Datadog 季度營收突破 10 億美元，AI 訓練工作負載成為意外的成長引擎
2026 年第一季財報電話會議，2026 年 5 月 7 日 — 營收成長加速至 32%，新客戶簽約金額年增率翻倍以上
AI 訓練市場大門開啟
在 Datadog 2026 年第一季財報電話會議中，最具戰略意義的揭露並非營收里程碑，儘管該數據表現亮眼；而是執行長 Olivier Pomel 承認，曾被內部認為過於小眾而未予重視的 AI 模型訓練市場，已成為一個真實且不斷成長的商業機會。Pomel 表示：「去年發布財報時，我們說我們主要關注推論（inference）工作負載，訓練市場對我們來說還不成氣候。但現在，我們確實看到訓練已成為一個市場。」
證據在於：Datadog 本季與全球兩家大型科技公司的 AI 研究部門簽下了指標性合約，其中一份為七位數年化合約，另一份則為八位數。這些機構正在運行超大規模的 GPU 訓練叢集，之所以選擇 Datadog，正是因為內部零散的工具與開源方案阻礙了工程效率，拖慢了訓練速度。近期推出的 GPU 監控產品成為此次獲單的核心關鍵。Pomel 謹慎地將這些勝利定調為早期訊號而非成熟市場，但其語氣明顯比往季更為看好。他表示：「我們看到了一些跡象，顯示這種趨勢不僅限於本季簽約的客戶。」
Pomel 所描述的結構性轉變對投資人至關重要。他解釋說，訓練「過去僅有兩三家公司能大規模進行」，且屬於「非常手工藝性質的作業，而非生產級工作負載」。這種情況正迅速改變。現在有更多公司定期訓練模型，規模呈數量級成長，且每一次訓練失敗都代表競爭時間的流失。Pomel 強調：「訓練過程中每一次失敗，都等於將一週的時間拱手讓給競爭對手。」這種急迫性，正是讓該市場成為生產級可觀測性平台新商機的原因。
值得注意的是，即便是擁有資產負債表與工程人才、足以自行開發工具的超大規模雲端服務商（hyperscalers），也選擇了 Datadog 來處理這些工作負載。Pomel 的解釋精簡有力：「開發工作的急迫性讓他們更專注，迫使他們釐清什麼是核心業務，什麼不是。」他認為，AI 競賽帶來的競爭壓力，可能已改變了超大規模雲端服務商在「自建與外購」之間的傳統計算邏輯，這是過去基礎設施投資浪潮中未曾見過的現象。
財務數據：營收超預期，前景強勁
Datadog 第一季營收為 10.1 億美元，年增 32%，較上一季的 29% 及去年同期的 25% 加速成長。公司首次跨越單季營收 10 億美元門檻。財務長 David Obstler 指出，第一季營收較上一季增加 5,300 萬美元，創下歷年第一季最高紀錄，且 6% 的季增率為 2022 年以來最強勁的第一季表現。更具結構性意義的是，年度經常性收入（ARR）成長在第一季內逐月加速，Obstler 並證實：「我們看到這些健康的成長趨勢在 4 月份得以延續。」
新客戶表現極為出色。新客戶年化簽約金額創下歷史新高，年增率翻倍以上。新客戶平均簽約規模同樣創下紀錄，且較去年同期成長一倍以上。目前總 ARR 已超過 40 億美元。現在有 22 家 AI 原生客戶每年支出超過 100 萬美元，5 家支出超過 1,000 萬美元，該客群持續在基礎模型供應商、程式碼生成工具及垂直領域 AI 應用之間多元化發展。
淨收入留存率（Net revenue retention）提升至 120% 出頭，高於上一季的約 120%。毛留存率（Gross retention）保持在 95% 至 99% 的高水準。自由現金流為 2.89 億美元，利潤率達 29%。Obstler 將第一季表現形容為「自 2022 年第一季以來，現有客戶使用量成長最強勁的一季」，同時伴隨著「新增 ARR 的歷史紀錄」。
非 AI 客戶的成長加速被低估
儘管 AI 原生客戶的成長持續大幅領先其他業務，但第一季被低估的要素之一，是廣大客戶群的動能回升。非 AI 客戶的營收成長年增率加速至 25% 左右，高於上一季的 23% 及去年同期的 19%。Pomel 將此歸功於持續的雲端遷移、更深度的產品採用，以及「各類客戶都在加速使用 AI」——即使是那些未被歸類為 AI 原生的客戶亦然。
Obstler 明確將這種加速與 2025 年進行的市場進入（go-to-market）投資掛鉤，其中包括銷售量能的大幅擴張。他表示：「我們在此證明了我們在市場進入策略上的投資是正確的決定，且正在獲得回報。」平台整合趨勢也持續推動擴張，客戶正逐步替換零散的開源堆疊與單點解決方案。例如，一家財星 500 大銀行正將剩餘的日誌數據遷移至 Datadog，並替換掉舊有的日誌供應商，部分原因是被 Flex Logs 的成本控制能力所吸引。一家全球避險基金正將其整個地端可觀測性層（數千台主機與網路設備）替換為 Datadog 的基礎設施與網路設備監控。亞太地區一家領先的旅遊集團則將多個業務部門的六種舊有監控工具整合至 Datadog。
產品採用指標強化了整合的敘事。目前 56% 的客戶使用四種或更多產品，高於一年前的 51%。35% 的客戶使用六種或更多，高於 28%。20% 的客戶使用八種或更多，高於 13%。Pomel 指出，在公司 26 款產品中，有 5 款 ARR 超過 1 億美元，3 款介於 5,000 萬至 1 億美元之間，這意味著還有 18 款產品處於生命週期早期，公司相信這些產品未來都有機會達到 1 億美元以上的規模。
AI 平台動能：使用量指標顯示真實採用
Datadog 報告稱，目前有超過 6,500 家客戶透過一項或多項 AI 整合功能傳輸數據。雖然這僅佔總客戶數的 20%，但這些客戶貢獻了約 80% 的 ARR——這種集中度反映了 AI 工作負載在 Datadog 最大且最具戰略意義的客戶群中已深度嵌入。
公司內部 AI 功能的使用指標顯示出強勁的加速跡象。Bits AI SRE 代理調查案件量從 12 月到 3 月翻了一倍以上。LLM 可觀測性涵蓋範圍季增近三倍。MCP 伺服器工具呼叫量在同一時期成長了四倍。Bits Assistant 的訊息量成長了 12 倍。這些雖是早期指標，但變化率顯示出企業端已非僅止於試點階段，而是進入了真正的應用。
針對人類工程師與 AI 代理誰將最終成為 Datadog 平台主要消費者的問題，Pomel 顯得並不擔心。他說：「我們的商業模式非常適合這種轉變——我們是按使用量計費的，使用量來源是誰並不重要。」他補充說，目前的趨勢顯示兩者正在同步成長：「我們看到代理使用量呈現跳躍式成長……但我們也看到人類使用網頁介面的頻率在增加。目前，兩者是相輔相成的。」
財測：強勁但保守，對最大客戶採取謹慎態度
針對 2026 年第二季，Datadog 預測營收為 10.7 億至 10.8 億美元，年增率為 29% 至 31%。此財測隱含季營收成長為 6,400 萬至 7,400 萬美元——Obstler 將其解讀為直接受益於第一季創紀錄的 ARR 增量，且該增量基礎廣泛，並未集中在單一客戶身上。他強調：「ARR 的增加非常廣泛，並不集中。」
財測中唯一明確的但書值得注意。Obstler 揭露公司正「對最大客戶採取更高程度的保守態度」——這是公司上季首次使用的措辭，目前仍維持該立場。管理層被直接詢問這是否代表方法論的改變，並確認並非如此：「我們沒有改變……這與我們一直以來的作法相同。」該財測也納入了約 1,500 萬美元與 6 月 9 日至 10 日在紐約舉行的 DASH 用戶大會相關的成本。
2026 年全年營收財測上調至 43 億至 43.4 億美元，代表 25% 至 27% 的成長。非 GAAP 營業利益預計為 9.4 億至 9.8 億美元，隱含 22% 至 23% 的營業利潤率。預估每股盈餘將落在 2.36 至 2.44 美元之間。
FedRAMP High 認證與主權雲端建置
本季揭露的兩項基礎設施投資具有重大的長期營收意義。Datadog 獲得了美國聯邦政府的 FedRAMP High 認證，使公司能夠爭取處理最敏感工作負載的政府機構客戶。Obstler 承認公司在獲得認證前，已在公共部門的市場進入策略上進行投資——「建立通路需要時間」——且合作夥伴通路關係是聯邦策略的關鍵部分，未來還會有更多投資。
此外，Datadog 宣布在英國建立新的數據中心，以服務當地受監管產業的客戶，因應當地雲端採用的加速。Pomel 也指出了公司的「自帶雲端」（bring your own cloud）產品——即 Datadog 在客戶基礎設施而非自身基礎設施上運行——這是一個重點投資且已見初步成效的領域。他表示，該產品為「客戶過去不會考慮 SaaS 方案的超大規模工作負載」打開了大門，並直接解決了企業對數據在地化與主權控制日益增長的需求，特別是在 AI 模型與國家安全要求交織的情況下。
資本密集度維持在可控範圍
鑑於目前流經平台的遙測數據量，以及 Datadog 進軍 GPU 監控與訓練工作負載，投資人可能會合理質疑該業務的資本密集度是否會上升。Pomel 的回答很直接：公司大部分工作負載都在雲端運行，這意味著基礎設施成本計入營業費用而非資本支出，預計不會有結構性改變。他說：「我們預期模型不會有任何變動。」並補充了一個明確的但書：「如果有變動，我們會通知大家。」預計 2026 財年的資本支出與資本化軟體成本將維持在營收的 4% 至 5%。
Datadog 深度解析
商業模式：無所不在的引擎
Datadog 採用多租戶軟體即服務（SaaS）模式，旨在成為企業雲端基礎設施的統一中樞神經系統。其核心獲利引擎依賴於基於使用量的訂閱架構。客戶並非購買靜態的永久授權，而是根據監控的基礎設施規模與數據攝取量付費。其基本商業策略是極具效率的「登陸與擴張」（land-and-expand）模式：客戶通常先以基礎的基礎設施監控模組，監控小規模的雲端運算實例；隨著企業將更多工作負載遷移至雲端，其消耗量自然隨之擴增，進而在無需激進二次銷售的情況下推動營收成長。
其產品組合涵蓋基礎設施監控、應用程式效能監控（APM）、日誌管理、雲端安全，以及真實使用者監控（RUM）與資料庫監控等專業附加模組。營收產生機制與每台主機費用、每 GB 日誌攝取量，以及客製化的長期數據保留層級直接掛鉤。大型企業客戶通常會轉向客製化、高流量的合約承諾，並享有分級折扣。由於 Datadog 簡化了部署多種分散式工具的繁瑣，工程團隊會自發性地啟用第二、第三個模組。這種平台引力使其淨營收留存率（Net Revenue Retention）持續維持在 120% 左右的低檔，展現了該模式中蘊含的強大定價能力。
競爭生態與客戶動態
儘管客戶群涵蓋各類企業，但 Datadog 已將其財務重心徹底重塑在大型企業身上。截至 2026 年第一季，該公司擁有約 33,200 家客戶，但絕大多數的經濟價值來自 4,550 家年經常性營收（ARR）超過 10 萬美元的核心客戶群。這些企業客戶貢獻了約 90% 的合約總價值，其中超過 600 家客戶的年度支出已突破 100 萬美元。每日操作該平台的終端使用者包括軟體開發人員、網站可靠性工程師（SRE）及安全營運分析師。
競爭格局呈現高風險的寡占狀態，各方爭奪財星 500 大企業（Fortune 500）科技預算的結構性主導權。主要的高階市場競爭對手為 Dynatrace，其主打確定性、因果關係的 AI 方法，長期以來深受進行複雜數位轉型的傳統企業與高度監管產業青睞。已被 Cisco 完全收購並整合的 Splunk，則透過 ThousandEyes 廣泛的網路遙測分發能力與深耕企業的日誌功能，構成了強大的頂層綑綁銷售威脅。在低階市場，由私募股權公司 Francisco Partners 掌舵的 New Relic 則透過簡化的計費結構，針對對成本高度敏感的中型市場工程團隊進行激進的價格競爭。
雖然 Datadog 沒有傳統的製造供應商，但其功能性供應鏈完全依賴底層公有雲供應商，主要是 Amazon Web Services（AWS）、Microsoft Azure 與 Google Cloud。這種動態創造了一種微妙的共生關係：Datadog 為這些超大規模雲端服務商（hyperscalers）帶來了龐大的運算與儲存消耗，但這些服務商同時也提供 CloudWatch 與 Azure Monitor 等原生基礎監控工具。這些原生工具作為基線效用，成為阻礙客戶採用 Datadog 高階第三方服務的摩擦點。
市占率與結構性主導地位
在核心的可觀測性（observability）與 IT 營運管理領域，Datadog 正與傳統老牌業者拉開結構性差距。預計未來幾年，可觀測性市場結合雲端安全與 AI 監控等鄰近領域，總潛在市場規模（TAM）將接近 600 億美元。Datadog 在現代化雲端原生部署中占據了極高的份額。專業產業分析估計，Datadog 在特定現代化資料中心管理領域擁有超過 50% 的市占率，在更廣泛且高度分散的專業 IT 營運管理領域則約占 13%。
將領先者進行比較時，市場份額爭奪戰的財務物理學表現得十分鮮明。2026 年第一季，Datadog 的年經常性營收突破 40 億美元，單季營收達 10.1 億美元，營收成長率回升至令人印象深刻的年增 32%。相比之下，Dynatrace 最近一個財季的年經常性營收基礎為 19.7 億美元，成長率穩定在 16%。Datadog 的規模實際上是其最純粹企業同業的兩倍，且營收成長速度也是對方的兩倍，這顯示它不僅是在取代傳統地端系統，更是在大規模的供應商整合交易中，積極從雲端原生競爭對手中搶占市占率。
競爭護城河：平台引力
Datadog 的核心競爭優勢在於其統一的數據模型。過去，營運人員必須在日誌工具、分散式追蹤應用程式與基礎設施指標儀表板之間來回切換以診斷故障。Datadog 從設計之初就透過打造「單一視窗」（single pane of glass）消除了這種摩擦。該平台能將突發的指標異常與緩慢的應用程式追蹤無縫關聯，瞬間鎖定導致錯誤的具體日誌行。這種不間斷的分析鏈條，大幅提高了已完全整合至該生態系統的工程組織的轉換成本。
整合的廣度構成了極高的進入門檻。Datadog 支援超過 1,000 種開箱即用的整合，確保無論客戶使用的是小眾開源資料庫還是最新的無伺服器（serverless）雲端架構，都能立即進行遙測數據收集。一旦專有的 Datadog 代理程式（agent）部署在數以萬計的客戶運算節點上，它就成為企業基礎設施中極具黏性且關鍵的一部分。移除該代理程式將帶來無法接受的營運風險與停機時間。
財務規模則發揮了自我強化的護城河作用。Datadog 以 22% 的營業利益率與 29% 的自由現金流利潤率運作，並將數億美元投入研發。規模較小的競爭對手缺乏足夠的資本同時開發應用程式安全、生成式 AI 監控與自動化修復引擎。這使得 Datadog 能夠持續推出新模組，確保當競爭對手複製其核心功能時，該平台已進一步擴展了營運邊界。
產業動態：機遇與逆風的交匯
在雲端複雜性所驅動的不可逆結構性順風下，可觀測性產業正加速發展。隨著全球企業積極轉向混合雲環境、微服務與容器化架構，人類的認知能力已無法再掌握軟體間的依賴關係。可觀測性已從可選的營運支出，轉變為防止營收受損的數位停機事故的強制性保險。此外，該產業正經歷開發、營運與安全整合為單一學科的深度趨勢，這使 Datadog 能夠直接向管理監控堆疊的同一批買家，銷售利潤豐厚的雲端安全態勢管理與漏洞掃描產品。
相反地，該產業面臨的主要生存威脅在於數據引力（data gravity）與成本優化。遙測數據呈指數級成長，通常超過客戶本身的營收成長速度。由於 Datadog 採用基於使用量的計費模式，無節制的數據攝取會直接導致帳單震撼（bill shock）。這種現象迫使資訊長（CIO）嚴格審查攝取量並強制執行嚴格的日誌保留限制。儘管 2023 年與 2024 年觀察到的極端宏觀經濟驅動的雲端優化逆風在 2026 年已大為緩解，但指數級數據產生與有限企業 IT 預算之間的結構性摩擦，對於基於使用量的軟體模式而言，仍將是長期的逆風。
產品發展速度：AI 與安全作為下一個前沿
Datadog 的成長持久性需要不斷擴展可觀測性的定義。生成式 AI 的爆炸式發展催生了一種全新的遙測學科：LLM 可觀測性。在 2025 年與 2026 年間，Datadog 積極搶占此領域，推出了針對代理式 AI（agentic AI）的端到端監控功能。此基礎設施允許開發人員細緻追蹤複雜的自主決策路徑、監控工具呼叫，並監測圖形處理器（GPU）的使用率。各大雲端供應商目前正將 Datadog 標準化，用於監控高度複雜且運算密集型的 AI 訓練環境。
除了監控 AI，Datadog 還將 AI 直接注入工程工作流程中，以從根本上改變事故回應的速度。Bits AI Site Reliability Engineer 與 Bits AI Security Analyst 的商業化推出，代表了從被動監控到自動化修復的典範轉移。這些專業代理程式會主動攝取系統警報、自動瀏覽企業運行手冊（runbooks）、查詢遙測資料庫，並在幾秒鐘內產生根本原因假設。透過自動化診斷層，Datadog 大幅壓縮了平均修復時間（MTTR），為企業提供了直接且可量化的勞動力節省效益。
雲端安全持續成熟，成為最具潛力的鄰近成長向量。憑藉其基礎設施代理程式無所不在的覆蓋範圍，Datadog 避免了要求客戶安裝獨立安全軟體的摩擦。透過在平台上原生提供雲端安全資訊與事件管理（SIEM）以及應用程式安全測試，Datadog 受惠於供應商整合的強制需求。資訊安全長（CISO）越來越願意採用 Datadog 的安全套件，僅為了減少伺服器上的代理程式負擔並整合多供應商的軟體支出。
顛覆力量：OpenTelemetry 與遙測數據的商品化
對現有可觀測性平台而言，最可信的長期威脅並非資金雄厚的初創公司，而是開源數據標準。由雲端原生運算基金會（CNCF）支持的 OpenTelemetry 已達成產業共識，成為產生與傳輸遙測數據的標準。透過標準化指標、日誌與追蹤的檢測方式，OpenTelemetry 有效抵銷了過去將客戶鎖定在單一供應商生態系統中的專有代理程式限制，使基礎數據收集層趨於商品化。
這種商品化從根本上降低了新一代成熟顛覆者的進入門檻。新興供應商正將 OpenTelemetry 數據管道與 ClickHouse 等高效能開源列式資料庫結合，以 Datadog 高階定價的一小部分提供高效能可觀測性平台。Uptrace 與 Dash0 等初創公司正利用透明且激進的定價模式，直接利用企業對攝取成本的疲勞感。同時，Grafana Labs 與 Elastic 等成熟的開源參與者，持續吸引那些願意自行管理強大開源組件的技術型工程團隊，以避開商業 SaaS 平台的高額利潤。
管理層業績：跨週期的執行力
執行長 Olivier Pomel 與財務長 David Obstler 建立了卓越的營運績效與審慎的預期管理紀錄。在過去幾年激烈的宏觀經濟波動與殘酷的雲端優化週期中，管理層展現了在激進的營收擴張與嚴格的成本紀律之間取得平衡的高超能力。當企業軟體需求暫時萎縮時，領導團隊抵禦了透過降價犧牲利潤率，或進行不自然併購的誘惑。
相反地，管理層維持了對核心工程的深度投資，並擴大了產品覆蓋範圍。2026 年的財務業績是對該策略的最終驗證：Datadog 成功將營收成長率回升至 32%，達成單季營收超過 10 億美元的極罕見財務里程碑，同時維持近 30% 的自由現金流利潤率。在應對巨大的基於使用量定價壓力，同時主動搶占新興 AI 監控市場的過程中，展現了工程主導型文化在極大規模下進行菁英級執行的能力。
總結評分
Datadog 已果斷鞏固其作為現代企業基礎設施中樞神經系統的地位。公司卓越的產品發展速度、統一的數據架構，以及對「登陸與擴張」策略的完美執行，使其得以超越傳統競爭對手，並在 600 億美元的市場中獲取超額經濟利益。其財務狀況以規模化持續超高速成長與強勁的自由現金流產生為特徵，展現了極高的結構性槓桿，並驗證了該平台在財星 500 大工程團隊中具備關鍵任務的黏性。
然而，在數據指數級成長的世界中，基於使用量定價的結構性現實，將使攝取成本與企業 IT 預算之間保持持續的摩擦。OpenTelemetry 的成熟帶來了合法的通貨緊縮力量，從根本上改變了遙測層的鎖定機制，並賦予了低成本的開源替代方案更多機會。為了維持其溢價估值與市場定位，Datadog 必須持續將價值提升至自動化修復與安全領域，確保其企業效用遠大於原始數據管道的總和。