AI編碼代理帶動可觀測性需求，Datadog與Dynatrace誰先受惠？

 

AI編碼代理增加變更頻率，也放大生產環境風險

AI編碼代理快速普及，企業建立軟體的成本與時間都有機會下降。程式碼產出加快後，部署次數、系統依賴與機器生成內容也同步增加；任何錯誤進入生產環境，都可能沿著服務鏈快速擴散。

這讓可觀測性市場迎來新的需求。可觀測性指企業透過日誌、指標與追蹤資料，掌握系統運作狀態並找出故障原因。過去主要監控工程師撰寫的版本，如今還要追蹤AI代理持續做出的判斷與動作，監控單位正從版本走向決策。

Datadog(DDOG)與Dynatrace(DT)都站在這條供應鏈上。兩家公司面對的市場機會相近，產品切入方式與計費模式則有明顯差異。

 

Datadog開始從AI代理可觀測性獲利

Datadog在今年9月10日的高盛Communacopia + Technology大會表示，AI代理可觀測性已開始貢獻收入，使用客戶達數千家。公司提出「推理經濟」的概念：AI應用與代理執行愈多推理，企業需要追蹤的活動量也愈大。

這套邏輯與Datadog的用量計費模式高度契合。更多日誌、追蹤資料與模型推理活動，通常會帶來更多平台用量。第二季營收年增36%至11.2億美元，每年貢獻至少10萬美元經常性收入的客戶數增加23%，顯示大型客戶仍在擴張。

用量模式同時放大成長與波動。客戶增加遙測資料時，Datadog可以直接受惠；企業若積極最佳化資料量、壓低雲端支出，營收增速也可能受到影響。AI工作負載能否長期抵銷成本控管，會決定這波需求的延續幅度。

 

Dynatrace把生產遙測直接送進Cursor工作流程

Dynatrace在今年9月11日推出經驗證的Cursor Marketplace外掛。編碼代理可透過MCP，也就是讓模型連接外部工具與資料的協定，存取即時生產環境資訊。

這條產品路線更靠近開發流程。代理在撰寫或修改程式碼時，就能取得生產環境的遙測資料，理解服務依賴、錯誤紀錄與系統狀態。可觀測性由事後排錯前移到開發階段，有機會縮短問題定位與修復時間。

Dynatrace最新一季年度經常性收入年增17%至21.36億美元。Cursor整合採資料消耗計費，收入與實際使用量連動，因此開發者席位縮減帶來的直接衝擊相對有限。相較Datadog積極定義AI代理監控市場，Dynatrace選擇把生產資料嵌入代理工作流程，競爭焦點已從儀表板延伸到代理取得資料的入口。

 

市場規模取決於AI代理創造多少軟體活動

AI代理對可觀測性需求存在兩股力量。程式碼與部署量增加，會擴大監控範圍；代理若能更快找出故障、修正問題，部分監控與人工排錯需求也可能下降。

因此，單看AI代理數量還不夠。後續需要追蹤企業的遙測資料消耗、付費客戶擴張、每戶用量，以及AI相關產品對收入的實際貢獻。軟體活動增量能否超過效率改善，將決定可觀測性市場擴張速度。

Datadog目前營收增速較高，也已揭露數千名AI代理可觀測性客戶；Dynatrace則以既有年度經常性收入規模與工作流程整合推進。兩家公司各有位置，現階段證據足以支持需求方向，對市場最終規模仍需保留。

 

配置優先序仍要納入估值與下行風險

DDOG與DT都具備AI基礎設施受惠邏輯，投資吸引力仍需和其他AI標的一起比較。營收成長、年度經常性收入與產品採用只能回答基本面方向，無法單獨推導上漲空間與安全邊際。

我會把兩家公司放在持續追蹤名單，配置上保留紀律。Datadog後續看AI產品收入、客戶用量與最佳化壓力；Dynatrace則看Cursor整合能否帶動資料消耗與年度經常性收入加速。兩項以上營運證據同步改善，才足以提高部位信心；目前較合理的結論，是可觀測性已成為AI代理時代的重要基礎設施，勝負與市場上限仍在形成中。