [62] - 回答: 指引制定方法保持不变，基于近期趋势并施加保守性。全年指引18%-20%的增长中，假设剔除最大客户后的核心业务增长至少20%，这意味着指引中核心业务的增长率高于最大客户。对于最大客户，由于其消费模式，公司采取了非常保守的假设。AI客户群约650家，相当分散，与整体客户群类似，没有异常的集中度风险 [63][64] 问题: AI客户群收入占比 [65] - 回答: 未提供该数据 [65] 问题: 竞争格局以及LLM兴起如何影响份额变化 [68] - 回答: 市场竞争未发生特别变化，公司持续从有规模的对手那里夺取份额。近期一些并购涉及的公司并非市场上的赢家，未改变竞争动态。LLM兴起带来了新功能和新的服务客户方式，但LLM可观测性市场仍处于早期，产品差异化不大。公司认为LLM可观测性不应与系统其他部分分离，因为LLM需要通过工具与现有或新应用交互，需要生产环境集成，公司在这方面处于有利地位 [69][70][71] 问题: 如何看待大型云服务商巨额资本支出中训练与推理的比例，以及这是否会为Datadog的LLM可观测性收入带来可预测的增长 [74] - 回答: 将其仅与LLM可观测性挂钩可能过于简单化。这预示着未来将有更多应用、更多智能、更多一切。很难直接将云服务商的资本支出映射到未来两三年用于交付价值的基础设施部分。但这无疑预示着系统复杂性、数量和覆盖范围将大幅增加，这对公司业务将大有裨益 [75][76] 问题: 在AI模型公司中是否存在机会分散客户集中度，以及是否看到更多大型AI提供商成为客户 [77] - 回答: 公司的业务模式并非建立在依赖少数客户之上。对于AI领域的所有客户，不使用Datadog产品是不合理的。公司已在该领域取得一些巨大成功，并且有更多客户正在接洽，包括超大规模AI实验室，预计未来将推动更多业务。公司正在向许多最大的参与者销售，这使得该客户群规模更大、更多元化 [78][79][80] 问题: 2026年毛利率预期，以及内部更多使用AI是否会带来运营费用协同效应 [83] - 回答: 毛利率目标仍在±80%左右。公司会在看到效率机会时进行优化，同时平衡对平台的投资。目前内部运营中已在运用AI，初步迹象显示其提高了生产力和采用率，公司将继续评估其对成本结构的影响。短期内，公司预计将继续大力投资研发，AI帮助公司更快地构建更多产品，解决客户更多问题 [85][86] 问题: 对客户希望内部自建可观测性这一“文化选择”的看法在过去一年是否有变化 [89] - 回答: 没有变化。这种情况时有发生，但属于少数。一般趋势是客户从自建开始，然后迁移到Datadog产品并随之扩展。他们越来越多地依赖公司解决问题并交付成果。从经济或专注度角度看，对绝大多数公司而言自建并不合理。即使是拥有所有工具、资金和技术的超大规模公司内部团队，有时仍选择使用Datadog产品，因为它能更直接地解决问题 [90][91] 问题: 市场团队的生产力曲线现状，以及未来12-18个月的投资重点 [95] - 回答: 对生产力感到满意。未来的主要驱动力仍然是扩大规模，市场团队尚未在全球每个市场和细分领域达到所需规模，因此将继续扩张。当前重点是在保持生产力的同时扩大规模。当然仍有许多可以改进的地方，但总体感觉良好，预计未来一年将继续扩大市场团队规模 [96][97] 问题: 核心APM产品增长加速至30%以上的驱动因素，是来自AI原生公司还是核心企业客户 [100] - 回答: APM增长一直较为稳定，因为其部署更深、需要更长时间。增长加速得益于多项措施：大幅简化了部署和上线流程；在数字体验方面进行了差异化投资，推动了更广泛的APM套件采用；加强了市场覆盖，获得了更多交易机会。公司在该市场仍只占很小份额，还有很大增长空间 [101][102][103] 问题: 大型AI原生客户是否显著稀释毛利率，以及2026年初步毛利率指引在多大程度上反映了这类客户的影响与增量投资 [104] - 回答: 按加权平均计算，并未稀释。毛利率与客户规模相关，而非是否AI原生。公司客户基础高度差异化且多元化，预计未来的折扣结构将与客户规模一致。毛利率方面的持续投资包括数据中心和平台开发，因此情况与过去几年类似，并未受AI原生与否的显著影响 [105] 问题: 围绕Bits AI的机遇如何形成，公司如何获取其为SRE和运营团队带来的生产力价值，以及如何看待该领域的竞争 [112] - 回答: 当前通过展示节省的时间来销售价值。与长时间故障、多人参与相比，快速诊断和修复能显著降低成本、缩短客户影响时间。长期来看，现状是事后分析解决故障，未来系统将能够提前发现问题、自动诊断、预先缓解。这需要在数据流中进行实时分析，处理比当前LLM分析多几个数量级的数据，并实时做出判断。这是公司的优势所在，也是通用AI平台难以竞争的领域 [114][115][116][117][118] 问题: 关于营业利润率框架的思考，如何平衡增长与利润 [121] - 回答: 框架是公司在制定计划时采用更保守的收入假设，因为如果收入超过目标，短期内难以进行增量投资。因此，公司优先投资于收入增长，在看到超额完成目标时再增加投资。这反映了公司在平台、研发（包括AI）以及市场方面的持续投资。过去几年，公司在超出预期后，部分超额收益会体现在利润率上，然后为下一阶段增长重新投入 [122][123] 问题: 今年是否需要针对AI客户群进行重大的市场策略调整或投资 [124] - 回答: 公司将继续当前策略，即与客户合作证明长期价值，这体现在客户管理和客户成功团队中。今年的重点是能力增长，包括地域扩张、深化与客户的互动方式、拓展渠道，与往年非常相似 [125]