Datadog 2026 DASH大会：AI赋能平台拓展及企业需求支持战略分析

美国SMID-Cap软件公司Datadog 评分 目标价位 DDOG 180.00 USD Datadog (DDOG) DASH 2026：AI赋能Datadog，Datadog助力AI Datadog的年度产品大会DASH聚焦于两大战略重点：a)扩展AI能力，以及b)支持更复杂的企业需求。在AI方面，该公司专注于“为Datadog的AI”和“为AI的Datadog”，将自动化嵌入其核心工作流，同时为AI原生应用构建可观测性和安全工具。其长期愿景超越了可观测性：实现端到端的DevOps流程自动化。 234.24180.00Upside/(Downside)(23)%278.71/98.01SPX7,394.30FYEDecNA83,38879,914截止日期DDOG收盘价（美元）目标价位 (美元)52周区间股息收益率市值（美元）（百万）EV（美元）（百万）2026年6月11日 在“AI for Datadog”中，Bits AI的扩展专注于自动化和跨工作流程的闭环，涵盖运营端的检测到修复，以及开发端的代码生成到测试。所有新功能都旨在推动自主运营和开发与生产环境之间更紧密的集成。Datadog致力于创建一个直接将代码变更与用户影响联系起来的反馈循环，这可以提高开发者生产力和应用程序可靠性。但也要记住，Bits for Developer产品依赖于Datadog通过其数字体验监控产品对您应用程序前端的监控，因此理想的使用案例更多地限于那些具有面向消费者的UI的应用程序。 “Datadog for AI”将可观测性扩展到AI代理，包括代理可观测性和AI Guard。Datadog认为AI代理在架构上与应用程序的相似性，使其能够重用APM代理、核心平台和数据优势。通过这种方法，他们跟踪输入、输出和令牌成本，同时添加评估和安全层。 除人工智能（AI）外，Datadog 还专注于提升其企业级要求，包括支持本地环境、通过自带设备（BYOC）实现数据驻留，以及新增无限基数指标（Infinite Cardinality Metrics）的定价选项。这些变更直接解决了围绕成本和部署灵活性的历史性限制，尤其针对拥有高基数数据或面临监管约束的大规模客户。总体而言，这些公告强化了 Datadog 作为能够跨云、混合及人工智能驱动环境扩展的平台定位，同时降低了其获取特定客户群的关键障碍。 投资启示 我们维持原价目标及“跑赢”评级。 请参阅本报告的披露附录，以获取所需披露信息、分析师认证及其他重要信息。或者，请访问我们的全球研究披露网站。首次发布：2026年6月12日 04:05 UTC 完成日期：2026年6月12日 00:56 UTC 细节 今年DASH大会聚焦Datadog的新产品与功能发布，主要围绕两大战略领域展开。 • 人工智能能力的扩展 • 对多样化的部署和定价模式提供更广泛的支持 在两个主题中，该公司都明确地定位自己，旨在超越其传统的云可观测性领导地位，扩展为一个更全面的平台，以应对新兴的AI工作负载和大型企业不断变化的需求。 人工智能战略：“AI赋能DataDog”与“DataDog赋能AI” 数据狗将其人工智能战略分为两大支柱：“面向数据狗的人工智能”，将人工智能集成到其平台和新产品中；“面向人工智能的数据狗”，提供用于监控和安全防护人工智能代理和人工智能系统本身的工具。 数据狗的AI：将BITS AI扩展到运营和开发领域 在Datadog的AI领域，该公司显著扩展了Bits AI，其应用范围已超越运维工作流，并越来越多地向开发者工作流“左移”。在运维方面，重点在于从事件检测到自动修复的闭环管理。Bits AI此前已支持根本原因调查，但Datadog宣布在预览版中推出了多项新功能，包括Bits检测、Bits内存和Bits修复。这些功能共同旨在创建一个覆盖检测、调查和修复的完全自动化生命周期。 该工作流程结构已通过 Bits 基础设施运营扩展到常规基础设施管理。该系统并非仅仅响应事件，而是旨在主动检测和解决常见及重复性的基础设施问题，防止其升级。这标志着从被动的事件响应转向更自主的运营模式。 在开发者方面，Datadog将Bits AI的能力映射到代码、交付和评估的标准工作流程上。该公司推出了Bits Code，用于生成代码修复；Bits Release，用于为开放的拉取请求创建验证计划；以及Bits Testing，用于为应用程序生成合成测试。这些功能建立在Datadog现有的数字体验监控产品组合之上，并利用了Datadog对团队源代码、APM数据和RUM数据的访问权限。通过将代码变更与下游应用程序影响联系起来，Datadog旨在为开发者提供即时反馈，了解他们的更新如何影响用户体验。然而，由于该公司的可见性主要受前端遥测（包括RUM和会话回放）的驱动，因此这些针对开发者的Bits功能对于具有面向客户用户界面的应用程序最为有效。 数据狗（Datadog）助力人工智能：为AI代理提供可观测性与安全性 在 Datadog AI 专项下，公司推出了几款面向 AI 原生工作负载的产品。这些产品包括：在从 LLM 可观测性更名后现已正式发布的 Agent 可观测性；用于保障 AI 代理安全的 AI Guard；以及 Agent 控制台，它可提供跨团队的集中式编码代理使用可见性，同时支持在群体或项目级别进行成本监控和告警。 Datadog的方法基于这样一种观点：AI代理在架构上与传统应用相似。因此，Agent Observability和AI Guard都构建在同一套用于APM的ddtrace客户端上。类似于APM通过捕获应用的输入和输出来追踪其性能，Agent Observability收集每个请求的输入、输出和令牌成本，使用户能够评估AI代理的性能和成本效率。目前，Datadog提供两种开箱即用的代理评估功能：语言不匹配检测和敏感数据扫描。但客户可以集成外部评估框架或定义针对其特定用例的自定义指标。 AI Guard 建立在相同的基础设施层之上，利用从ddtrace收集的数据来建模正常的应用行为，并将偏差标记为潜在的安全风险。这些产品共同将Datadog的观测和安全能力扩展到快速增长的AI驱动系统领域，同时与其现有的平台架构保持一致。 超越云：企业及本地支持 除了人工智能，Datadog 的公告重点在于扩展其支持更广泛企业客户的能力，例如那些拥有本地部署、大规模数据需求以及严格数据本地化要求的客户。虽然 Datadog 历史上一直是云原生可观测性的领导者，但这些更新表明了其有意捕捉更多传统企业工作负载的明确动向。 为更好地支持本地环境，公司对其网络监控套件进行了增强，包括网络配置管理和网络路径。这些新增功能提升了对非云基础设施的可见性，并使 Datadog 能够更有效地应对混合部署环境。 数据驻留，并使用自带云 另一个主要的关注领域是数据驻留。Datadog推出了自带云（BYOC），专为在PB级规模运营或面临严格监管约束的客户设计。该方案最初支持AWS上的日志，未来计划支持更多数据类型和超大规模云服务商，BYOC允许客户将其数据完全存储和处理在其自身的云环境中。 在此模式下，当用户发起日志查询时，该查询会被路由至客户的云集群并在本地执行，仅将查询结果返回给Datadog。重要的是，原始日志数据不会存储在Datadog平台上。计费模式基于vCPU使用量，不包含数据接入费用。然而，作为一项相对较新的服务，BYOC存在一些限制。例如，数据关联仅限于BYOC环境内的数据集，不支持与Datadog中存储的数据进行跨关联。此外，BYOC目前尚未具备Datadog的全部功能，例如Agent可观测性功能。 DataDog还推出了联合日志（Federated Logs）作为另一种外部数据存储方案。通过与Databricks合作，用户可以直接从DataDog的日志探索器（Log Explorer）中查询存储在Databricks中的日志数据。这有助于客户避免重复存储，同时仍能利用DataDog的分析能力。 无限基数度量衡应对关键竞争劣势，对比Chronosphere、ClickHouse、StatsD 与此同时，Datadog 解决了围绕高基数度自定义指标成本这一长期存在的客户痛点。传统上，Datadog 的定价模型基于指标名称及其相关标签值的组合。虽然这种方法适用于维度有限且指标长期运行的环境，但在标签组合数量快速增长的大规模环境中，成本可能会变得很高。我们之前讨论过（此处），过去几年中许多大型消费互联网客户流失事件的部分原因在于此。最近的例子是他们的“最大AI原生客户”，我们认为是OpenAI，预计由于其旧定价模型与业务不匹配，该公司将把很大一部分去年的工作负载迁移到Chronosphere和Clickhouse的组合中。 我们并不惊讶该公司选择解决这一有据可查的竞争差距。新推出的无限基数度量指标将定价基础从唯一指标数量转变为数据量级，这使得Datadog与Chronosphere、Prometheus和Dynatrace等竞争对手更加接近。其中许多竞争对手都将更灵活的定价作为对比Datadog的竞争优势进行宣传。 话虽如此，新的定价模式并非普遍更优。对于基数相对较低且指标集稳定的企业而言，传统模式可能仍更具成本效益。然而，对于那些需要使用高维数据进行精细分析的大规模组织，例如在多个地区和容器中运营的全球消费者互联网平台，新模式显著提升了成本透明度和可扩展性。这些组织不仅使用指标进行基础设施监控，还用于生成业务洞察，这可能导致指标基数呈指数级增长。通过推出无限基数指标（Infinite Cardinality Metrics），Datadog消除了竞争对手在销售周期中利用的关键痛点。结合其强大的技术实力，这一定价新增项使Datadog成为面向拥有大型复杂环境的客户群体更具吸引力的解决方案。 附录 - 财务预测 披露附录 I. 强制性披露 “Bernstein”或“公司”在这些披露中的引用与以下实体相关：Bernstein Institutional Services LLC（自2024年4月1日起）、Sanford C. Bernstein & Co., LLC（2024年4月1日前）、Bernstein Autonomous LLP、BSG France S.A.（自2024年4月1日起）、盛博香港有限公司、Sanford C. Bernstein (Canada) Limited、Sanford C. Bernstein (India) Private Limited（印度证券与交易所委员会注册号为INH000006378）、Sanford C. Bernstein (Singapore) Private Limited、Sanford C. Bernstein Japan KK（サンフォード・C・バーンスタイン株式会社）以及根据Bernstein与Société Générale之间达成的全球服务协议，受Société Générale非洲技术与服务公司雇佣进行分析师，以生产Bernstein研究。 伯恩斯坦是法国兴业银行（SG）和联博投资管理公司（L.P.，简称AB）组建的合资企业的一部分。除非另有说明，根据本披露的目的，提及伯恩斯坦的“关联公司”均指SG、AB及其各自的关联公司。 评估方法 达达鸭公司 我们180美元的价格目标是DCF（使用11% WACC和3%终值增长率）与P/S（未来5-8个季度）可比倍数的平均值。P/S（未来5-8个季度）14倍的可比倍数是基于我们“40法则”估值框架分析中，在其相关>10% OpM云SaaS组合中来自同行SaaS回归的数据。我们假设当前云SaaS倍数回归线在未来1年以上仍将保持一致。 风险 达达鸭公司 宏观经济风险之外，下行风险还包括：行业内有资金实力雄厚的竞争对手带来的加剧竞争；由于运营成本项目