公司业务与市场定位 - 公司传统上被企业用于可观测性、基础设施监控、应用性能监控和日志管理 [1] - 监控与可观测性不同：监控追踪发生了什么，而可观测性追踪发生的原因 [1] - 企业正在向云端迁移 [1] 作者背景与文章性质 - 文章作者自称拥有超过30年全球航海经历的商船船员，并在过去15年对投资产生浓厚兴趣 [1] - 作者的投资知识部分来源于The MF，并因其工程背景倾向于关注科技股 [1] - 文章内容基于作者个人观点，并非投资建议 [1][2]

公司概况 * 公司为Dynatrace (NYSE:DT)，是一家可观测性软件公司[6] * 公司管理层包括首席执行官Rick McConnell和首席财务官Jim Benson[6] 近期财务与运营表现 * 年度经常性收入基础已达19亿美元[8] * 以固定汇率计算，净新增ARR连续两个季度稳定在16%的增长率[8][32][33] * 连续三个季度实现双位数净新增ARR增长[35] * 第四季度指引的高端值表明这一增长势头将持续[35] * 运营利润率处于20%以上的高位[8] * 过去十二个月的自由现金流利润率为32%[8] * 公司符合“40法则以上”的标准[8] * 公司是软件领域少数实现GAAP盈利的公司之一[101] * 公司是现金纳税人，而大多数科技公司不是[103] 产品战略与平台演进 * 核心价值主张：通过可观测性交付具有韧性的软件，并确保可靠的人工智能[9][11] * 公司认为，在AI优先的世界中，可观测性对几乎所有交付核心软件的公司都变得至关重要[9] * 推出了下一代平台演进产品“Dynatrace Intelligence”[12] * Dynatrace Intelligence融合了确定性AI和智能体AI的创新[13] * 公司的“超能力”在于其确定性AI，这基于20年的上下文积累，包括Grail数据湖仓、Smartscape软件拓扑图，以及从因果AI到预测AI再到生成AI的人工智能技术[15] * 该平台能够实时分析数十亿个互连数据点，为全球大型组织提供高清晰度、具体和准确的分析结果[15] * 公司认为，可靠的、可信的输入对于智能体AI至关重要，否则智能体的行动将是基于猜测[16] * Dynatrace Intelligence的独特之处在于既能提供分析答案，又能连接智能体采取行动[18] * 其智能体框架是一个生态系统，不仅包括Dynatrace自身的智能体，还包括与超大规模云商、ServiceNow、Atlassian等集成的第三方智能体，以实现环境的自动预防、自动修复和自动优化[18] * 在Perform用户大会上发布了面向站点可靠性工程师、开发和安全团队的特定领域智能体[26] * 智能体架构分为三层：提供根本原因分析的基础智能体、管理监督智能体，以及解决问题的生态系统智能体[26][27] * 公司强调，成功的起点是确定性的基础，然后才能有信心采取智能体行动[27] 市场机会与增长驱动力 * 分析师非常看好可观测性这一类别，尤其是在智能体世界[8] * 在传统工作负载中，公司观测的工作负载占比约为30%左右[20] * 在智能体AI和LLM环境中，由于产生概率性结果，公司认为需要观测接近100%的工作负载[24] * AI优先世界将带来两点变化：1) 工作负载激增；2) 对这些工作负载的可观测性渗透率需要更高[25] * 主要增长来源是端到端可观测性销售策略，即客户希望将碎片化的工具整合到一个平台上[30][65] * 公司在新客户的首单规模和现有客户扩展中都看到了这一趋势[30] * 公司拥有多个超过4亿美元的业务，其中日志业务最新达到此规模[30] * 数字体验监控业务规模远超1亿美元[30] * 基础设施监控业务是增长第二快的业务，仅次于日志业务[30] * 日志业务的消费运行率已达到1亿美元[29] * 40%的客户使用公司的日志解决方案[73] * 公司有三种销售策略：端到端可观测性、APM切入扩展和云原生策略[65] * 最成功的销售策略是端到端可观测性[67] * 整合碎片化工具的趋势日益普遍，不仅是可观测性行业，在安全等领域也是如此[69] * 公司认为，在AI时代，可观测性不仅不会被AI取代，反而对于确保AI工作负载产生可靠结果至关重要[48] * 公司旨在成为“可靠AI的控制平面”[48] * 公司的架构护城河（Grail, Smartscape, Dynatrace Intelligence）使其能够提供确定性的、可信赖的答案，这是实现未来AI成果的基础[49] * 如果智能体比最终用户“更健谈”、消费更多分析数据，这对公司而言将是顺风因素[49] 商业模式与客户消费 * 公司采用基于消费的订阅模式，而非基于席位的模式[42][50] * 客户承诺一定金额和期限，然后根据平台功能费率表进行无摩擦消费[44] * 目前平台底层消费增长率超过20%，超过了16%的ARR增长率[39][41] * 消费增长最终会与ARR增长收敛，但时间点受多种动态因素影响[41] * 公司内部关注消费与ARR的比率，将其视为客户扩展前的增长空间[41] * 公司已组建专门团队并设定激励措施来推动产品消费，例如为日志、DEM、应用安全等产品设立了专项产品突击队[44] * 客户成功管理团队也以推动其支持账户的消费为考核指标[45] * 两年前，公司的模式还是基于SKU，现已转变为基于Dynatrace平台订阅并驱动消费的模式[45] 竞争格局与公司防御性 * 公司承认，可观测性的主要部署方式历来是DIY（自己动手），使用开源工具和OpenTelemetry等[55] * 但公司认为，对于大型银行、医疗保健组织、航空公司等企业来说，构建能够实时上下文处理数十亿互连数据点的动态端到端可观测解决方案非常复杂，需要公司所描述的广泛平台架构护城河[56] * 公司认为，对于绝大多数大型企业来说，转向DIY不是可能的结果[56] * 在计算周期变迁中，公司是少数成功跨越周期的领导者之一，从本地Java应用时代到如今成功转型[57] * 公司认为其确定性AI基础是区别于市场上其他参与者的关键[59] * 公司及其同行提供的不是简单的工具，而是能够实时处理数十亿甚至数万亿数据点的分布式计算平台，构建门槛很高[60][61] * 公司的工作流程是高度动态和可变的，依赖于特定时刻的数据平面和上下文数据输入，这要求平台持续学习，而非生成一段静态代码[63] 销售与市场执行进展 * 大约两年前，公司进行了市场策略调整，旨在转向进攻[36] * 调整内容包括：将更多资源集中于大型企业账户（全球500强）、加强与全球系统集成商的合作伙伴生态系统、调整薪酬计划设计[36][37] * 第一年是建设期，第二年（当前）开始看到执行的一致性，生产力提升开始显现[37][38][73] * 公司预计生产力提升将在2027财年进一步加速[38][73] * 管理层对2027财年的业务势头持乐观态度，预计若能持续执行，增长将延续至明年[38] * 销售代表负责的企业账户数量从大约10个减少到4-5个，使代表更贴近客户，提高了对交易流程的了解和信心[81] * 目前，公司正在同时实现管道增长和管道转化，管道增长非常强劲，管道质量也很高[75][77] * 尽管端到端交易的数量和规模都在增长，且交易关闭时间可能有所波动，但公司对市场执行一致性的信心在增强[83] 市场拓展与销售策略演进 * 在云原生、AI优先的世界中，公司预计将向更多部门级销售演进，特别是与云原生部署相关的开发团队[85] * 公司的价值主张在大型企业中最能体现优势，但不一定总是要赢得集中化的IT部门，在大型企业内的小型团队中同样具有渗透力和影响力，这些交易可以聚合起来[87][90] * 公司并未计划转向中小型企业市场[85] 资本配置与股东回报 * 公司宣布了新的10亿美元股票回购计划[91] * 资本使用哲学：1) 首先投资于业务；2) 通过回购机会性地回报资本；3) 寻找并购机会[91] * 公司拥有10亿美元现金，产生5亿美元自由现金流，处于有利地位[93] * 在2024年第三季度，公司大幅增加了回购力度，因为认为股价存在显著的价值错位[91] * 预计将以当前价格增加回购力度，甚至超过第三季度的水平[95] * 在并购方面，公司是积极的搜寻者，但也是纪律严明的买家，目标是通过并购巩固平台，扩大可观测性用例[97][99] 股票薪酬与盈利能力 * 本财年股票薪酬预计约占收入的15%或16%[103] * 公司预计未来将从股票薪酬中获得更多规模效应[103] * 公司专注于如何加速业务增长，加速增长的同时实际上会带来更大的经营杠杆[105]

财务数据和关键指标变化 - **第四季度收入**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] - **第四季度账单**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%；当期剩余履约义务同比增长约40% [29] - **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][31] - **第四季度毛利率**为81.4%，上一季度为81.2%，去年同期为81.7% [29] - **第四季度运营支出**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] - **客户数量**：截至第四季度末，客户总数约为32,700家，高于去年同期的约30,000家 [7] - **大客户数量**：截至第四季度末，年度经常性收入超过10万美元的客户约为4,310家，高于去年同期的约3,610家，这些客户贡献了约90%的年度经常性收入 [8] - **客户留存率**：过去12个月净收入留存率约为120%，与上一季度相似；过去12个月总收入留存率稳定在95%中高区间 [7][28] - **现金状况**：截至季度末，现金、现金等价物及有价证券总额为44.7亿美元 [30] 各条业务线数据和关键指标变化 - **三大核心支柱业务**：基础设施监控年度经常性收入超过16亿美元，日志管理年度经常性收入超过10亿美元，应用性能监控及数字体验管理套件年度经常性收入也超过10亿美元 [10] - **产品采用度**：平台战略持续获得市场认可，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，均较去年同期有所提升 [8][9] - **应用性能监控增长**：核心应用性能监控产品同比增长加速至30%中段，是目前增长最快的核心支柱 [10] - **日志管理**：Flex Logs产品年度经常性收入已接近1亿美元 [10] - **人工智能产品**：约5,500名客户使用一项或多项Datadog人工智能集成来发送其机器学习、人工智能和大语言模型使用数据；超过1,000名客户正在使用人工智能可观测性产品，过去六个月品牌数量增长了10倍 [13][15] - **新产品进展**：Bits AI SRE代理在12月全面上市，超过2,000名试用和付费客户在过去一个月内进行了调查；Datadog MCP服务器处于预览阶段，第四季度工具调用次数较第三季度增长了11倍 [12] - **安全产品**：云安全信息和事件管理产品在大型企业中正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 - **财富500强渗透**：截至2025年12月，48%的财富500强公司是Datadog客户，但这些客户的Datadog年度经常性收入中位数仍低于50万美元，增长空间巨大 [9] - **人工智能原生客户**：约有650名人工智能原生客户，其中19名客户每年在Datadog上的支出超过100万美元；前20大人工智能原生公司中有14家是Datadog客户 [28] - **非人工智能原生客户增长**：排除人工智能原生客户群体后，广泛的客户基础收入增长在第四季度加速至23%同比增长，高于第三季度的20% [27] - **大额交易**：第四季度预订额创纪录地达到16.3亿美元，同比增长37%；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，还包括一笔与领先人工智能模型公司的八位数新客户交易 [7][19] 公司战略和发展方向和行业竞争 - **长期增长动力**：数字化转型和云迁移仍是公司业务的长期结构性增长驱动力，公司继续扩展平台以端到端解决客户问题 [25] - **人工智能战略**：公司战略分为两部分：1) 人工智能赋能Datadog，即利用人工智能使平台更好用；2) Datadog赋能人工智能，即为客户的人工智能技术栈提供端到端的可观测性和安全性 [11][13] - **平台扩展与整合**：2025年发布了超过400项新功能，并达到了超过1000个集成的里程碑，帮助客户整合老旧工具，在近100笔交易中替代大型传统供应商，带来数千万美元的新收入 [11][15] - **竞争格局**：市场竞争态势未发生重大变化，公司继续从有规模的竞争对手那里夺取份额，近期的一些并购交易涉及的公司并非市场上的赢家，未改变竞争动态 [68] - **应对代理时代**：公司认为人工智能代理将加速开发和生产复杂性，从而增加对可观测性的需求，公司正在构建产品以满足人类用户界面和代理自动化的双重需求，例如通过MCP服务器向代理暴露功能 [38][39][42] 管理层对经营环境和未来前景的评论 - **需求环境**：云迁移的持续势头带来了广泛的需求积极趋势，增长势头遍及业务、产品线和多样化的客户群 [5] - **2026年展望**：管理层对2026年感到更加兴奋，因为开始看到客户将人工智能应用加速融入其应用程序，并开始采纳公司的人工智能创新 [26] - **第一季度及2026财年指引**： - **第一季度收入**：预计在9.51亿至9.61亿美元之间，同比增长25%-26% [31] - **第一季度非公认会计准则运营收入**：预计在1.95亿至2.05亿美元之间，意味着运营利润率为21% [31] - **第一季度非公认会计准则每股收益**：预计在0.49至0.51美元之间 [31] - **2026财年收入**：预计在40.6亿至41亿美元之间，同比增长18%-20%，其中模型假设排除最大客户后的业务年内增长至少20% [32] - **2026财年非公认会计准则运营收入**：预计在8.4亿至8.8亿美元之间，意味着运营利润率为21% [32] - **2026财年非公认会计准则每股收益**：预计在2.08至2.16美元之间 [32] - **指引说明**：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，继续应用21%的非公认会计准则税率，资本支出和资本化软件合计预计占收入的4%-5% [33] - **长期机会**：管理层认为许多大型企业仍处于云迁移的早期阶段，公司拥有巨大的增长机会 [9] 其他重要信息 - **产品创新**：2025年在多个领域推出新产品或增强功能，包括数据可观测性、存储管理、Kubernetes自动扩缩容、路径分析、无限制真实用户监控、代码安全、基础设施即代码安全、安全图谱、功能标志、内部开发者门户、OnCall等 [16][17][18] - **客户成功案例**：第四季度完成了多笔重要交易，涉及人工智能金融模型公司、欧洲数据公司、领先电子商务和数字支付平台、财富500强食品饮料零售商、领先医疗科技公司、拉丁美洲主要金融服务公司以及领先金融科技公司，这些交易普遍涉及工具整合、成本节约和效率提升 [19][20][21][22][23][24] - **投资者日**：公司宣布将于本周四在纽约举行下一次投资者日，分享服务客户、平台创新和通过人工智能提供更大价值的细节 [26] 总结问答环节所有的提问和回答 问题: 关于代理框架和部署的进步对可观测性类别的影响及公司如何适应 [37] - **回答**: 人工智能代理将加速开发，创造更多复杂性和应用，将更多价值从编写代码转移到验证、测试和确保生产环境安全及业务对齐，这正是可观测性的范畴，因此会加速可观测性需求并使其扩展到更多领域 [38][39][40] - **回答**: 工作流程将演变，自动化将增加，公司正在构建产品以满足人类用户界面和代理自动化的双重需求，例如通过MCP服务器向代理暴露功能 [41][42] 问题: 关于与大型人工智能模型公司的八位数交易，以及开源工具与商业化解决方案的争论 [45] - **回答**: 该情况与赢得其他客户类似，客户通常已有自制或开源工具，但公司能快速展示价值，工程师成本高且开发速度是关键制约因素，因此采用商业化解决方案通常更合理 [46][47] 问题: 关于大语言模型在异常检测等方面的长期能力与公司护城河的对比 [50] - **回答**: 大语言模型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：1) 整合上下文数据并输入给智能引擎的能力；2) 未来需要嵌入式、实时、专业化的模型进行主动问题预防和解决，而不仅仅是事后分析，这需要嵌入数据平面，公司正致力于此 [51][52][54][55] - **补充**: 公司处理的数据是实时且数据量比通常输入大语言模型的数据大几个数量级，这是不同的问题 [56] 问题: 关于客户为人工智能可观测性支付更多费用时，如何确保其感受到价值 [57] - **回答**: 软件购买的核心是帮助客户赚钱或省钱，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收入增长，将产品添加到公司平台通常比引入其他供应商成本更低 [58] 问题: 关于2026年指引中的保守程度、排除最大客户后的增长假设以及人工智能客户群的集中度 [61] - **回答**: 指引采用了与以往相同的方法，基于观察到的有机增长率、附加率和新增客户积累率并进行折现，排除最大客户后的核心业务增长假设高于整体指引增长率，但这并不意味着最大客户增长缓慢，而是对其采用了非常保守的假设，人工智能客户群约有650家，相当分散，没有特别的集中度 [62][63] 问题: 关于竞争格局以及大语言模型兴起是否影响份额变化 [67] - **回答**: 市场竞争没有特别变化，公司继续从有规模的竞争对手那里夺取份额，近期的一些并购交易未改变竞争动态，大语言模型兴起带来了新功能构建和客户服务的新方式，但人工智能可观测性市场仍处于早期，公司认为最终人工智能可观测性应与系统其他部分集成，公司在这方面处于有利地位 [68][69][70] 问题: 关于大型云服务提供商资本支出增长与公司人工智能可观测性收入增长的可预测性 [74] - **回答**: 将资本支出直接与人工智能可观测性收入挂钩过于简化，资本支出增长预示着未来应用、智能和系统复杂性将大幅增加，这对公司业务将有巨大帮助，但难以精确映射 [75][76] 问题: 关于在大型人工智能提供商中分散客户集中度的机会 [77] - **回答**: 公司的业务模式并非建立在依赖少数客户之上，对于人工智能领域的所有客户，不使用公司产品应该是不合理的，公司已在该领域取得巨大成功，并看到更多来自最大型人工智能实验室的客户兴趣，预计未来将推动更多业务 [78][80] 问题: 关于2026年毛利率预期以及内部使用人工智能实现运营支出协同效应 [84] - **回答**: 毛利率目标仍在±80%左右，公司会在效率机会和平台投资之间取得平衡，目前内部已在运营中使用人工智能，初步迹象显示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 [85][86] - **补充**: 短期内公司将继续大力投资研发，人工智能帮助公司更快地构建更多产品以解决客户问题 [86] 问题: 关于客户将可观测性内包的趋势是否发生变化 [89] - **回答**: 这种情况有时发生，但是少数，总体趋势是客户从自制转向使用公司产品并扩大使用范围，依赖公司解决越来越多的问题，出于经济或专注度考虑，内包对绝大多数公司来说没有意义，即使是拥有所有资源的大型云服务商内部团队有时也会选择使用公司产品以更直接地解决问题 [90][91][92] 问题: 关于销售团队的生产力曲线以及未来12-18个月的投资重点 [95] - **回答**: 对当前生产力感到满意，未来的主要驱动力仍然是扩大销售团队规模，因为公司在全球各个市场和细分领域的覆盖尚未达到所需规模，因此重点是在保持生产力的同时扩大规模，预计未来一年将继续扩大销售团队规模 [96][97] 问题: 关于核心应用性能监控产品增长加速的驱动因素 [100] - **回答**: 应用性能监控增长加速得益于多方面：1) 投资简化了部署流程；2) 在数字体验方面进行了差异化投资，推动了更广泛的应用性能监控套件采用；3) 加强了市场覆盖，获得了更多交易机会，公司在该市场仍有很大份额提升空间 [102][103][104] - **补充**: 许多胜利案例是公司在客户已有其他产品的基础上，进一步整合应用性能监控 [105] 问题: 关于大型人工智能原生客户是否显著稀释毛利率以及2026年利润率指引的考量 [106] - **回答**: 从加权平均来看，人工智能原生客户并未显著稀释毛利率，毛利率更多与客户规模相关，而非是否人工智能原生，公司拥有高度差异化、多元化的客户基础，折扣结构与以往相似，毛利率持续投资包括数据中心和平台开发，因此大致与过去几年情况一致，未受人工智能原生与否的显著影响 [106] 问题: 关于Bits AI产品的价值捕获和竞争格局 [114] - **回答**: 当前通过展示节省的时间来销售这些产品，从长达数小时的事后人工处理缩短到几分钟的自动诊断，价值主张清晰，长期来看，趋势将从事后诊断转向流式、实时、主动的问题预防和缓解，这需要处理海量实时数据并做出实时判断，这是公司的优势所在，也是对通用人工智能平台更具挑战性的领域 [115][116][117][119] 问题: 关于运营利润率框架和未来投资思路 [123] - **回答**: 公司的框架是基于相对保守的收入预期进行规划，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，如果看到收入超出目标，再增加投资层，这反映了公司在平台、研发、人工智能和销售方面的持续投资，这些投资正在取得回报，历史上公司倾向于将部分超额收入转化为利润，然后再为下一阶段增长进行再投资 [124][125] 问题: 关于销售策略是否需要为人工智能客户群做出重大改变 [126] - **回答**: 公司将继续执行类似策略，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工作中，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以及扩展渠道，与往年非常相似 [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]