Datadog(DDOG)營收年增36%，AI收費模式能變穩定收入嗎？

 

AI上線後，企業得在幾分鐘內找到故障點

生成式AI與雲端應用快速增加，企業IT團隊承受的壓力也跟著升高。系統發生異常後，工程師需要在幾分鐘內找出問題、確認影響範圍，資安團隊還得同步判斷有沒有攻擊行為。這讓可觀測性（observability，也就是持續蒐集與分析系統運作資料）逐步成為企業數位基礎建設的標準配備。

Datadog(DDOG)是這波需求的代表公司。執行長Olivier Pomel近期表示，公司最新一季營收年增約36%，而且已連續數季加速。更有意義的數字來自一般企業客戶：排除聚焦AI的客群後，營收年增率已從去年約18%，提高至高20%區間。

這組數字顯示，需求已擴散到一般企業。AI新創的用量仍是成長推力，但傳統企業導入AI、重整雲端架構，同樣需要增加監控、日誌與資安工具。Datadog的成長基礎因此比單押AI新創更分散。

 

13%至14%市占率，仍有企業工作負載可以滲透

企業過去十年的雲端遷移，已經讓IT架構從固定伺服器走向大量分散服務。AI再加入GPU、模型、智能代理，以及連接外部系統的安全層。Pomel估計，AI公司約七至八成的技術堆疊與一般企業相似，其餘新增元件則帶來更多監控需求。

可觀測平台的涵蓋範圍也持續擴張。指標、追蹤、日誌、網路拓樸與資安行為，都能被收進同一套平台。企業購買這類產品，目的在於縮短故障排查時間，同時降低多套工具之間的資料斷點。

截至今年9月13日，Datadog約占全球可觀測市場13%至14%，客戶涵蓋約半數《Fortune 500》企業。不同機構估計，這個市場的年成長率約15%至30%。市場成長與市占提升可以同時發生，大型企業增加使用模組、擴大資料量，以及把開源工作負載移入商用平台，都可能形成增量。

這類用量計價的SaaS生意，擴張速度與客戶工作負載高度相關。企業上線更多AI應用，監控資料量通常也會增加；景氣轉弱或專案縮減時，用量則可能快速降溫。營收彈性很大，波動也會跟著放大。

 

Datadog for AI擴大監控範圍，Bits AI仍在摸索收費方式

Datadog的AI策略分成兩條路徑。「Datadog for AI」把既有監控能力延伸至AI堆疊，涵蓋GPU使用率、模型效能、代理執行結果與安全事件。企業可以在同一平台觀察傳統應用與AI服務，減少跨系統排查的時間。

「AI for Datadog」則把AI放進自家產品。Bits AI先從調查告警開始，後續延伸至聊天機器人、程式碼優化，以及在平台內開發代理和應用的工具。客戶採用度已經提升，營收貢獻仍未明顯浮現。

目前的挑戰集中在計價。Datadog正把單一告警調查SKU，轉成可供多項AI功能使用的AI Credits。底層模型供應商普遍按照Token收費，企業端的代理服務卻尚未形成一致標準。Datadog原有的用量計價模式提供調整彈性，產品價值能否轉成穩定收入，仍需觀察客戶消耗量與續用狀況。

 

開源標準降低導入門檻，資安成為下一個鄰近市場

OpenTelemetry等開源標準，讓企業更容易布建監控並傳送資料。對Datadog而言，開源工具可以降低客戶開始使用可觀測平台的工程成本。資料順利進入平台後，公司才有機會向日誌、追蹤、網路監控與安全產品交叉銷售。

Datadog也推出時序模型Toto與Toto 2.0，並收購Adaptive ML，加快客製化模型研發。這些技術投資的目的，在於提高異常偵測與分析能力，讓平台從呈現告警逐步走向協助處理告警。

資安是另一塊可延伸市場，目前約四分之一客戶使用Datadog的安全產品。AI提高攻防速度後，靠人力逐項閱讀分散告警的效率會愈來愈低。Datadog已掌握指標、日誌與網路關聯資料，若能串接異常偵測和自動防禦，營運資料可轉成資安優勢。

這條路也會碰上成熟資安廠商的競爭。Datadog需要證明整合平台能降低誤報、縮短處理時間，並讓客戶願意把更多安全預算放進同一套系統。資料覆蓋廣度提供起跑位置，產品效果與商業化能力才會決定後續滲透率。

 

研發率維持約30%，高成長也伴隨用量波動

Datadog持續投入約營收30%於研發，支出內容也轉向Token、GPU與模型訓練。管理層希望AI提升工程團隊生產力，進一步開發更多產品、深化既有模組並拓展鄰近市場。這種策略保留長期產品選項，同時需要持續檢查投入能否帶動採用與收入。

AI-native客戶則是近期風險。這批新創的基礎設施與應用用量可以高速增加，也可能在資金環境轉弱時突然踩煞車，過去疫情期間的雲端原生企業已經演過一次。Datadog目前對AI-native客群的曝險較低，客戶組合也更分散，單一客群造成的衝擊因而較可控。

我的追蹤框架會放在三項證據。AI與安全產品要形成清楚的收費模式；一般企業客戶的高20%成長需要維持；數位體驗監控與合成測試則要展現跨模組擴張能力。36%營收增速確認需求強勁，但Bits AI的財務效果尚在早期，AI新創用量也帶有週期性。

Datadog已站在AI基礎建設擴張的受益位置，可觀測、資安與數位體驗監控提供多條成長路徑。接下來的判斷仍要回到收入品質：一般企業能否穩定擴張、AI Credits能否形成可預測消耗，以及安全產品能否從四分之一客戶繼續滲透。三項證據同步改善，才足以支持高成長延續的判斷。