纪要涉及的公司 - Datadog：一家提供软件服务的上市公司，专注于帮助用户应对技术复杂性和风险，提供多种产品和服务，包括AI代理、日志管理、安全防护、可观测性工具等 [1][3] - Thomson Reuters：使用Datadog的Bits来加速全球运营团队的问题分类 [20] - Fanatics：使用Datadog的Bits在重要赛事期间及时处理警报 [20] - Toyota Connected：与Datadog合作，借助其可观测性工具实现车辆系统的高可用性，核心产品包括DriveLink、mobility、Hey Toyota、multimedia等，目前有超1250万辆车通过这些系统连接 [110][112][113] - Okta：领先的独立中立身份公司，Auth0是其开发者友好的客户身份平台，使用Datadog的FlexLogs实现更快的根本原因分析和事件解决，节省成本并降低缓解时间 [133][134] - Cursor：一款受用户喜爱的AI编码工具，与Datadog合作，借助其数据和工具提升开发效率 [87] - Ramp：帮助超35000家公司控制支出、自动化会计和管理供应商，通过数据可观测性解决资本运营和产品方面的数据问题，如价格情报产品 [198][200][202] 纪要提到的核心观点和论据 产品创新与升级 - **Bits AI系列代理** - **Bits AI SRE**：能像SRE一样主动调查生产问题，通过分析更多数据、进行更深入的根本原因分析和拥有记忆功能，处理复杂任务，如解决Flight Query API端点的高延迟问题，已被Thomson Reuters和Fanatics等公司使用 [10][11][20] - **Bits AI Security Analyst**：可自动调查SIM信号，推荐分类解决方案并展示调查步骤，减少SOC团队的分类时间，如将调查时间从30分钟缩短到30秒，还能进行安全行动建议和自动创建案例 [40][43][48] - **Bits AI Dev Agent**：深度集成在Datadog平台，利用可观测性数据自主检测高影响问题、诊断根本原因并创建上下文感知的拉取请求，每月自动发送超1000个PR，为团队节省大量工程时间 [50][58] - **OnCall和事件响应** - **OnCall**：已推向一般可用性，超千家公司使用其改进值班流程，新的语音界面可实时获取监控细节、下一步操作并采取行动，如处理结账关键延迟警报 [22][30] - **状态页面**：新推出的Datadog状态页面可帮助用户轻松更新公司状态页面，支持模板、自定义域名等，实现端到端的事件处理流程 [35][36] - **APM相关功能** - **APM investigator**：处于预览阶段，可帮助用户快速解决延迟问题，如在几分钟内解决结账端点的延迟问题，还能解决应用效率低下、部署故障等问题 [60][61][71] - **主动应用建议**：处于预览阶段，通过分析APM、DBM、RUM和分析数据，提供性能和可靠性改进建议，如减少服务延迟、解决页面问题等，可在问题影响业务前进行处理 [65][70][71] - **IDP（内部开发者门户）**：是唯一能自动了解系统并保持最新状态的开发者门户，可帮助工程师轻松理解服务、跟踪最佳实践并使用AI管理基础设施，如通过软件目录、记分卡和自助服务操作等功能提高开发效率 [75][84][85] - **MCP Server**：允许代理访问Datadog数据和功能，帮助调试问题，如通过与Cursor集成，利用Datadog的实时锁点解决结账按钮无响应问题，并生成更准确的单元测试和修复方案 [93][95][99] - **日志管理** - **Flex Frozen**：新的长期存储层，可将日志在Datadog中完全管理长达7年，满足审计、安全漏洞调查和合规审查等需求 [121] - **Archive Search**：强大的日志搜索功能，可在不同存储位置查找日志洞察，快速生成合规报告，无需编写复杂查询或等待长时间的恢复作业 [122][123] - **Sheets**：原生电子表格解决方案，用于切片和切块日志数据或构建实时报告，方便分析师和审计人员进行数据分析 [124] - **Notebooks**：用于交互式绘图和协作分析，可将不同的遥测和上下文数据整合到一个统一的画布中，支持多步骤分析和团队协作，还集成了Bits AI进行数据分析 [125][126][127] - **安全防护** - **Datadog Security**：为AI应用的每个层提供安全保护，包括数据层防止敏感数据泄漏、模型层防止模型被操纵和应用层防止代码和云环境受到攻击，已推出超400个新功能和检测，7500家客户使用 [148][149][159] - **AI Agent Monitoring**：帮助用户构建更好的自定义代理并观察其性能，通过代理执行流程图、代理清单、实验等功能解决代理决策和工具选择不可靠的问题 [172][174][182] - **AI Agents Console**：可监控企业堆栈中所有AI代理的行为和交互，提供关键见解，如每月成本、错误率等，帮助用户检测低效代理并进行深入调查，确保代理安全、有效运行并提供可衡量的业务价值 [187][188][192] - **可观测性** - **GPU Monitoring**：提供对GPU舰队的全面可见性，解决资源争用、数据传输拥塞和成本浪费问题，如通过监控发现集群中的低效工作负载并进行优化 [161][162][168] - **LLM Observability**：从简单监控到支持自定义AI代理的观测，新增AI Agent Monitoring功能，帮助用户构建和操作LLM应用，确保输出可靠 [170][171][172] - **Data Observability**：处于预览阶段，通过结合深度数据质量检查和机器学习模型，覆盖整个数据生命周期，帮助用户检测问题、解决问题并防止问题发生，如解决金融运营公司的报价价格问题 [207][208][215] 客户案例与合作 - **Cursor**：在过去6个月基础设施规模扩大超100倍，Datadog帮助其实现可观测性扩展，避免崩溃，未来希望结合Datadog数据和Cursor能力提高生产力 [88] - **Toyota Connected**：通过Datadog的可观测性工具实现车辆系统的四个九的正常运行时间，将问题识别时间从分钟缩短到秒，DriveLink等核心产品已连接超1250万辆车 [113][115][118] - **Okta**：使用FlexLogs实现日志的单一视图，加快根本原因分析和事件解决，节省成本并降低缓解时间，同时与Datadog合作应对AI时代的安全挑战 [134][135] - **Ramp**：通过数据可观测性解决资本运营和产品方面的数据问题，如帮助资本市场团队信任数据、让客户信任价格情报产品 [200][202][204] 其他重要但是可能被忽略的内容 - **开源贡献**：Datadog的AI实验室发布了最先进的时间序列基础模型TOTO和相关基准BOOM，并以开放权重的方式在hugging face上免费提供，促进开放科学发展 [7][8] - **与OpenAI合作**：Datadog与OpenAI合作，将可操作上下文引入其新的Codec CLI，使SRE能够在终端中与AI代理协作，通过自然语言解决问题，无需在应用之间切换 [103][104][106] - **日志存储增长**：FlexLogs推出不到一年，团队每月存储的数据超过100PB，成为Datadog历史上增长最快的产品 [121] - **模型训练失败原因**：30%的模型训练失败是由于GPU问题，且GPU集群经常闲置，而SRE和ML工程师缺乏对GPU如何影响AI工作负载的端到端可见性 [161] - **AI代理部署趋势**：82%的组织计划在未来1 - 3年内在生产环境中部署AI代理，超60%的客户强调对AI代理信任的重要性 [138]

纪要涉及的行业和公司 行业为软件监控行业 公司为Datadog（DDOG）[1][3] 纪要提到的核心观点和论据 公司业务介绍 - Datadog是供生产工程师和DevOps使用的平台 用于监控软件应用的创建、部署和运行 解决应用延迟和停机问题 业务从基础设施监控扩展到应用监控、代码监控、日志、安全等多个领域 [3][4] - 公司主要解决客户在云环境中部署关键任务应用时 对应用运行情况缺乏透明度的痛点 帮助客户优化和修复应用问题 [5] AI对公司的影响 - AI相关业务是公司快速增长的细分领域 但目前占比小 主要来自AI原生公司的需求 未来非AI原生公司将更多集成大语言模型和AI 带来新的需求 [8][13][14] - 客户整体处于AI生成式应用的早期阶段 云原生公司进展较快 活动量翻倍 公司主要在生产环境实现货币化 与客户是否将生成式AI投入生产环境高度相关 [20][27] - 公司AI相关产品常用工具与其他客户一致 主要是指标、跟踪和日志 各类产品毛利率大致相同 价格基于使用量和期限 [29][31] 云迁移情况 - 目前大部分应用仍采用传统技术和本地部署 云迁移是长期趋势 推动公司业务增长 公司通过交叉销售和巩固市场份额 实现高于云工作负载基本增长率的增长 [36][37] - 公司基础设施产品与AWS、Azure和GCP的云成本相关 但平台效应、产品整合和SKU推出使公司增长率长期高于这些云服务提供商 [42] 企业客户拓展 - 公司拥有45%的财富500强客户和数千名付费超10万美元的客户 占收入的80%以上 通过企业销售团队、销售工程、渠道关系和营销支持拓展业务 采用“落地并扩展”策略 [44][45] - 云市场是最有效的销售渠道 占业务的20%左右 企业直销与合作伙伴销售的比例因国家和行业而异 无明确目标比例 [46] 联邦政府业务 - 公司联邦政府业务规模小 不是主要增长驱动力 受联邦政府预算削减影响小 目前处于持续缓慢建设阶段 未来联邦政府可能为提高效率而现代化基础设施和应用 [48][50] 安全业务 - 公司基于DevSecOps理念开展安全业务 包括应用安全、云安全和云SIM 目前业务规模不如基础设施、日志和APM等业务 但有大量客户 [51][53][62] - 公司通过发展渠道、集中营销和利用日志与云SIM的协同效应加速安全业务发展 有望成为十亿美元级业务 [55][56][64] 财务指标相关 - FlexLogs业务发展良好 能渗透增量用例 有望成为增长驱动力 但仍处于早期阶段 [68][69] - CRPO增长与收入增长相关 受账单时间影响有波动 公司约75%-80%的业务来自现有客户增长 20%-25%来自新客户 [70][71] - 公司毛利率围绕80%波动 受工作负载、新功能引入和云管理影响 一季度因云管理优化不足导致成本增加 但不影响整体信心 [76][79] - 公司设定运营利润率目标为25%以上 现金流利润率高于运营利润率200 - 300个基点 目前处于平衡期 目标是最大化长期现金流 [84] 其他重要但可能被忽略的内容 - 公司在AI领域有大语言模型监控产品 并在平台中融入AI以获取更多信息、模拟情况和提供解决方案 未来可能实现自动修复 [9][10] - 公司安全业务销售团队为通才组织 尚未建立专业销售团队 跨越不同部门销售安全产品存在困难 仍在探索解决方案 [60][61] - 公司一季度CRPO同比增长30% 收入增长处于中20%区间 [70] - 公司一季度因云管理问题导致成本结构中约800 - 1000万美元的超额容量未及时优化 [82]

财务数据和关键指标变化 - Q1营收7.62亿美元，同比增长25%，高于指引区间上限，环比增长3% [7][28] - 客户数量约30500个，较去年的约28000个有所增加；ARR达10万美元及以上的客户约3770个，较去年的约3340个有所增加，这些客户贡献约88%的ARR [8] - 自由现金流2.44亿美元，自由现金流利润率32% [9] - 账单金额7.48亿美元，同比增长21% [31] - 剩余履约义务（RPO）23.1亿美元，同比增长33%，当前RPI增长约30%，RPO期限同比基本持平 [32] - 毛利率80.3%，上一季度为81.7%，去年同期为83.3%，云托管成本上升及新产品创新使短期毛利率承压 [33] - Q1运营费用同比增长29%，与上一季度的30%相近 [35] - Q1运营收入1.67亿美元，运营利润率22%，上一季度为24%，去年同期为27% [36] - 预计Q2营收在7.87 - 7.91亿美元之间，同比增长22 - 23%；非GAAP运营收入在1.48 - 1.52亿美元之间，运营利润率19%；非GAAP每股净收益0.40 - 0.42美元 [38] - 预计2025财年营收在32.15 - 32.35亿美元之间，增长率20 - 21%；非GAAP运营收入在6.25 - 6.45亿美元之间，运营利润率19 - 20%；非GAAP每股净收益1.67 - 1.71美元 [39] 各条业务线数据和关键指标变化 - 平台采用方面，Q1末83%的客户使用两款或更多产品，高于去年的82%；51%的客户使用四款或更多产品，高于去年的47%；28%的客户使用六款或更多产品，高于去年的23%；13%的客户使用八款或更多产品，高于去年的10% [9][10] - 新推出的FlexLogs产品ARR超5000万美元，在六个季度内达到该里程碑；数据库监控产品接近5000万美元ARR，同比增长60%，已被超5000个客户采用 [10][11] - AI原生客户在Q1 ARR中占比约8.5%，上一季度为6%，去年同期为3.5%，贡献约6个百分点的同比营收增长 [28] - 安全产品服务超7500个客户，约占总客户群的四分之一，超半数财富500强客户使用安全产品 [17] 各个市场数据和关键指标变化 未提及相关内容 公司战略和发展方向和行业竞争 - 持续加大对数据可观测性的投资，收购MetaPlan以完善数据可观测性套件，满足企业AI工作负载需求 [19] - 计划在澳大利亚推出最新数据中心，满足当地客户数据驻留、隐私和安全要求 [17] - 收购EPO平台，助力产品分析，提高发布速度并降低风险 [18] - 认为数字转型和云迁移是长期增长驱动力，专注为客户提供创新和价值，满足关键需求 [27] 管理层对经营环境和未来前景的评论 - 虽全球经济存在不确定性，但长期市场机会不变，公司能帮助客户进行云迁移和数字转型 [27] - 预计AI采用将长期使公司受益，但营收增长可能因客户续约条款和优化使用而波动 [29] - 对云成本效率提升有信心，预计毛利率保持在历史范围内 [34][75] 其他重要信息 - 将于6月在纽约举行DASH用户大会，届时将公布新产品和功能 [20][149] - 2025年可转换债券约6350万美元本金将于6月到期，预计主要以现金赎回 [41] - 预计Q2收购活动的GAAP购买价格约1.8亿美元，其中约1.1亿美元将在Q2以现金支付 [41] - 预计2025财年净利息和其他收入约1.4亿美元，现金税约为营收的1%，即3000 - 3500万美元，继续采用21%的非GAAP税率 [41] - 预计资本支出和资本化软件在全年营收中的占比为4 - 5% [42] 总结问答环节所有的提问和回答 问题1: AI编写大量代码对Datadog的机会及AI生成代码的监控需求 - 随着AI编写代码增加，价值将从编写代码转移到在生产环境中观察和理解代码，公司的投资和收购正是为了适应这一趋势 [45][48] 问题2: 预订量强劲的原因 - 进入季度时管道强劲，市场投入增加，产品优势明显，能为客户提供价值，且云迁移和可观测性工具能帮助客户节省成本和提高效率 [49][52] 问题3: 云迁移的趋势 - 云迁移趋势稳定，客户有向云迁移和采用AI的需求，这是数字转型和采用AI的先决条件 [57][59] 问题4: 拓展数据可观测性的机会 - 数据可观测性领域正成为构建企业AI工作负载的重要推动因素，公司收购MetaPlan完善了相关套件，认为这是一个重大机会 [60][64] 问题5: 提高Q2指引的考虑及全年毛利率变化原因 - 提高指引是基于Q1表现和当前业务趋势，但仍保持保守，因市场不确定性，下半年指引不变；Q1毛利率下降是由于投资增加和客户需求波动，公司将优化云成本，预计毛利率保持在历史范围内 [68][75] 问题6: AI市场从训练转向推理时Datadog的产品价值及研发销售营销投资的财务收益 - 在AI从训练转向推理过程中，公司有产品获客户更多使用，未来将在相关领域有更多产品推出；研发和销售营销投资的收益体现在数据库和FlexLogs等产品的营收增长上，投资回报通常需要2 - 3年 [79][82] 问题7: AI原生核心客户续约情况及日志管理机会 - AI原生客户续约情况良好，但存在增长快和客户集中的问题，可能带来波动；日志管理领域机会巨大，FlexLogs解决了客户问题，创造了新用例，公司有机会取代现有参与者 [86][91] 问题8: AI原生客户ARR占比增加的驱动因素及销售营销团队生产力 - AI原生客户ARR占比增加既有大客户贡献，也有其他客户增长；销售代表达到一定阶段后，生产力与预期相符，公司会根据市场情况合理增加代表数量 [95][99] 问题9: 2025年销售容量增长计划 - 公司将继续增加销售容量，若计划实现，人员投资将转化为更高的销售能力增长，但这取决于招聘、培训和保留人员的情况 [104][105] 问题10: AI原生客户业务重点及公司对AI效率的看法 - AI原生客户主要是运行应用和推理工作负载，训练多为自主开发；公司目前在销售和研发中看到AI带来的生产力提升，长期可能实现效率提升和成本节约 [109][116] 问题11: 企业客户消费下降与新客户ARR增长强劲的矛盾 - 企业客户使用量存在月度和季度波动，新客户预订转化为收入需要时间，目前未发现广泛趋势 [118][121] 问题12: 客户是否仍处于优化水平及收购EPO和MetaPlan对营收指引的影响 - 客户优化周期变紧，通常在续约时进行优化；收购对2025年下半年营收指引无影响，影响较小 [129][134] 问题13: 客户对自带云的关注及公司的应对策略 - 公司有新产品覆盖本地工作负载，同时正在测试让客户在自有云管理部分数据的方式，若市场需求大，将加大投入 [137][140] 问题14: 净新增10万美元以上ARR客户的驱动因素 - 驱动因素包括新用例、新产品、市场份额增加和老客户回流，客户将更多工作负载整合到公司平台 [143][145]

财务数据和关键指标变化 - Q1营收7.62亿美元，同比增长25%，高于指引区间上限；账单金额7.48亿美元，同比增长21%；剩余履约义务（RPO）为23.1亿美元，同比增长33%，当前RPI增长约30% [6][31][32] - 一季度末约有30500个客户，较去年约28000个有所增加；ARR达10万美元及以上的客户约3770个，较去年约3340个有所增加，这些客户产生了约88%的ARR [6] - 自由现金流2.44亿美元，自由现金流利润率32% [7] - 毛利率80.3%，较上季度的81.7%和去年同期的83.3%有所下降；运营收入1.67亿美元，运营利润率22%，较上季度的24%和去年同期的27%有所下降 [33][35] - 二季度预计营收在7.87 - 7.91亿美元之间，同比增长22 - 23%；非GAAP运营收入预计在1.48 - 1.52亿美元之间，运营利润率19% [37] - 2025财年预计营收在32.15 - 32.35亿美元之间，增长率20 - 21%；非GAAP运营收入预计在6.25 - 6.45亿美元之间，运营利润率19 - 20% [38] 各条业务线数据和关键指标变化 - 平台采用方面，Q1末83%的客户使用两款或更多产品，高于去年的82%；51%的客户使用四款或更多产品，高于去年的47%；28%的客户使用六款或更多产品，高于去年的23%；13%的客户使用八款或更多产品，高于去年的10% [7][8] - 新产品方面，FlexLogs ARR已超5000万美元，在六个季度内达到该里程碑；数据库监控产品接近5000万美元AR水平，同比增长60%，已被超5000个客户采用 [8][9] - 安全业务方面，服务超7500个客户，约占总客户群的四分之一，超半数财富500强客户使用安全产品 [16] 各个市场数据和关键指标变化 - AI原生客户贡献了约8.5%的Q1 ARR，高于上季度的约6%和去年同期的约3.5%，为Q1带来约6个百分点的同比营收增长 [27][28] - 企业客户同比使用量增长健康但略低于上季度，SMB和中端市场客户（不包括AI群体）同比使用量增长与上季度大致相似 [29] 公司战略和发展方向和行业竞争 - 公司继续专注于云迁移和数字转型，认为这是长期增长驱动力，将持续为客户提供创新和价值，尤其在AI领域 [26] - 计划在澳大利亚推出最新数据中心，以满足当地客户的数据驻留、隐私和安全要求 [16] - 收购EPO和MetaPlan，分别用于增强产品分析和数据可观测性能力，以适应现代应用开发和企业AI工作负载的需求 [17][18] - 公司在销售和营销方面取得成果，获得多个大客户和续约，包括美国汽车制造商、拉丁美洲银行、美国科技供应商公司等 [21][22][23] 管理层对经营环境和未来前景的评论 - 尽管全球经济存在不确定性，但公司认为长期市场机会不变，云迁移和可观测性工具对客户具有成本节约和效率提升的作用 [26][49] - 公司对AI市场的发展持积极态度，认为AI编写代码的趋势将增加对代码验证和观测的需求，公司的投资和产品布局将受益于此 [44][46] - 公司对数据可观测性市场的机会充满信心，通过收购MetaPlan完善相关产品线，认为该领域对企业AI工作负载至关重要 [58][60] 其他重要信息 - 公司将在6月的DASH用户大会上分享新产品和功能公告 [20][143] - 公司预计在6月赎回约6350万美元的可转换债券，主要以现金支付；Q2收购活动的GAAP购买价格预计约1.8亿美元，其中约1.1亿美元预计在Q2以现金支付 [40] 总结问答环节所有的提问和回答 问题1: AI编写代码对Datadog的机会及AI生成代码的监控需求 - 公司认为AI编写代码将使价值从代码编写转移到代码验证和观测，公司的投资和产品布局正是为了满足这一需求，确保代码在生产环境中正常运行 [44][46] 问题2: 预订量强劲的原因 - 公司进入本季度时拥有强大的销售管道，这与在企业和市场推广方面的投资一致；产品优势和配额容量的扩大使公司能够获得更大的交易并为客户增加价值；云迁移和可观测性工具对客户具有成本节约和效率提升的作用，不受贸易战等因素的影响 [48][49] 问题3: 云迁移的趋势 - 云迁移趋势稳定，与之前和超大规模云计算提供商的情况一致；客户仍有向云迁移的需求，以支持AI的采用 [55][56] 问题4: 数据可观测性的机会 - 数据可观测性领域正在发展成为构建企业AI工作负载的重要推动因素，公司通过收购MetaPlan完善相关产品线，认为这是一个巨大的机会 [58][60] 问题5: 提高指引的思考过程和毛利率变化的原因及措施 - 公司在制定指引时仍保持保守，考虑了Q1的业绩和当前的使用增长率；毛利率下降是由于云托管成本上升和新产品投资，公司将通过优化云成本效率来改善这一情况 [65][67] 问题6: AI市场从训练转向推理对Datadog产品的影响及研发和销售营销投资的增量收益 - 公司认为在推理阶段有更多产品需要开发，将在DASH会议上分享相关进展；研发和销售营销投资的收益体现在新产品的收入增长上，投资通常需要2 - 3年才能实现回报 [75][76] 问题7: AI原生核心群体的续约情况和日志管理的机会 - AI原生群体的续约情况健康，但存在增长速度快和客户集中的问题，公司会谨慎对待潜在的波动性；日志管理市场有巨大机会，FlexLogs解决了客户的问题，公司有机会取代现有竞争对手 [81][87] 问题8: AI原生群体ARR占比增加的驱动因素和销售营销团队的生产力 - AI原生群体ARR占比增加既有大客户的贡献，也有其他客户的增长；销售团队在有针对性的地区增加人员后，生产力与预期相似，表明投资决策正确 [92][94] 问题9: 2025年销售容量的增长计划 - 公司将继续增加销售容量，如果计划实现，投资将转化为更高的产能增长，但这取决于招聘、培训和保留合适的人员 [100] 问题10: AI原生客户的业务重点和公司对AI效率的看法 - AI原生客户主要关注应用程序运行和推理工作负载；公司目前在销售和研发方面看到了AI带来的生产力提升，长期来看，AI有望提高效率，但目前的投资重点是增加产能 [106][110] 问题11: 企业 segment 消费下降与新客户ARR增长强劲的矛盾 - 企业 segment 消费存在月度和季度的波动，这是正常现象；新客户ARR增长强劲是由于产品销售能力和市场份额的增加，且新客户的使用和收入需要时间来体现 [115][117] 问题12: 客户是否仍处于优化水平和收购对收入指引的影响 - 客户现在的优化周期更短，通常在续约云或可观测性承诺时进行优化；收购对2025年下半年的收入指引影响较小 [124][126] 问题13: 客户对自带云的关注和公司的应对策略 - 公司有针对本地工作负载的新产品，以满足客户的需求；公司正在测试让客户在自己的云上管理部分数据的方法，如果市场需求强劲，将加大投入 [132][134] 问题14: 净新增10万美元以上客户的驱动因素 - 驱动因素包括新用例、新产品、市场份额增长和老客户回流，客户通过将更多工作负载整合到公司平台上实现增长 [138][139]