身份不明的发言人
David Obstler（首席财务官）
身份不明的参会者
Kash Rangan（高盛集团）
非常高兴能主持两家总部位于纽约市的优秀公司的会议——它们是我在旧金山以外待过时间最长的公司，我想我在旧金山以外的地方中，在纽约待的时间最多。所以我热爱纽约。欢迎Datadog的首席财务官Dave Osler，Datadog总部位于纽约。MongoDB的总部也在纽约，还有Datadog。
我们连续出场非常合适。Dave是我们的董事会成员，也是Datadog的长期董事，我们从彼此身上学到了很多，所以这是非常合适的组合。
志同道合，志同道合。两家优秀的公司连续出场。欢迎回到高盛的会议。
谢谢。很高兴再次来到这里。
这是我们连续第四年进行炉边谈话，我们在多个宴会厅都做过类似活动。很高兴你能回来。我一直在问同样的问题：五年后Datadog的愿景是什么？如果我们2031年再回到Communopia，你的公司Datadog会是什么样子？就像Dave被问到关于MongoDB的同样问题一样。五年后Datadog会是什么样子？
是的，我认为我们希望关注我们的客户——也就是生产工程师、可靠性工程师、DevOps工程师——我们希望成为他们早上打开就再也不会关闭的平台。当你考虑世界的发展趋势时，我们会谈到应用程序越来越复杂，迁移越来越多。我们可以通过更多种类的用例来满足这个客户群体的需求。我认为我们的平台战略已经很明确，包括指标、追踪、日志、可观测性，但任何涉及应用程序功能的方面——无论是数据库、网络、大语言模型（LLMs）、服务管理——我们都希望覆盖，然后我们希望将用例扩展到安全、DevSecOps和编码工具等领域。
这就是我们的愿景，这也是我们的创始人兼首席执行官Ali和他的合作伙伴Alexei自公司成立以来一直不懈追求的目标，并希望继续坚持下去。
你如何将愿景付诸实践？为了实现公司愿景，你正在采取哪些具体行动？
没错。这正是我的职责所在——有许多产品增强和市场拓展方面的工作。考虑到我们庞大的客户群、平台规模以及我们能从客户那里获得实时反馈，我认为我们处于非常有利的位置。众所周知，我们采用基于基础订阅或积分的消费模式。因此，我们实际上可以看到客户的行为，我们的理念是观察他们在日常运营中的行为，列出我们可以增强价值或开发平台的事项清单，然后从客户那里获取反馈。
我们一直在——我知道这是你的问题之一——宣布各种里程碑：平台的部分功能被采用，达到5000万、1亿、7.5亿美元等规模。我们日常思考的是，某个用例有多重要，以及它能否从5000万发展到7.5亿美元甚至更高。这就是我们的做法，主要基于客户需求。
复合增长曲线。几年前，你们披露的日志产品年化经常性收入（ARR）是一个惊人的数字。是的。我想再回到愿景问题上。你提到了大语言模型、网络等。在云时代，很容易理解网络拓扑和基础设施层变得多么复杂、规模多么庞大，以及Datadog是如何顺应这一趋势的。当你考虑人工智能和未来发展时，Datadog的核心技术在人工智能时代的相关性是什么？
回顾历史，我们看到随着世界走向容器化、Kubernetes、无服务器架构，使用传统可观测性平台监控这些应用程序变得不可能，这推动了Datadog的发展。我们看到在GPU和大语言模型领域也在发生同样的事情。因此，在人工智能方面，我们正在做很多工作。我先从我们的平台产品说起。首先，我们的目标是通过集成监控所有工作负载和数据所在的位置——无论在哪里，都有Datadog。因此，我们正在开发与人工智能工具的集成。现在已有4500名客户向我们发送来自人工智能工具的数据。
我们希望能够监控GPU和CPU，并优化GPU监控，然后我们还希望能够监控应用程序中的大语言模型。我们已经发布了大语言模型监控产品。所以我们想监控所有内容。这是其中一部分。然后，我们希望将人工智能融入我们的平台。我们相信，要继续成为领先的可观测性平台，我们必须将人工智能注入我们的平台，我们称之为“空白位”（blank bits）。例如，在服务管理方面，我们一直使用机器学习、Watchdog、相关性分析来诊断问题。
但我们正在使用我们自己的大语言模型和外部大语言模型进行训练，以更快地诊断问题，从而提高客户工作的可靠性和速度。这是平台功能的一个很好的例子。然后是客户群，我们之前提到过。由于我们在研发方面的创新，我们一直是云原生企业的首选平台，现在我们创造了一个新的细分市场——人工智能原生企业。他们本质上也是云原生企业。正如我们所披露的，我们在该市场获得了很大的吸引力。
这似乎是很多投资的方向。因此，我们希望在客户群中实现这一领域的 monetization。正如你从很多公司那里听到的那样，这是一个加速器。最后，Datadog内部在做什么？我们正在“吃自己的狗粮”，尝试使用人工智能——无论是编码工具还是服务管理——更主动地加速产品开发，并最终可能提高支出效率。
明白了，明白了。
回答有点长，但这是个大话题。
这是个很好的话题。对于一个财务出身的人来说，内容相当技术性。我之前提过几次。你确定你是首席财务官而不是首席产品官吗？
我关注工程师和产品团队所做的出色工作，并努力理解它们。
谢谢。你做得非常好。抱歉，现在来谈谈消费趋势。我们谈到中小企业（SMB）的消费在边际上有所改善，企业客户在第二季度业绩中表现稳定。能否更新一下这些客户群体的整体支出趋势？企业客户与中小企业客户相比如何？
是的，我认为在中小企业领域，当泡沫破裂时，正如大家所知，资金出现回撤。企业从“不惜一切代价增长”转向“增长与效率并重”，这影响了中小企业。但对我们来说，由于客户必须进行云部署，我们所说的中小企业并不是你们想象的那种——不是街角的干洗店。其中许多公司拥有可观的收入和500到1000名员工。但他们不得不改变经营方式，资金受到限制。
因此，我们经历了一段调整期。在过去两三个季度，我们看到了企稳迹象。这还不包括人工智能领域。如果加上人工智能领域，你会看到显著增长，因为我们定义的大多数中小企业（员工少于1000人）都在这个领域。但在非人工智能领域，我们看到情况逐渐恢复正常。上个季度，我们看到那里的净留存率有所回升。这意味着他们可能已经调整和优化了策略，正在回到增长与成本之间的适当平衡。
在企业客户方面，我们有非常长期的机会。如果你看看云工作负载的比例，以及现代化（不是简单迁移，而是真正的现代化）的比例，你会发现我们还有很长的路要走——可能在20%到30%之间。许多企业才刚刚开始这个过程。因此，我们看到优先项目的回归，其中一些与人工智能相关。我们看到了稳定的增长和整合，也就是说，增长率与前几个季度相似。
我们仍然处于一个谨慎、平衡的环境中。但我们正在努力扩大企业销售团队。我认为我们在这方面有点落后了，可能风险控制得有点过头。有很多地区我们可以拓展，我们正试图通过产品创新和市场拓展的结合来加速这一进程。所以我们处于良好状态，但并非极度乐观。
明白了。很高兴知道这些。正如你所说，在过去12个月左右，人工智能原生企业带来了显著增长，这并未包含在中小企业消费数据中。你如何看待Datadog在这一客户群体中的持续增长潜力？为什么Datadog在人工智能客户群体中处于如此有利的位置？
这是个很好的问题。我们跟随工作负载和收入来源，你可以看到许多这些公司公开宣布他们的进展，公布收入和融资轮次。我们的业务拥有数百家客户，这表明了需求环境。按估值计算，十大公司中有八家是我们的客户。我们的客户群中，年收入超过100万美元的客户有十几家，更重要的是，年收入超过10万美元的客户有80多家。因此，迹象很明显。正如其他公司所讨论的，我们正在这个市场中立足。
这些人工智能原生企业本质上是现代化的软件公司，它们的整个业务都是在过去五年左右创立的。它们拥有现代化的技术栈，其整个业务通过API等方式向客户交付。这使得产品交付至关重要。由于Datadog将大部分资金投入到服务云原生、可靠性和速度方面，因此我们的解决方案非常适合他们。我们一直是云原生企业的首选平台。所以如果你将这些称为人工智能原生企业，它们其实是云原生企业的延伸。
回顾云原生企业的发展周期，你从中学到了哪些经验教训，这些经验如何应用于监控人工智能原生企业？作为首席财务官，你在确保业务平衡、不过度依赖某一领域方面关注哪些信号？
当然。毫无疑问。我们学到了很多教训。由于我们采用消费模式，我们有很好的透明度，可以看到使用水平和类型。我认为我们在云原生领域学到的是……
在某种程度上，你可以说风险投资领域正在出现人工智能泡沫，就像2021年的云泡沫一样。
是的，我认为是这样。
我认为我们现在应该更明智了。
在这个周期中，情况确实不同。我认为这部分在我们客户群中所占比例要小得多。因此，无论发生什么（好的或坏的），其影响都会更小。但你会看到工作负载增长，可能会出现优胜劣汰。因此，会有一些整合，一些公司将变得真正关键，它们的工作负载将继续增长，所有应用程序中都会有更多的人工智能活动。
我认为我们学到的是，我们要与客户建立长期关系——也就是说，我们的应用程序在好的方面是无摩擦的，但这并不意味着我们可以完全没有摩擦。有时我们必须成为“摩擦”的来源。我们看到即将发生的事情，因此我们主动帮助客户使用我们的产品。他们可能发送了太多日志，或者发送了错误的日志。我们在云原生领域学到的是，建立长期关系非常重要。因此，我们专注于合同期限，专注于提高客户的承诺金额（这样他们可以获得更好的价格），以及承诺与规模之间的权衡。
我们专注于自己的平台。昨晚我们谈到，日志不仅仅是日志，更重要的是你用日志做什么。这就是为什么我们创建了灵活日志、冻结日志等不同功能，试图将用例与产品版本匹配。这并不意味着我们在降价，而是说云应用的使用强度低于实时水平。因此，我们试图做的是在毛利率基础上将成本与产品价格匹配，我们已经单方面采取了一些措施。这创造了更强的粘性，也创造了更广泛的日志用例，超出了实时可观测性的范围。
这些是我们在泡沫破裂中学到的一些经验，现在应用到了这个阶段。可能会有更多的波动性，但作为首席财务官，我将努力更主动地管理这种波动性。
人们总是试图猜测，为什么某个大型人工智能原生客户没有增长业务，或者有各种猜测。我想换个角度问：最大的人工智能原生客户选择Datadog，你们为他们做对了什么？我们能从这种成功中学到什么？为什么这不能成为其他仍在观望的人工智能原生企业的模板——比如，他们是否应该自己开发解决方案？但看看这个成功案例。
是的，我认为从积极的角度看待这个问题非常重要。所有这些公司都选择Datadog，是因为对于他们的用例来说，这是最好的产品。他们的DevOps团队喜欢它。如果你试图夺走他们的Datadog，他们会抗议。它让他们的工作更轻松，问题解决时间和成本大幅降低。多年来，我们向这个客户群体证明，使用我们的平台比自己构建更经济。
自己构建需要巨大的投资，这就是为什么许多云原生企业选择与我们合作并扩大使用规模。因此，我们有一个专门的业务价值团队，其唯一职责就是向客户证明这一点。你可以从成本方面看，也可以从收入方面看。如果你在创业过程中遇到意外或问题，你会损失很多收入。因此，我们已经证明，使用Datadog产品总体上是一个明智的决定。
所以这就像价值工程工程师介入并说，是的，这是有价值的。
这涉及价值、优先级、成本等因素，绝大多数客户都选择了这种方式。我不知道我们是否可以深入讨论大客户的情况，但大多数客户不会内部构建Datadog。我们不能预测未来，当然也不能留住所有客户，但我们有很长的记录，客户留存率高达90%以上，我们认为使用我们的平台对他们来说是合理的。
你知道吗，我可以通过字节码侵入Datadog的竞争对手？我以前不知道。哇。
我做不到。
但问题是它扩展性不好，不集成，没有治理，没有安全性，没有身份验证。差远了。
我想你刚才听到了，我进来的时候Dave正在谈论这个。当你考虑消费者使用模型或聊天与企业关键任务应用程序之间的区别时，你必须平衡正常运行时间、新功能部署、安全性、隐私性、速度，以及平台的普及性，这绝非易事，而这正是Datadog的价值所在。
我想谈谈一些增长业务。自从你们开始披露日志、APM（应用性能监控）等业务以来，它们增长非常迅猛，收入接近10亿美元。能否谈谈APM市场和日志业务的情况？我还想稍微谈谈安全业务。
当然。可观测性方面，我们经常说，虽然我们称它们为产品，但客户将其视为平台中的问题解决工具。他们明确表示，考虑到实时性，他们不想使用不同的点解决方案。正如你刚才提到的，我们已经成功打造了一个涵盖指标、追踪和日志的平台，并将其扩展到影响应用程序的多个方面，如网络、数据库等。
我们宣布Synthetics和ROM等产品增长迅速。这意味着什么？我们正在从基础设施后端一直延伸到设备、产品分析等前端。在平台本身，服务管理已经成为重要的新增产品版本。除此之外，还有一些相关的增长领域，安全就是其中之一。
我们拥有大量数据和广泛的客户基础，但我们并非来自安全领域。因此，我们一直在三个安全领域投资：云安全信息和事件管理（SIEM）、云安全态势管理（CSPM）以及漏洞和应用程序安全。在DevSecOps领域，我们与客户的契合度很高，这在云原生企业中很常见。但我们正在进入下一阶段，即如何利用我们的基础设施（例如日志）创建云SIEM产品，以解决合规性和其他非可观测性用例，我们在这方面已经取得了成功，并开始看到成效。
我们宣布安全业务收入超过1亿美元，这是一项成就。我们在产品、营销、渠道关系和销售团队专业知识方面都有相应的计划来推动这一业务。考虑到我们在日志方面的优势以及一些竞争对手的情况，我们认为云SIEM有很大的机会。此外，还有我们提到的人工智能（大语言模型和GPU监控）以及服务管理。
服务管理可以说是可观测性平台的延伸，我们一直是分析数据、提供问题线索的公司，但不是工作流公司。我们认为人工智能加速了我们在这方面的投资机会，从“出了什么问题”到“谁来解决”，再到更远的自动修复。这些是我们在可观测性基础上最兴奋的增长领域。
这引出了一个明显的问题：ServiceNow是你们的竞争对手吗？我不是说你们要与他们直接竞争，但你们是否发现了他们没有很好覆盖的利基市场，而你们的产品由于邻近性而自然适合？你如何看待ITSM（IT服务管理）市场？Salesforce的Mark Benioff也谈到要摆脱ITSM。那么Datadog的定位是什么？
你必须深入了解目标客户是谁。企业IT部门不是我们的客户群。我们的平台强调实时性和速度。我们试图为DevOps和安全可靠性工程师提供解决方案，你可能会想到Opsgenie和PagerDuty等公司。我们不是要面面俱到，而是要与我们的平台紧密结合，为客户创造更多价值。因此，如果我们成功了，客户会将ServiceNow用于他们的用途，将Datadog用于我们擅长的领域。
明白了，明白了。想谈谈一些新产品，我们刚才稍微提到了一些。人工智能可观测性、大语言模型可观测性、数据库监控。你如何看待这些新兴市场的机会？你的投资理念是什么来培育这些新兴市场的增长？
当然。在确定优先级时，由于我们将所有内容都放在一个通用平台上，研发投资的约50%用于平台，这是一个巨大的优势。这意味着我们推出新产品的效率比其他公司更高，因为我们在平台上有大量共享投资。
例如，在数据库监控方面，随着数据库和数据领域的创新，与应用程序的连接越来越多，种类也越来越多。覆盖另一个数据库，我们的收入就会增加，因为客户需要看到所有影响应用程序的因素。因此，数据库监控对我们来说是一个很好的机会。
以MongoDB数据库为例。MongoDB是什么？
我不知道那是什么，但人们在使用它，我刚听说它不能替代PostgreSQL。我不懂数据库领域，我只知道如何监控它。但当你考虑它的发展时，这与我们的其他集成一样，我们需要全面覆盖，随着环境变得更加复杂，客户有更多选择，这正是Datadog的价值所在。
昨晚晚餐时你提到，50%的研发资金用于平台，所有产品都是平台的延伸。我认为这一点被严重低估了，因为你可以想象先建立一个APM公司，然后再扩展其他产品。但当我第一次见到Ali时，他几十年前在圣地亚哥就有了这个想法，这让我很震惊。当时公司成立时的愿景现在正在逐步实现。
是的。事实证明，基础设施是理想的起点，因为每个人都需要普遍性。所以你有一个很大的基础，然后是数据。当你考虑其他公司可能没有首先做的事情时，Ali想到了底层架构和数据编码。如果你参加他的产品会议，你会发现他痴迷于用户界面（UI）和客户活动。很多公司有很棒的产品，但使用起来非常复杂，不够直观。每次Ali发现产品不够直观、用户无法快速上手时，他都会提出挑战。
因此，当你拥有这样的平台时，这些因素共同造就了Datadog。
我记得第一次看到Datadog是在2011或2012年的AWS re:Invent大会上。我走到一个演示 booth，看到一个巨大的显示器上闪烁着各种信号。这是什么？它如此生动、富有表现力且细节丰富。这就是Datadog。
是的，就是Datadog。没错。
差不多12年前了。后来另一个让我警醒的时刻是2023年在旧金山的Dash大会——我们很希望在旧金山举办Dash大会。你们发布了日志产品的更新版本，现场演示太令人震撼了。大语言模型监控的演示也是如此——Selena和我的团队参加了在纽约的Dash大会，她说：“天哪，我学到了这么多东西，和这么多合作伙伴、客户交流过。这家公司太有活力了。”
当你系统性地考虑影响应用程序的因素时，大语言模型将成为应用程序的一部分。你不能覆盖所有其他方面而忽略大语言模型。因此，我们的目标是在一个统一的平台上实现全面覆盖。
Dave，顺便说一下，还有五分钟。有问题的人请举手，我们会请你提问。做个快速检查。在市场拓展（GTM）方面有什么进展？我知道去年当你给出2025日历年的指引时，我们为市场拓展引擎预留了一些费用缓冲。现在情况如何？你说过在招聘方面有点落后，但这在多大程度上是主动的？我应该将此解读为你们实际上……我是个老派的软件人，当公司增加销售招聘时，这是一个看涨信号；当公司增加资本支出时，在软件行业也是看涨信号。那么，你打算加强销售和营销的信号，我应该怎么理解？
当然。我认为你的老派观点是正确的。我们看到了大量未被覆盖的空白市场，并相信配额产能的提升与收入增长之间存在相关性。在新冠疫情后期，我们变得有些保守。部分原因是我们无法旅行，无法很好地开发国际市场。但我们看到了很多未被覆盖的空白市场，并且有很多证明点。
这可能会让你惊讶，但在新冠疫情结束时，我们在印度或巴西没有任何人——我们通过中央团队覆盖这些市场。我们认识到，在空白市场和竞争环境中，有巨大的机会——例如中东，我们之前完全没有覆盖。我们逐渐明白，我们需要结合中央化的中小企业和商业销售营销团队以及本地团队。
我们一直在开发这些市场，并且已经看到了良好的增长。因此，是的，你是对的，这是一个看涨信号——我们认为增加销售和营销投资可以获得很好的回报，而且人员的生产力提升需要时间。
新员工的生产力提升速度有什么趋势和变化吗？与两三年前相比，Datadog现在已经更加制度化。那么现在加入公司的销售代表应该会更容易——不是说容易，而是不那么复杂。
是的，我们肯定专注于赋能，但在企业销售中，一名销售代表仍需要一年时间才能完全上手，因为他们需要接受培训，然后需要在公司中培养拥护者，之后，由于我们仍然采用“先着陆再扩展”的模式，我们需要找到着陆点然后扩大规模。因此，我认为培训周期可能更长，但可以通过监控逐步推进。所以，我仍然认为需要一年时间才能完全上手。
顺便说一下，还有最后一个问题吗？这是你最后的机会。好吧，也许换个方式，你有什么问题要问我吗？
是的。你如何看待人工智能对应用程序/SaaS软件和基础设施软件的机遇或风险因素？
软件基础设施显然更具韧性，因为归根结底，它涉及计算、网络、存储和瓶颈——这些在技术周期中是同质的。但就SaaS而言，我将其比作90年代末的网络浏览器——网络浏览器成为大多数事物的前端，而企业软件则严重滞后。今天晚些时候发言的Mark Benioff有一个想法：我们需要为枯燥的企业软件世界提供网络浏览器前端。这不仅成为软件的UI，还取代了前端应用层。
一件事导致另一件事。业务运营的后端逻辑不会改变。因此，我认为我们看到的是企业软件行业的催化——网络浏览器前端。每个人都说，亚马逊、网景等公司将摧毁企业软件，但事实并非如此——它们催化了企业软件，催生了改变用户交互模型和前端应用代码的公司，带来了20到25年的增长。
当我看待人工智能时，也许我的想法完全错误，但人工智能是新的UI，它将改变企业软件和应用行业的前端。但我看到一个优雅的世界，你通过人工智能与软件交互——无论你的提示引擎是什么，无论是基础模型还是其他。人们最终总是很好奇——当你输入一个提示并得到答案时，你想了解更多，想深入挖掘。
所以我想从人工智能UI过渡到软件后端。软件后端也将改变，以适应从人工智能到软件的优雅过渡。能够实现这种优雅过渡并适应其业务模型的公司……昨天风投小组的一位嘉宾Byron说得最好，他说：“今天一些SaaS公司的估值倍数是5倍，未来有些会降到3倍，有些会升到10倍。”
是的，是的。
这让我非常兴奋。将会有巨大的变革，一切都将不同，但会有很多机会。再次感谢你的合作，你太棒了。我真的很喜欢这些讨论，非常感谢你。
谢谢邀请我们。
不客气。
谢谢。再见。谢谢大家。