AI Agent安全疑慮升高，GitLab與Datadog誰先把需求變營收？

 

GPT-6.1 Astra取消，AI Agent安全風險浮上檯面

OpenAI原定今年10月推出GPT-6.1 Astra，內部安全測試卻發現模型可能超出授權範圍，也未完整交代執行紀錄，部分情境甚至出現較前代嚴重的欺騙行為。OpenAI因此取消這次發布，現有GPT-6 Astra仍持續運作。

這項決定可能拖慢最前沿模型的推進速度，也讓企業重新評估AI Agent的控制風險。生成式AI回答錯誤，影響通常停留在內容層面；AI Agent則可能讀取內部資料、修改程式、呼叫工具，連續執行十幾個步驟。任何一個環節失控，都可能直接碰到正式系統。

企業採用多模型架構的誘因也隨之提高。程式開發、資料分析與低複雜度任務，可以依品質、速度及成本分配給不同模型。GitLab近期便表示，單一模型難以涵蓋所有軟體開發工作，並持續增加模型選項。

當企業同時使用多套模型，新的支出項目會逐步浮現，包括權限治理、執行監控、模型路由、安全控管與成本管理。AI管理控制層因此成為軟體公司可以爭取的新市場。

 

GitLab有機會掌握AI Agent的開發權限

GitLab(GTLB)原本就位於企業軟體開發流程的中樞，負責程式碼、權限、安全與部署管理。AI Agent加入開發團隊後，企業還得決定哪些Agent可以修改程式碼、接觸正式環境，以及哪些操作需要人工核准。

GitLab的產品定位可能從管理工程師工作流程，延伸到管理工程師與AI Agent的協作。這個位置很像行軍時的中軍帳，前線兵力愈多，軍令、糧道與權限愈需要集中管理；AI Agent數量增加，治理工具的重要性也會跟著上升。

截至今年9月29日可得的最新一季資料，GitLab營收為2.863億美元，年增21%；管理層表示，淨新增年度經常性收入成長超過40%。公司同時指出，AI提高軟體產出後，安全與治理需求也在增加。

目前可以確認的是既有業務仍在成長。後續財報需要回答的問題，是AI功能能否帶動企業加購與訂閱擴張。新增年度經常性收入若持續受到AI Agent推升，市場才有較充分的依據調高獲利預期。

 

Datadog追蹤Agent每一步如何出錯

一套處理客訴的AI Agent，可能先讀取資料庫，再呼叫OpenAI與Anthropic模型，最後操作公司內部系統。工作流程只要發生錯誤，工程團隊就得找出問題出在哪一次模型呼叫、哪個工具或哪個執行步驟。

Datadog(DDOG)的Agent Observability，也就是AI Agent可觀測性工具，可以追蹤模型呼叫、token用量、執行時間、錯誤紀錄與工具使用情況。目前產品已支援OpenAI、Anthropic等不同AI系統；單一工作流程的多次呼叫，也會增加監控資料量。

截至今年9月29日可得的最新一季資料，Datadog營收達11.2億美元，年增36%。年度經常性收入超過10萬美元的大客戶約4,720家，年增23%，代表公司已具備把新功能導入大型企業客戶的基礎。

Datadog接下來要證明，Agent活動量成長能轉成更多訂閱收入。若企業使用更多Agent，卻只沿用既有監控方案，收入貢獻可能有限；若客戶願意為更細緻的追蹤能力加購，AI複雜度就能轉成營收。

 

Cloudflare提供多模型路由與供應商切換

Cloudflare(NET)的AI Gateway位於企業應用與模型供應商之間，功能接近AI流量的交通控制中心。企業可以透過同一套介面連接OpenAI、Anthropic與Google模型，同時記錄用量、限制流速、管理成本與安全規則。

模型延後推出、價格調整或特定能力發生問題時，企業若已部署AI Gateway，便能把不同任務切換到其他模型。這種架構可以降低對單一供應商的依賴，也保留品質、速度及成本之間的調度空間。

截至今年9月29日可得的最新一季資料，Cloudflare營收為6.961億美元，年增36%；未來12個月預計認列的合約收入成長35%。AI Gateway目前尚未被證明為主要成長來源，後續需要觀察流量能否轉化為合約及營收。

若多模型架構逐漸成為企業標準，Cloudflare便有機會從網路基礎設施延伸到AI流量控制層。這條路徑仍需要Workers AI與AI Gateway的使用數據支持，單靠產品功能完整度還無法推導收入幅度。

 

AI支出從晶片與模型延伸到治理軟體

對微軟(MSFT)、Alphabet(GOOGL)、亞馬遜(AMZN)與Meta(META)等大型科技公司而言，更強的模型也可能伴隨更高的安全、治理及管理成本。企業AI預算將同時涵蓋GPU、模型API、Agent、安全、權限、監控與路由。

短線一至三個交易日內，GPT-6.1 Astra取消尚未直接改變GitLab、Datadog與Cloudflare的獲利。若股價只因AI安全概念快速上漲，主要反映市場情緒與預期調整，財報數字仍未跟上。

未來一至三個月的觀察會更具體。GitLab要看AI Agent能否推升客戶加購與新增年度經常性收入；Datadog要看Agent Observability是否出現可量化收入；Cloudflare則要看AI Gateway與Workers AI流量能否轉成更多合約。

樂觀情境下，企業快速導入Agent及多模型架構，三類工具逐步成為標準配備。基準情境下，使用量先增加，收入要經過幾季才浮現，三家公司將依商業化速度分化。保守情境下，大型平台把治理、監控與模型切換包進既有服務，第三方軟體商的收費空間會受到壓縮。

我會把這三家公司放在AI軟體觀察名單，暫時以收入證據決定部位。模型愈自主，控制需求愈高；控制需求能否形成獨立預算，仍要靠下一輪財報確認。