Yuka Broderick（投资者关系高级副总裁）
David Obstler（首席财务官）
Olivier Pomel（联合创始人兼首席执行官）
Sanjit Singh（摩根士丹利）
Raimo Lenschow（巴克莱银行）
Mark Murphy（摩根大通）
Gabriella Borges（高盛）
Matt Hedberg（加拿大皇家银行）
Koji Ikeda（美国银行）
Ittai Kidron（奥本海默公司）
Todd Coupland（加拿大帝国商业银行）
Brad Reback（斯提夫尔）
Howard Ma（古根海姆）
Peter Weed（伯恩斯坦研究公司）
Brent Thill（杰富瑞）
各位下午好，欢迎参加Datadog 2025年第四季度财报电话会议。目前所有参会者均处于仅收听模式。在发言人陈述之后，将进行问答环节。若要提问，请按星号11。如果您的问题已得到解答并希望退出提问队列，请再次按星号11。提醒一下，本次通话可能会被录音。现在我将把通话转交给投资者关系高级副总裁Yuka Broderick。请讲。
谢谢。Michelle，早上好，感谢大家参加我们的会议，回顾Datadog 2025年第四季度的财务业绩，我们在今天上午发布的新闻稿中已公布相关结果。今天与我一同参加会议的有Datadog的联合创始人兼首席执行官Olivier Pomel，以及首席财务官David Obstler。在本次通话中，我们将发表前瞻性陈述，包括与我们未来财务业绩、2026年第一季度和财年展望及相关说明和假设、我们的产品能力以及我们利用市场机会的能力相关的陈述。"预期"、"相信"、"继续"、"估计"、"期望"、"打算"、"将"以及类似表述旨在识别前瞻性陈述或类似的未来预期指示。
这些陈述反映了我们当前的观点，并受到各种风险和不确定性的影响，可能导致实际结果与预期存在重大差异。有关可能影响我们实际结果的重大风险和其他重要因素的讨论，请参阅我们截至2025年9月30日的季度10-Q表。更多信息将在我们即将发布的截至2025年12月31日的财年10-K表以及提交给美国证券交易委员会（SEC）的其他文件中提供。这些信息也可在我们网站的投资者关系部分获取。除了本次通话的回放，我们还将讨论非公认会计准则财务指标，这些指标已在我们收益报告的表格中与最直接可比的公认会计准则财务指标进行了调节，该报告可在investors.datadoghq.com上查阅。接下来，我想将通话转交给Olivier。
谢谢Yuka，也感谢大家今天上午参加我们的会议，讨论非常强劲的第四季度以及整个2025年富有成效的表现。让我先从本季度的业务驱动力开始。我们继续看到需求环境呈现广泛的积极趋势。随着云迁移的持续势头，我们的业务、产品线和多元化客户群均表现强劲。我们的收入增长持续加速。这一加速在很大程度上得益于我们过去讨论过的AI原生客户群体之外的广泛业务的拐点，同时，随着这些AI原生客户投入生产、用户和代币数量增长以及推出新产品，我们在该客户群体中也继续看到非常高的增长。
我们的销售团队实现了创纪录的16.3亿美元预订额，同比增长37%。这其中包括一些我们有史以来最大的交易。本季度我们签署了18笔年度合同价值（TCP）超过1000万美元的交易，其中两笔超过1亿美元，还有一笔与领先的AI模型公司达成的八位数初始交易。最后，客户流失率一直很低，总收入留存率稳定在90年代中后期，突显了我们平台对客户的关键任务性质。关于我们第四季度的财务表现和关键指标，收入为9.53亿美元，同比增长29%，高于我们指导范围的上限。
第四季度末，我们拥有约32,700名客户，高于一年前的约30,000名。第四季度末，我们还有约4310名客户的年度经常性收入（ARR）达到10万美元或以上，高于一年前的约3610名。这些客户贡献了我们约90%的ARR，我们产生了2.91亿美元的自由现金流，自由现金流利润率为31%。转向产品采用情况，我们的平台战略在市场上继续引起共鸣。第四季度末，84%的客户使用两种或更多产品，高于一年前的83%。55%的客户使用四种或更多产品，高于一年前的50%。
33%的客户使用六种或更多产品，高于一年前的26%。18%的客户使用八种或更多产品，高于一年前的12%。作为我们平台持续渗透的标志，9%的客户使用十种或更多产品，高于一年前的6%。2025年期间，我们继续与更大的客户建立合作并扩大业务。截至2025年12月，《财富》500强企业中有48%是Datadog的客户。我们认为许多大型企业仍处于向云迁移的早期阶段。我们《财富》500强客户的Datadog ARR中位数仍不到50万美元，这为我们与这些客户共同成长留下了巨大的机会。
因此，我们正在获取更多客户并提供更多价值。我们也通过产品达到的ARR里程碑看到了这一点，随着客户采用云、AI和现代技术，我们的可观测性、基础设施监控、APM和日志管理这三大核心支柱继续保持强劲的增长态势。如今，基础设施监控贡献了超过16亿美元的ARR。这包括创新，以在客户的各种环境中提供可见性和洞察力，无论他们是在本地虚拟化服务器、容器化主机、无服务器部署还是并行GPU集群上。同时，日志管理的ARR现已超过10亿美元，其中包括Flex Logs的持续快速增长，其ARR已接近100万美元。
我们的第三大支柱，即端到端的APM和DEM产品套件也突破了10亿美元的ARR。这包括我们核心APM产品加速增长至同比30%左右，目前是我们增长最快的核心支柱。我们现在为客户提供了市场上最简单的入职和实施流程，同时提供对应用程序统一的深度端到端可见性。请记住，即使有这三大支柱，我们仍处于起步阶段，因为约有一半的客户尚未购买我们的所有三大支柱产品，或者至少目前还没有。
接下来谈谈研发以及我们在2025年的成果，我们今年发布了400多项新功能和能力。今天无法一一介绍，但让我们回顾一些创新。我们正在不懈地执行我们雄心勃勃的AI路线图，我将把我们的AI努力分为两类：面向Datadog的AI和面向AI的Datadog。首先，让我们看看面向Datadog的AI。这些是使Datadog平台对客户更好、更有用的AI产品和能力。我们于12月推出了BIFAI SRE Agent的正式版，以加速根本原因分析和事件响应。
在过去一个月里，有超过2000名试用和付费客户进行了调查，这表明了极大的兴趣，并显示了BCE isr的良好成果。我们的BITS AI Dev Agent进展顺利，它可以检测代码级问题、生成生产环境下的修复方案，甚至可以帮助发布监控效果；还有BITS AI Security Agent，它可以自主分类SIEM信号、进行调查并提供建议。Datadog MCP服务器正在预览版中被数千名客户使用。我们的MCP服务器响应AI代理和用户提示，并使用实时生产数据和丰富的Datadog上下文来推动故障排除、根本原因分析和自动化。
我们看到MCP使用量呈爆炸式增长，第四季度的工具调用次数与第三季度相比增长了11倍。其次，让我们谈谈面向AI的Datadog。这包括在整个AI堆栈中提供端到端可观测性和安全性的能力。我们看到LM可观测性的增长加速。超过1000名客户正在使用该产品，在过去六个月中，发送的指标数量增加了10倍。2025年，我们扩展了产品，以更好地支持快速代理开发和集成，增加了LLM实验、LLM Playground、LLM提示分析和自定义LLM作为判断器等功能，我们很快将发布AI Agents Console，以监控AI代理和编码助手的使用和采用情况。
我们正在与设计合作伙伴合作进行GPU监控，我们看到客户群中的GPU使用量总体增加，并且我们正在产品中构建能力，以保护AI堆栈免受提示注入攻击、模型劫持和数据投毒等多种风险。总体而言，我们继续看到客户对下一代AI的兴趣增加。如今，约有5500名客户使用一种或多种Datadog AI集成向我们发送有关其机器学习、AI和LLM使用的数据。2025年，我们的可观测性平台为客户提供了更深入和更广泛的能力。我们实现了超过1000个集成的重要里程碑，使客户能够轻松引入所需的各种数据，并与从云到AI的最新技术互动。
在日志管理方面，我们的整合行动取得了成功。2025年期间，我们看到越来越多的客户要求替换大型传统供应商，在近100笔交易中实现了替换，带来了数千万美元的新收入。我们通过笔记本、参考表、日志模式、计算字段和改进的生命周期等众多创新改进了日志管理。我们推出了正式版的数据可观测性。在AI时代，数据变得更加关键。通过数据可观测性，我们实现了整个数据生命周期的端到端可见性。我们上个月推出了存储管理，提供对云存储的精细洞察和减少支出的建议。
我们提供了Kubernetes自动扩展功能，使用户能够快速识别过度配置的集群和部署，并调整其基础设施规模。在数字体验监控领域，我们推出了产品分析，帮助产品设计师通过关于用户体验和行为的清晰数据做出更好的设计决策。我们提供了无限制的RUM，为前端团队提供对用户流量和性能的全面可见性，并动态选择最有用的会话进行保留。在安全方面，我们看到越来越多的 traction，并在大型企业中积极取代现有的市场领先解决方案。今年，我们的工程师推出了许多新功能，包括产品内置内容包数量增加两倍，最重要的是与BIT AI Security Agent的紧密集成，这已显示出作为市场强大差异化因素的潜力。
我们推出了代码安全功能，使客户能够从开发到生产检测和修复其代码和开源库中的漏洞。然后，我们继续推进我们的云安全产品，增加了基础设施即代码（IAC）安全，可检测和解决Terraform的安全问题，并推出了安全图谱，以识别和评估软件交付中的攻击路径。1月份，我们推出了功能标志。它们与我们的实时可观测性相结合，实现金丝雀发布，使团队能够自信地部署新代码，我们预计它们在未来将变得更加重要，因为它们是在AI代理开发世界中自动化应用程序验证和发布的基础。
我们还在构建内部开发人员门户，其中包括软件目录和记分卡，以帮助开发人员导航基础设施和应用程序复杂性，为AI开发代理提供丰富的上下文，并最终使我们能够在云服务管理中更快地发布产品。我们推出了Encore，现在为3000多名客户的事件响应流程提供支持。我已经提到了Bits AI SRE Agent，它与Encore配合使用，加速了客户的事件解决。如你所见，我们非常忙碌，我要感谢我们的工程师在2025年的高效工作，最重要的是，我对我们2026年的计划更加兴奋。
那么让我们转向销售和市场营销。我想强调本季度我们完成的一些重大交易。首先，我们与最大的AI金融模型公司之一达成了八位数的年化交易，这是我们迄今为止最大的交易。这些客户的可观测性堆栈分散，监控工作流程繁琐，导致生产力低下。这是将超过五种开源、商业、超大规模和内部可观测性工具整合到统一的Datadog平台中，为开发人员节省了大量时间，并实现了更具凝聚力的可观测性方法。该客户正经历非常快速的增长。
Datadog使他们能够专注于产品开发和支持用户，这对他们的业务成功至关重要。接下来，我们欢迎回一位欧洲数据公司客户，达成了近七位数的年化交易。这些客户的以日志为中心的可观测性解决方案用户体验和集成不佳，导致用户采用率有限和覆盖范围存在差距。通过回归DataDog并整合七种可观测性工具，他们期望减少工具开销，并通过更快的事件解决提高工程生产力。它将一开始就采用九种Datadog产品，包括我们的一些较新产品，如Flex Logs、可观测性管道、云成本管理、数据可观测性和On call。接下来，我们与领先的电子商务和数字支付平台达成了八位数的年化扩展交易。
这些客户的产品覆盖面极广。其商业EPM解决方案存在扩展问题，缺乏跨孤岛的相关性，且定价模型难以理解或预测。通过此次扩展，他们正在使用OpenTelemetry标准化DataDog APM，以便其团队能够关联指标、跟踪和日志，更快地检测和解决问题，并且他们已经看到了显著影响，解决时间减少了40%。根据他们自己的估计，该客户已在Datadog平台上采用了17种产品。接下来，我们与一家《财富》500强食品饮料零售商达成了七位数的年化扩展交易，年化交易额达到8 STD。
这位长期客户在许多产品中使用Datadog平台，但仍有30多种其他可观测性工具，并开始整合以节省成本和获得更好的结果。通过此次扩展，Datadog日志管理和Flex Logs将取代所有运维用例的传统日志产品。预计每年可节省数百万美元，该客户将扩展到17种Datadog产品。接下来，我们与一家领先的医疗技术公司达成了七位数的年化扩展交易。该公司面临可靠性问题，在关键工作流程中影响临床医生，并使客户信任面临风险。该客户将整合六种工具并采用七种Datadog产品，包括LLM可观测性以支持其AI计划，以及BTS AI SRE代理以进一步加速我们的活动网络响应。
接下来，我们与一家主要的拉丁美洲金融服务公司达成了八位数的年化扩展交易，年化承诺额增加了三倍多。鉴于其成功的工具整合项目以及各团队对Datadog产品的快速采用，该客户提前与我们续约，同时扩展到其他产品，包括数据可观测性、CI可见性、数据库监控和可观测性管道。借助Datadog，这些客户在多个业务线的成本效率、客户体验和转化率方面都取得了可衡量的改善。这种价值证明促使他们扩大与我们的合作，并将Datadog牢固确立为其关键任务可观测性合作伙伴。
最后但同样重要的是，我们与一家领先的金融科技公司达成了七位数的年化扩展交易，年化交易额达到八位数。通过此次扩展，客户将其日志数据迁移到我们的统一平台，以便团队可以在一个地方关联遥测数据，并在事件解决时间上节省数小时到数周不等。该客户已在平台上获得19种Datadog产品，包括所有三大支柱以及数字体验、安全、软件交付和服务管理。以上就是我们的成功案例。祝贺我们整个销售团队在2025年取得了出色的成绩，并创下了第四季度的记录。
上个月在我们的销售启动会上看到整个团队的表现令人鼓舞，并且开始着手2026年的宏伟计划真的很令人兴奋。在我将财务回顾交给David之前，我想就我们的长期前景说几句话。我们的总体观点没有改变，即数字化转型和云迁移是我们业务的长期结构性增长驱动力。因此，我们继续扩展我们的平台，以解决客户在软件开发、生产、数据堆栈、用户体验和安全需求方面的端到端问题。同时，我们在AI领域快速行动，通过将AI集成到Datadog平台中来提高客户价值和成果，并通过构建产品来观察、保护和作用于客户的AI堆栈。2025年，我们针对客户最复杂的关键任务问题执行得非常好。
我们强劲的财务表现是这一努力的成果，我们对2026年更加兴奋，因为我们开始看到客户对AI在应用中的使用出现拐点，并且我们的客户开始采用AI创新，例如我们的Biz AI SRE代理。为了详细了解所有这些以及更多内容，我欢迎大家参加本周四在纽约举行的下一次投资者日活动，时间为下午1点至5点。我将与我们的产品和销售负责人一起分享我们如何为客户服务、如何通过创新扩展我们的平台以及如何通过AI提供更大的价值。
有关更多详情，请参阅宣布该活动的新闻稿或访问investors.data.gextq.com。接下来，我将把话筒交给我们的首席财务官David。
谢谢Olivier。我们第四季度的收入为9.53亿美元，同比增长29%，环比增长8%。现在深入探讨一下我们第四季度收入增长的一些驱动因素。首先，总体而言，我们在第四季度看到现有客户的使用量出现强劲的连续增长。不包括AI原生客户在内的广泛客户群的收入增长加速至同比23%，高于第三季度的20%。我们看到客户群整体增长强劲，客户规模、支出区间和行业均呈现广泛的增长态势，并且我们看到这种收入增长加速的趋势在1月份继续。
同时，我们看到AI原生客户的采用率持续强劲，其增长显著超过业务的其他部分。我们看到更多AI原生客户使用Datadog，该群体约有650名客户，并且我们看到这些客户与我们共同成长，包括19名每年在Datadog花费100万美元或以上的客户。在我们的AI客户中，有该领域最大的公司，因为如今前20大AI原生公司中有14家是Datadog客户。接下来，我们还看到新客户贡献的持续强劲。本季度我们的新客户预订额再次非常强劲，我们的销售团队转化了创纪录数量的新客户，平均新客户初始规模继续强劲增长。
关于留存率指标，我们过去12个月的净收入留存率约为120%，与上一季度相似，过去12个月的总收入留存率保持在90年代中后期。现在转向我们的财务结果。首先，账单金额为12.1亿美元，同比增长34%。剩余履约义务（RPO）为34.6亿美元，同比增长4.52%，当前RPO增长约为同比40%。由于第四季度多年期交易的占比增加，RPO期限同比增加。我们仍然认为收入比账单和RPO更能反映我们的业务趋势。
现在让我们回顾一些关键的损益表结果。除非另有说明，所有指标均为非公认会计准则。我们在收益报告中提供了公认会计准则与非公认会计准则财务数据的调节。首先，我们第四季度的毛利润为7.76亿美元，毛利率为81.4%。相比之下，上一季度的毛利率为81.2%，去年同期为81.7%。第四季度运营支出同比增长29%，而去年同期为32%，上一季度为30%。我们继续增加投资以追求长期增长机会，这种运营支出增长表明我们在招聘计划上的成功执行。
我们第四季度的营业收入为2.3亿美元，营业利润率为24%，相比之下上一季度为23%，去年同期为24%。现在转向资产负债表和现金流量表，本季度末我们拥有44.7亿美元的现金、现金等价物和有价证券。考虑资本支出和资本化软件后，本季度的经营现金流为3.27亿美元。自由现金流为2.91亿美元，自由现金流利润率为31%。现在谈谈我们对2026年第一季度和整个财年的展望，我们的指导理念总体保持不变。
提醒一下，我们的指导基于近几个月观察到的趋势，并对这些增长趋势应用保守主义。对于第一季度，我们预计收入在9.51亿至9.61亿美元之间，同比增长25%至26%。非公认会计准则营业利润预计在1.95亿至2.05亿美元之间，意味着营业利润率为21%。非公认会计准则每股净收益预计在0.49至0.51美元之间，基于约3.67亿股加权平均稀释股。对于2026财年全年，我们预计收入在40.6亿至41亿美元之间，同比增长18%至20%。
这包括在我们的指导模型中，不包括我们最大客户的业务在年内增长至少20%。非公认会计准则营业利润预计在8.4亿至8.8亿美元之间，意味着营业利润率为21%。非公认会计准则每股净收益预计在2.08至2.16美元之间，基于约3.72亿股加权平均稀释股。最后，关于我们指导的一些补充说明。首先，我们预计2026财年的净利息和其他收入约为1.4亿美元。其次，我们预计2026年的现金税约为3000万至4000万美元，并且我们继续对2026年及以后应用21%的非公认会计准则税率。
最后，我们预计2026财年的资本支出和资本化软件合计占收入的4%至5%。总而言之，我们对2025年的强劲执行感到满意。感谢全球Datadog团队在2025年的出色表现，我对我们2026年的计划感到非常兴奋。最后，我们期待周四在投资者日与许多人见面。现在，我们将开放电话进行提问。操作员，让我们开始问答环节。
谢谢。提醒一下，若要提问，请按星号11。我们的第一个问题来自摩根士丹利的Sanjeet Singh。您的线路已接通。
感谢您回答问题，恭喜本财年圆满结束和2025年取得成功。Olivia，我想了解您对可观测性发展方向的最新看法，考虑到在代理框架、代理部署方面的许多进展，以及我们从Anthropic看到的成果和OpenAI的新前沿模型。就可观测性作为一个类别的发展、其防御能力而言，客户是否可以使用这些工具构建自研的可观测性解决方案？请分享您对该类别的防御能力以及Datadog在这个新的代理时代可能需要如何发展的最新看法。
是的，我的意思是，看，有几种不同的看待方式。一是未来的应用程序将比以前多得多。人们正在构建更多的东西，而且速度更快。你知道，我们在之前的通话中已经讨论过这一点，但我们认为这只不过是开发人员总体生产力提高的加速。所以你可以更快地构建。因此，你会创造更多的复杂性，因为你构建的东西超出了你在任何时候都能理解的范围。你将很多价值从编写代码的行为（现在你实际上不再自己编写代码了）转移到验证、测试、确保它在生产中工作、确保它安全、确保它与世界其他部分、与最终用户良好交互、确保它为业务做了它应该做的事情，这就是我们通过可观测性所做的事情。
所以我们看到那里有更多的量，我们认为这就是可观测性可以提供帮助的地方。另一个有趣的部分是。在这些代理和这些应用程序中发生了很多事情，我们人类现在所做的很多事情开始看起来像可观测性。你知道，基本上我们在这里是为了理解，我们试图理解机器做什么，我们试图确保它与我们保持一致，我们试图确保输出是我们开始时所期望的，并且我们没有破坏任何东西。
因此，我们认为这将把可观测性更广泛地带入以前不一定涵盖的领域。所以我们认为这些都是加速器，显然我们在这方面有优势。但我们认为，可观测性以及代码、应用程序与现实世界、产品环境、实际用户和实际业务之间的联系是当今整个AI开发生命周期中最有趣、最重要的部分。
也许关于这个思路再跟进一个问题。在人类SRE和代理SRE混合比例更高的世界中，在可观测性的用户界面或工作流程方面，我们是否需要考虑某种演变，以及Datadog如何尝试与未来几年可能出现的这种演变保持一致。
是的，演变是肯定的。你知道，我们今天看到很多自动化的迹象。我们看到的所有迹象都表明一切都在加速，更多的数据，但更多的交互，更多的系统，更多的发布，更多的故障，更多的故障解决，更多的错误，更多的漏洞，所有这些。所以我们看到那里的加速。归根结底，人类仍然会有某种形式的用户界面来与之交互，而且很多交互将由代理自动完成。所以我们正在构建满足这两种情况的产品。
所以我们有很多用户界面，我们能够向人类展示代表世界如何运作的用户界面，他们的选择是什么，给他们一些解决问题和建模世界的方法。我们也直接向代理公开我们的许多功能。我们在通话中提到我们有一个MCP服务器，目前处于预览阶段，客户的使用量确实呈爆炸式增长。因此，我们的部分功能很可能通过MCP服务器或类似工具交付给代理。
我们的部分功能由我们自己的代理直接实现，部分功能通过用户界面交付给人类。
明白了。谢谢，Oli。
谢谢。我们的下一个问题来自巴克莱银行的Ramo Lynchau。您的线路已接通。
谢谢。我也表示祝贺。Olivier，继续那个AI主题，与模型公司达成的八位数交易真的很令人兴奋。我假设他们尝试过使用一些开源工具等，实际上从几乎不花钱到向你支付更多钱。是什么推动了这种想法？你认为他们看到了什么说服他们这样做。这是继另一家非常大的模型提供商之后的第二笔交易。所以显然市场上关于"你可以在某个地方以低成本做到这一点"的争论并不完全有效。
你能谈谈这个吗，谢谢。我的意思是情况和我们获得的每个客户非常相似。我们获得的每个客户都有一些自研的东西，他们有一些开源的东西，他们可能仍然运行一些开源的东西。就像我们在任何地方看到的那样。你知道，如果更便宜或者自己做通常不是这样的情况，你知道，所以你的工程师通常薪酬很高，在这些公司中是很大一部分支出，他们的速度几乎是业务中任何其他事情的瓶颈。
所以，你知道，通常当我们进来时，当客户开始与我们接触时，我们可以很快地展示那种价值。所以这与我们在任何其他客户身上看到的没有什么不同。而且在AI客户群中，这也不是独一无二的，或者说AI客户群总体上是那些增长非常快并在AI领域塑造世界的公司的杰出代表。他们都出于同样的原因采用我们的产品，有时规模不同，因为这些公司规模不同，但逻辑是相同的。
谢谢，Poland。
谢谢。我们的下一个问题来自高盛的Gabriella Borges。您的线路已接通。
嗨，早上好。祝贺本季度，感谢您回答我的问题。Ali。我想跟进Sanjit关于从长期来看LLM能做什么与您在可观测性方面的领域经验之间的界限的问题。如果我考虑Anthropic最近的一些公告，他们正在谈论LLM作为更广泛的异常检测类型工具。例如，在安全漏洞管理方面，您如何看待使用LLM作为异常检测工具可能随着时间的推移从可观测性类别中夺取份额的限制因素？以及您如何看待Datadog相对于LLM的路线图长期能够提供给客户更好解决方案的护城河？谢谢。
是的，这是一个很好的问题。我们当然看到LLM变得越来越好，我们打赌它们会像过去几年那样每隔几个月就显著改进。因此，它们非常擅长查看大量数据。所以如果你向LLM提供大量数据并要求分析，你很可能会得到非常好的结果，而且会变得更好。所以当你想到我们这里的根本护城河时，有两个部分。
一是我们如何能够组装上下文，以便我们可以将其输入这些智能引擎。这就是我们聚合所有获得的数据的方式。我们解析出依赖关系，我们理解一切如何组合在一起，我们可以将其放入LLM中。例如，今天我们在MCP服务器后面公开这些功能，因此客户可以使用不同的智能工具以不同方式重新组合。但我们认为可观测性的世界发展方向的另一部分是，现在SDLC正在加速很多，但仍然有些缓慢。
因此，对于所有系统中发生的事情，发生事件并事后分析这些事件，或者可能使用一些外部工具来做这件事是可以的。世界的发展方向是，你将有更多的变化，更多的事情。你实际上不能承受为系统中发生的所有事情都发生事件。所以你需要主动。你需要在所有数据流过时进行流式分析。你需要在中断实际发生之前进行检测和解决。为此，你需要嵌入到数据平面中，这就是我们运行的。
而且你还需要能够运行专门的模型来处理这些数据，而不是仅仅在10、15分钟后获取所有内容并事后总结。这是我们独特的定位。我们正在构建它。我们还没有完全做到，但我们认为几年后世界将会如此。这使我们在应用检测、智能和 preemptive 解决方面有显著不同。
这很有道理。谢谢。
顺便说一下，我们谈论的数据标志是非常实时的，在数据流量方面的数量比你通常输入LLM的要大很多个数量级。所以这是一个需要解决的有点不同的问题。
是的，非常有趣。谢谢。我的后续问题是给你和David的，你们已经多次提到与客户关于Datadog平台内价值创造的一些对话。告诉我们一些当客户意识到为了对更多AI使用进行可观测性，Datadog的构建可能会增加时，这些对话是如何演变的。你可以采取哪些步骤来确保客户仍然觉得他们从Datadog平台获得了巨大的价值。谢谢。
嗯，有几件事。我的意思是，首先，软件的规则总是适用的。人们购买你的产品只有两个原因。为了赚更多的钱或省钱。所以无论你做什么，当客户使用新产品时，他们需要在某个地方看到成本节约，或者他们需要看到他们将获得否则无法获得的客户。所以我们必须证明这一点。每当客户购买产品时，我们总是在幕后证明这一点。一般来说，当客户添加到我们的平台，而不是引入另一个供应商或另一个产品时，他们通过在我们的平台上这样做也会花费更少。
感谢这个电话。非常感谢。
谢谢。我们的下一个问题来自奥本海默公司的Ittai Kidron。您的线路已接通。
谢谢，恭喜。今年的收尾非常令人印象深刻。David，我想深入了解一下您的26年指导。只是想确保我理解您的一些假设。所以也许您可以谈谈您为这一年的指导所建立的保守程度。您还提到不包括最大客户的核心业务至少增长20%。但是我们应该对大客户做什么假设？现在，当您查看不包括这个大客户的AI客户群时，考虑到您在那里的强劲成功，是否有任何集中度在演变？
是的，这里面有三个问题。第一个是关于指导的总体情况，除了我们接下来要谈的。我们采用了相同的方法。我们查看了有机增长率、附加率和新客户积累率，并进行了折现。因此，对于相当多元化的整体业务，我们谈到了按行业、地理、中小企业、中端市场和企业的多元化，我们采用了相同的方法。我们注意到，指导为18%至20%，而非AI或高度多元化业务为20%以上，这意味着指导中假设的核心业务增长率高于大客户的增长率。
这并不意味着大客户以任何方式增长。只是在我们的消费模型中，我们基本上无法控制这一点。因此，我们在那里采取了非常保守的假设。我认为你提到的最后一点是高度多元化。我们说AI中有650个客户是相当多元化的，本质上与我们的整体业务非常相似，我们有一系列客户，但没有那么高的集中度。我们在那里看到的是显著的增长，但就像我们的整体分布式客户群一样，你知道，增长，然后你知道，可能在产品使用方式上有所变化，但在除最大客户之外的高度多元化AI客户群中，相对于整体客户群没有什么不寻常的，希望如此。
太好了。太好了。
是的。您能告诉我们本季度AI客户群占收入的百分比吗。
我们没有把它放进去。
谢谢。
谢谢。我们的下一个问题来自加拿大帝国商业银行的Todd Coupland。您的线路已接通。
哦，谢谢。
早上好。我想问您关于竞争以及LLM的兴起如何影响份额变化的问题。谈谈这个以及Datadog将如何受到影响。
非常感谢。
是的，我的意思是，在客户市场中，竞争并没有发生任何特别的变化，你知道，我们看到的是同样的人，立场相对相似，我们正在拉开差距。我们正在从任何有规模的人那里夺取份额。我知道有一些噪音。有几笔并购交易出现，我们收到了一些关于这方面的问题。其中的公司并不是特别成功的公司，不是我们在交易中看到的公司，不是因为它们有很大的市场影响。
因此，我们认为这不会在近期改变我们的竞争动态。我们也知道，在可观测性领域竞争是一项非常、非常全职的工作。这是一个非常创新的市场，我们确切地知道我们必须做什么，并且必须继续做才能保持我们现在的领先地位。因此，我们对我们的方法和未来的计划非常有信心。随着LLM的兴起，显然有更多的功能需要构建，并且有新的方式为客户服务。你知道，我们有我们提到的能力产品。
市场上还有其他一些产品。我认为这部分市场还处于非常早期的阶段，在现有产品种类方面仍然相对没有差异化。但我们预计未来会有更多的变化。我们认为，归根结底，没有理由让你的LLM的可观测性与你系统的其他部分不同，很大程度上是因为你的LLM不是孤立工作的。他们实现火花的方式是使用工具、你的应用程序上的工具以及你现有的应用程序或你为此目的构建的新应用程序。
因此，你在生产中一切都需要集成。我们认为我们在这方面处于非常有利的地位。
谢谢。
谢谢。我们的下一个问题来自摩根大通的Mark Murphy。您的线路已接通。
谢谢，Olivier。亚马逊今年的资本支出目标为2000亿美元。如果包括微软和谷歌，今年这三大超大规模公司的资本支出将超过5000亿美元。增长率为40%至60%。我想知道您是否从过去几年的资本支出趋势中收集到足够的信号来估计其中有多少与训练相关，以及何时可能转化为Datadog可能需要的资金。换句话说，你知道，你是否在关注这一波资本支出，并能够说它将为你的LLM可观测性收入创造可预测的增长？也许。
我们处于哪个阶段？我有一个后续问题。
嗯，我认为更有趣的是，我认为将其与lmservability挂钩可能过于简化。我认为这指向未来更多的应用程序、更多的智能、更多的一切。现在，将这些公司的资本支出直接映射到基础设施的哪一部分实际上将在两、三、四年后用于创造价值，这有点困难。所以我认为我们必须看看转化率是多少。但是，看，这显然表明系统的复杂性、系统数量以及系统在经济中的覆盖范围将大幅增加。
因此，我们认为这将对我们的业务有很大帮助。这么说吧。
是的，很大的帮助。好的。然后作为一个快速的后续问题，有一种预期认为OpenAI将有一个非常强大的竞争对手，即Anthropic，正在缩小差距，在未来一到两年内产生几乎与OpenAI一样多的收入。您提到与一家AI模型公司达成了八位数的初始交易，我想知道如果我们退后一步，您是否看到有机会分散AI客户的集中度？无论你知道，有时可能是直接的客户关系，或者你知道，可能是像Claude code这样的一些产品，你在全球范围内被采用，只是创造更多的表面积来推动业务到datadog种子。
你能评论一下大型AI提供商之间正在发生什么，或者你是否可以将其分散吗？
是的，我的意思是，看，我们从来没有像，我们的业务不是建立在集中于几个客户的基础上的。这不是我们成功的方式。这可能也不是我们长期成功的方式。所以是的，我的意思是，归根结底，对于air court的所有客户来说，不使用我们的产品应该是不合理的。所以我们看到我们在该客户群中的一些客户取得了巨大的成功。顺便说一下，我们有更多的客户进入那里，还有更多来自最大的，甚至超大规模AI实验室的客户与我们交谈。
我们期望在未来在那里推动更多的业务。我认为这是毫无疑问的。
然后你看到的一些指标我们已经给出，比如AI原生客户的数量，其中一些客户的规模。所以回应Ali所说的，我们本质上是在向许多最大的参与者销售，这导致客户群规模更大，更多样化。
谢谢。
谢谢。我们的下一个问题来自加拿大皇家银行的Matt Hedberg。您的线路已接通。
太好了。谢谢你们回答我的问题，伙计们。我也表示祝贺。Dave，您之前的投资显然得到了回报，又一个季度的加速增长，而且看起来您将继续为未来的机会进行投资。我认为运营利润率在您的初始指导下下降了约100个基点。我很好奇您能否评论一下今年的毛利率预期，以及您如何通过在内部更多地使用AI来实现增量运营支出协同效应。
是的。关于毛利率，我认为我们所说的是，你知道，在80%左右。你知道，我们试图在看到效率机会时进行设计。我们在收获效率方面一直做得很好。同时，我们希望确保我们在平台上进行投资。所以我认为，你知道，我们现在的位置与我们所说的目标非常一致。长期可能有机会，但我们也在努力平衡这些机会与平台投资。
就AI而言，到目前为止，我们正在内部运营中使用它。到目前为止，我们看到的第一个迹象是生产力和采用率。随着我们看到成本结构的机会，我们将继续向大家更新。Ellie，你还有什么要补充的吗？
是的，我的意思是，看，我们。无论如何，中短期内的期望应该是我们继续在研发方面大量投资。你知道，我们得到了很多。我们看到了巨大的生产力提升，你知道，那里有AI，但在这一点上，它帮助我们更快地构建更多东西，并解决更多客户的问题。但我们正忙于在整个组织中采用AI。
明白了。谢谢，伙计们。
谢谢。我们的下一个问题来自美国银行的Koji Akita。您的线路已接通。
是的。嘿，伙计们，非常感谢你们回答这个问题。Olivier，也许有个问题问你。一年前，你谈到虽然有些客户确实想将可观测性内部化，但这确实是一种文化选择。除非你有巨大的规模、人才获取渠道和不受创新带宽限制的增长，否则这可能不合理，而大多数公司都没有。所以一年过去了，行业和生态系统以及一切似乎都发生了很大变化。所以我希望得到你对这些想法的最新看法。如果在过去一年中有任何变化。
过去一年，为什么。
谢谢。
不，我的意思是，看，这是。有时会发生这种情况，但这是少数情况。就像一般的趋势是客户开始时自己尝试做一些事情，然后他们转向我们的产品，然后随着我们的产品扩展。有时他们会沿途进行一些优化，但总体趋势是他们与我们做更多的事情。他们依靠我们解决更多的问题，并将问题以及越来越多的成果外包给我们。所以我认为这没有改变。看，我们仍然会看到一些客户选择自己资源和自己做。
再次，通常是出于文化原因，我想说从经济或专注的角度来看。对于绝大多数公司来说，这没有意义。我们甚至看到超大规模公司的团队拥有世界上所有的工具、所有的钱、所有的人才，但仍然选择使用我们的产品，因为这给了他们更直接的解决IOPI问题的途径。
谢谢。
谢谢。我们的下一个问题来自伯恩斯坦研究公司的Peter Weed。您的线路已接通，Peter。如果您的电话静音，请取消静音。我们的下一个问题来自斯提夫尔的Brad Reback。您的线路已接通。
太好了，非常感谢，Ali。核心业务的持续加速令人印象深刻。显然，在过去18到24个月里，你们在销售和营销方面进行了非常积极的投资。您能给我们一个关于您在生产力曲线上所处位置的感觉吗，您认为是否还有额外的有意义的收益？或者是增量的，也许您在未来12到18个月看到的额外投资在哪里？谢谢。
是的，我的意思是，我们对生产力感觉良好。我认为我们未来的主要驱动力是我们仍然需要扩展，我们仍在扩展销售团队。我们还没有达到我们需要在世界上每个细分市场都达到的规模。所以我们继续在那里扩展。所以现在的重点不一定是提高生产力，而是在保持生产力的同时进行扩展。当然，实际上我们还有很多事情可以做。你知道，尽管我们喜欢我们的表现，但总有很多事情可以做得更好。
你知道，地区可以更好，生产力可以更好，诸如此类。所以我们有很多工作要做，很多事情我们想做，很多事情要修复，一些事情想改进，但总体而言，我们对所发生的事情感觉良好，我们对扩展感觉良好，你应该期待我们在未来一年在销售方面有更多的扩展。
太好了，谢谢。
谢谢。我们的下一个问题来自古根海姆的Howard Ma。您的线路已接通。
太好了，谢谢回答问题。我有一个问题问Olivier。核心APM产品增长30%左右，这非常令人印象深刻，我认为可能比我们很多人预期的要好。问题是，这是一种重新加速吗，增长是由使用Datadog的真实用户监控和其他DEM功能的AI原生公司推动的吗。
相比之下，而不是构建更多应用程序的核心企业客户？是的，我认为，我的意思是，看，APM总体上，我认为在增长方面一直有点稳定。这是一个部署起来比其他产品需要更长时间的产品，它更深入应用程序，因此在客户环境中完全渗透需要更长时间。话虽如此，我们做了一些不同的事情，帮助了那里的增长。一是我们在实际使入职部署变得更简单、更快方面投入了大量资金。
所以我们认为我们在市场上是最好的，这一点很明显。第二，我们在数字体验方面投入了大量资金，这非常有差异化，是我们客户喜欢的，并且正在推动更广泛的APM套件的采用，我们预计未来会有更多这样的情况。第三，我们在销售和营销方面进行投资，我们更好地覆盖市场，因此我们在世界更多地区获得了更多的交易机会。所有这些结合在一起，帮助该产品重新加速增长了很多。
因此，我们实际上对此感觉非常好，这就是为什么我们继续投资。总体而言，我们在纯APM市场中仍然只占一小部分。这个产品包括DEM在内的规模约为100亿美元，但市场更大，所以我们认为我们在那里还有很多可以做的。
是的，我想补充一下，正如Alex提到的，我们在客户群中的渗透率还不够，因此我们正在继续整合到我们的平台上。所以我们有相当多的胜利，我们已经有其他产品。我们已经有红外日志，我们正在整合apm。
谢谢，伙计们。David，作为对你的后续问题，关于利润率，大型AI原生客户是否显著稀释毛利率，当你考虑2026年的初始利润率指导时，其中有多少反映了这些客户可能较低的毛利率类型与增量投资。
在加权平均基础上？不是，正如我们一直说的，对于大客户。这与AI原生或非AI原生无关。这与客户的规模有关。我们有高度差异化、多元化的客户群。所以我想说，你知道，我们本质上期望客户规模的折扣结构与我们未来的类似。我们在毛利率方面有持续的投资，包括数据中心和平台开发。所以我认为这或多或少与我们过去几年看到的情况一致。
真的不受AI或非AI的影响。
好的，谢谢。
很棒的季度。谢谢。
谢谢。我们的下一个问题来自伯恩斯坦研究公司的Peter Weed。您的线路已接通。
你好，这次能听到我吗？
是的，你在线。
好的，谢谢。
Peter，你在线。
是的，上次抱歉。很棒的季度。你知道，展望未来，我认为你最有趣、最令人兴奋的机会之一确实是围绕Bits AI。我很想听听你认为这个机会是如何变化的。比如，你如何获得你为SRE和更广泛的运营团队带来的生产力的公平价值，以及你如何看待该领域的竞争。因为显然我们看到初创公司进入。你知道，关于Anthropic以及你知道他们想去哪里存在疑问。你知道，Datadog如何真正捕捉这种价值并为业务保护它？
是的，我的意思是，看，我们目前销售很多这些产品的方式是你展示所花费时间的差异。当替代方案是你尝试自己解决问题，你遇到中断，你开始一个桥接会议，桥上有20个人，他们寻找根本原因三个小时，你在半夜叫醒人们，这是非常昂贵的。这需要很多时间。有很多客户影响，因为中断时间很长。如果替代方案是在五分钟内得到答案，你只需要三个合适的人，你知道，你在10分钟内得到修复，你知道，你对客户的影响更短，内部涉及的人少得多，成本更低。
所以很容易证明这一点。这就是我们在那里看到的价值。从长远来看，正如我 earlier 所说，我认为目前事件解决的最先进技术是事后的。你知道，你有一个事件，你调查它，诊断它，然后解决它，你知道，所以是的，也许你将客户影响从一小时减少到15分钟，你知道，但你仍然有问题，仍然有影响，仍然分散团队的注意力，仍然有队友在做这件事。
我认为从长远来看，系统将能够预见问题，它们将自动诊断问题，它们将帮助预先缓解或预先修复潜在问题。为此，分析必须流式运行，这是非常不同的事情。你可以向LLM发送数据进行事后分析，很多价值在于收集数据，但后端LLM所做的智能也有相当多的价值。
这是当今世界上人类学家、开放眼睛正在做的事情。我认为当你在流中查看，查看多3、4、5个数量级的数据，实时查看这些数据，并实时判断什么是正常的，什么是异常的，什么可能出错，每秒执行数百、数千、数百万次，我认为这将是我们的优势，也是其他人很难竞争的地方，尤其是通用AI平台。
谢谢。
谢谢。我们的下一个问题来自杰富瑞的Brent Thill。您的线路已接通。
谢谢David。我想很多人会回到几年前你提出的20%左右的利润率。我知道在过去的几年里，包括Goddard在内，都在20%左右。你能谈谈你的真正目标吗，你如何看待底线，显然增长是第一位的，但你如何看待底线的框架。谢谢。
是的，框架是我们尝试用更保守的收入进行规划，理解如果收入超过我们给出的目标，短期内很难进行增量投资。所以我们试图做的是首先投资于收入增长，然后在我们看到是否超过目标时再进行额外投资。因此，总体而言，这反映了我们认为在平台和研发以及包括AI在内的销售和营销方面都有回报的持续投资。然后，你知道，正如我们多年来在业绩中看到的那样，我们倾向于让其中一些流入利润率线，然后为下一阶段的增长再次增加。
今年你需要在销售和营销方面做出任何重大改变或重大投资来应对AI客户群中发生的事情吗，我们正在继续。
这与我们正在做的非常相似，即尝试与客户合作，随着时间的推移证明价值。这体现在我们的账户管理和客户成功以及我们的企业中。所以我认为今年我们正在寻找能力增长，包括地理深化，我们与客户互动的方式，扩展渠道，与我们前几年所做的非常相似。
谢谢。好了，今天就到这里。因此，在此基础上，我要感谢所有收听此次通话的人，我想我们周四的投资者日会见到很多人。所以谢谢大家。再见。
谢谢。
感谢您的参与。现在您可以挂断电话了。祝您今天愉快。