作者：徐萌宏Matt 编辑：Cage 当 Agent 从 Demo 迈向真正的产品化，开发者迎面而来的最大挑战不是模型本身，而是如何观测、 评估并持续优化这些黑箱的系统。如果说传统软件时代的 Observability 是帮助工程师定位"代码为什 么挂了"，那么在 AI 时代，它必须回答的是：模型为什么答错了？Agent 的链路为什么失效？产品的 输出质量如何验证？ 这正是 Braintrust 和一众新的可观测性公司崛起的背景。由 Ankur Goyal 于 2023 年创立的 Braintrust，正在尝试把 Observability 从"监控指标与日志"重塑为"模型评估与行为追踪"。它提供 Eval （实验评估）和 Ship（线上监控）两大核心模块，让团队既能在实验阶段大规模测试不同模型与提 示词的组合，又能在生产环境持续跟踪模型表现。凭借灵活的 Scorer 系统和优质的开发者体验， Braintrust 已成为 Notion、Zapier、Stripe 等头部公司的首选工具，并获得 a16z 与 Greylock 的投资加 持。 今天 Observability 赛道是否正在重演 Datadog ...

公司及行业 * 公司为Dynatrace (NYSE:DT) 一家提供可观测性平台的软件公司[1][3][17] * 行业为IT可观测性市场 涵盖应用性能监控(APM) 基础设施监控 日志管理等领域[17][20][23] 核心财务与业务表现 * 年度经常性收入(ARR)从四年前不足10亿美元增长至接近20亿美元[8] * 上一季度订阅收入增长19% 税前自由现金流增长33% 运营符合"Rule of 50"[18][19] * 日志消费业务年同比增长超过100% 季度环比增长36%[34] * Dynatrace平台订阅(DPS)已贡献65%的ARR 其客户的消费增长速度是非DPS客户的两倍[52][53][54] 市场机遇与竞争定位 * 可观测性市场非常强劲 受云化和AI工作负载驱动 需求在增加而非减少[17] * 公司在Gartner魔力象限等报告中均处于领导者象限[21] * 核心机遇在于三个维度的演进：端到端可观测性 AI可观测性 业务可观测性[22][24][25] * 端到端可观测性可带来20%或30%的成本削减[24] * 当前市场整合仍处于早期阶段 比喻为"第三局早期"[27] 产品与技术优势 * Grail数据湖屋是技术突破 能将日志 追踪 指标等所有可观测数据类型集成在统一的上下文中[23][35] * 基于Grail的统一数据存储和AI引擎能提供更优的洞察和结果 这是与竞争对手的关键差异[23][32][35] * 在定价模式上创新 如提供包含查询次数的模型 消除了客户对使用量激增的担忧[37] * 其架构不区分冷热存储 能始终提供高性能的日志访问[38] 销售与渠道策略 * 在上一财年下半年扩充了销售团队 约三分之一的销售人员仍在入职第一年 预计其生产力将在本财年下半年显现[39][40] * 销售策略聚焦于大型企业 因为其数据量 规模和复杂性最能体现公司产品的差异化优势[46] * 上一季度完成了12笔七位数ACV的交易 大额交易导致业绩波动性增加[47] * 与全球系统集成商(GSI)和超大规模云厂商的合作渠道管线表现强劲 超出预期两到三倍[43][44] 增长驱动因素 * 四大增长驱动力：日志机遇 消费增长机遇 管线数字 DPS[56] * 消费增长是未来机会的重要先行指标 其增速超过ARR和订阅收入增速(19%) 预计在20%以上[55] * 已组建专门团队 并将客户成功团队等的薪酬与消费增长挂钩 以全力推动消费[57][58] 人工智能(AI)战略 * AI可观测性包含两方面：观察AI工作负载 以及提供自主的AI可观测性平台[66][67] * 已有数百现有客户使用Dynatrace观察AI工作负载[66] * 长期愿景是打造真正的自主AI可观测性平台 能在终端用户发现问题前就采取纠正措施[67][69] * 竞争优势在于其集成平台能提供可信的答案和因果关系 而非简单的关联 这是实现自主操作的基础[68] 潜在风险与挑战 * 大额交易导致季度业绩波动性增加[47] * 在提供指导时因这种波动性而趋于保守[47] * 部分超大企业客户在DPS合同期末可能选择按实际消费支付尾款 而非立即续约扩大承诺 这带来了收入确认上的细微差别[61][63]