2026 年第三季財報電話會議，2026 年 11 月 4 日
第四季財測已隱含急遽的季減趨勢
Datadog 公布第三季營收達 11.97 億美元，年增 35%，高於財測高標。第四季的展望則顯得更為審慎。管理層預估第四季營收介於 11.9 億美元至 12億美元之間，成長率約 25% 至 26%，這意味著季增幅度大致持平。全年 2026 年營收預估為 45.15 億至 45.25 億美元，隱含約 32% 的成長率。公司表示，若排除最大客戶不計，第四季財測隱含的成長率落在 30% 初至中段，因此表面上的成長放緩主要集中於單一客戶，以及公司採取的財測編製方式。
財務長 David Obstler 表示，第四季的財測「是以該客戶的最低合約承諾額為基礎來考量其營收」。該客戶已於第三季完成續約，且如 8 月所揭露，其使用量有所調降，但其實際支出仍「顯著高於」該最低門檻。Datadog 無法掌控客戶在低標之上的實際使用量落點。若使用量維持高檔，以最低門檻為財測基礎將會自動產生優於預期的結果，而只要客戶維持合約最低用量，就不可能出現營收未達標的情況。Obstler 坦言第三季的超預期表現部分源於此動態，但拒絕量化其影響。投資人應將第四季視為針對此帳戶刻意採取的保守設定，而非解讀為基礎需求的指標。投資人亦應注意，該客戶在 2027 年的行為目前尚未底定。管理層將於年底的財報會議上提供 2027 年財測，並表示將繼續以合約最低承諾額作為財測基準。
AI 客戶提前續約形成近期的營收逆風
更具實質影響的新揭露是，數家大型 AI 客戶的續約時間遠早於 Datadog 的預期，牠們以提高承諾額來換取更優惠的定價。執行長 Olivier Pomel 表示：「我們看到續約的時間點比我們原先預想的要早得多」，並指出 10 月還發生了一起公司未曾討論過的續約。他坦率地談到了其代價：「這些都是好消息，但它們確實對短期營收造成了逆風，這也是與上一季相比的一個轉變。」
管理層將其運作機制歸納為一般的量販定價（volume pricing）。Obstler 強調，這些是「高於其先前承諾水準的續約，這也是牠們獲得量販折扣的方式」。Pomel 補充說明，部分帳戶在續約過程中進行了優化，客戶精簡了部分使用量，或被引導至不同的保留層級。所有這些背景都在客戶計畫將其使用規模擴大兩倍、三倍甚至四倍的情況下發生。Barclays 與 Goldman Sachs 皆追問這是否會成為季增率逐年遞減的常態。管理層並未承諾會出現這種模式。Pomel 表示，這種動態是全新現象，因為部分客戶正擴張到「我們在產業界、甚至任何產業中從未見過的水準」，並主張隨著 AI 客戶群體擴大，營收將變得更趨穩定。他將這種變異形容為相較於預期「每季幾個百分點的波動」。
Obstler 也提醒投資人，第四季受到 12 月下旬使用量低谷與程式碼凍結的季節性拖累，這與提前續約效應以及最大客戶的處理方式相互疊加。因此，季增放緩有三個重疊的原因，其中僅有一個是在公司的能見度掌握之內。
非 AI 業務持續加速成長，新客戶貢獻更多動能
更健康的訊號來自於基礎本業。來自非 AI 客戶的營收成長連續第五季加速，達到 27% 至 29% 的高段，季增約 1 個百分點，高於一年前約 20% 的水準。若排除最大客戶，總營收成長同樣呈現加速。管理層形容成長普遍擴及各個業務區塊、支出級距與產業。
新客戶佔年營收成長約 30%，高於一年前的 25%。淨營收留存率（NRR）維持在 120% 初段，季增持平；毛留存率則保持在 95% 中高段。客戶總數達到約 33,500 家，年度經常性收入（ARR）超過 10 万美元的客戶從約 4,060 家增加至約 4,860 家，約佔 ARR 的 91%。剩餘履約價值（RPO）成長 38% 達到 38.5 億美元，當期剩餘履約價值（current RPO）亦有 30% 中段的成長，不過管理層重申營收仍是更好的指標。
Pomel 拒絕預測非 AI 成長是否會持續攀升，並表示「這已經是非常高的成長率……很難說未來會走向何方」，同時對底層趨勢表達信心。他指出一項次要驅動力：更多 AI 生成的程式碼正對 CI（持續整合）、部署與測試構成更大壓力，這將 Datadog 的 CI 產品及其他超出核心可觀測性（observability）以外的產品推進了客戶的部署環境中。公司亦提及尚未開始顯現規模效應的大型新客戶落地案，包括一項與美國聯邦國防機構簽署、為期 5 年且年化金額達 7 位數的合約——這建立在該公司獲得的 FedRAMP High 認證基礎上，以及與日本兩大銀行簽署的 7 位數合約。Pomel 指出，這些合約「甚至尚未計入營收中」。
獲利能力提升，第四季因行銷支出使利潤率財測下修
第三季非一般公認會計原則（Non-GAAP）營業利益率達到 28%，優於上一季及去年同期的 23%，主因營運支出（OpEx）成長放緩至 25%。毛利率為 81.2%，高於第二季的 79.6%，管理層將此形容為在 80% 附近保持穩定。自由現金流為 2.51億美元，利潤率 21%，過去 12 個月的滾動利潤率則為 26%。公司帳上現金及有價證券結餘達 52 億美元。
第四季營業利益率預估約為 24%，營業利益介於 2.8 億至 2.9 億美元，反映了包含 AWS re:Invent 在內的沉重行銷投資。全年營業利益預估 10.95 億至 11.05 億美元，同樣隱含 24% 的利潤率。全年 Non-GAAP 每股盈餘（EPS）預估為 2.73 至 2.75 美元。管理層表示將持續積極投資於市場進入策略（go-to-market），並點出聯邦部門等尚未開發的地理與終端市場空白，同時在 AI 與人力編制上加大研發（R&D）投資。
基礎設施監控（Infrastructure Monitoring）ARR 突破 20 億美元，但 GPU 尚未成為驅動力
基礎設施監控的 ARR 現已超過 20 億美元，成長率達 30% 中段。管理層表示，公司是可觀測性市場佔有率的領導者，但市佔率「仍處於十幾個百分點（teens）」。針對 Bank of America 關於 AI 貢獻的提問，Pomel 表示成長與 GPU 並無直接關聯。GPU 監控主要用於訓練工作負載，「我們尚未廣泛將這些產品商業化」。今年監控的 GPU 裝置數量成長了 8 倍，因此來自 GPU 監控的營收機會將是現有數字的潛在上升空間。
Scout 與 Bits AI 顯示 Datadog 正跨足專有模型
Datadog 推出了 Scout，這是其專為站點可靠性（SRE）任務所優化、並以內部分散式強化學習基礎設施訓練而成的自家推理模型。Pomel 表示，它在警報調查上的表現「與前沿模型不相上下甚至更好，且推論成本僅有一小部分」，目前該模型正驅動 Bits Investigations。更低的成本在商業上至關重要，因為它讓 Bits 得以調查更多警報、更早介入並深入追蹤。6 月加入的 Adaptive ML 團隊正加速推進強化學習與後訓練（post-training）的工作。
在模型策略方面，Pomel 描述了一種刻意的組合：由頂尖實驗室模型處理只有牠們能勝任的任務、開源權重模型（open-weight models）處理具成本效益的通用任務，以及由 Datadog 自家資料創造優勢的專有後訓練模型。他預期這種組合將維持大致穩定。他對更廣泛的訓練商機保持謹慎，並指出一兩年前「除了少數前沿實驗室之外，基本上沒有人在做訓練」，而儘管大規模訓練機構的數量已成長了一個數量級，「要稱其為大眾市場仍言之過早」。
Bits AI 被形容為公司歷史上採用速度最快的產品，Bits Testing 也在 10 月正式全面上市。Datadog 將收費模式從針對調查單獨計費，轉變為涵蓋更多使用情境的 AI 點數（AI credits）模型。Pomel 表示，定價「相當接近推論成本」，以便將效率提升的紅利回饋給客戶，因為隨著單價呈數量級下降，使用量預期將呈數量級上升。這意味著 Bits 很可能是一個低毛利產品，其真正的回報在於平台使用率。Pomel 表示，他不在乎哪一種途徑成為主流獲利模式，「只要我們能獲得更多使用量」。本次未揭露具體的營收貢獻。
AI 採用指標持續擴大，透過實驗室的通路為全新模式
Datadog 目前擁有超過 850 家 AI 客戶，高於上一季的約 750 家，其中 39 家的年支出超過 100 萬美元，並囊括前 15 大 AI 領導者。約三分之一的客戶使用至少一項 AI產品，在 ARR 超過 10 萬美元的客戶中比例更高達四分之三。Agent Observability 的 spans 今年成長 9 倍，MCP 工具呼叫（tool calls）成長 50 倍，超過三分之一的雲端成本管理（Cloud Cost Management）客戶現在開始追蹤 AI 成本，此類客戶數量成長超過 11 倍。AI 提供商已成為客戶在三大雲端之外於工具中監控的最大單一支出類別。Pomel 表示，非 AI 原生客戶正日益採用 Agent Observability，他將此形容為「跨越鴻溝」，不過未提供具體數字。
Datadog 亦將 Agent Observability 導入 Anthropic 市集，並成為 OpenAI 全新企業市集的首發合作夥伴，讓客戶能直接透過其既有的前沿實驗室進行採購。多起交易案例強化了其 AI 曝險，包括一家大型科技公司 AI 部門的 8 位數規模擴展（在落地短短兩季後將承諾額近乎三倍），以及一家規模已達年化 8 位數的 AI 程式碼公司提前續約並擴大合作。
平台廣度持續擴大。61% 的客戶使用四種或以上產品，41% 使用六種或以上，16% 使用十種或以上，高於一年前的 8%。
本季的品質毫無疑問，非 AI 成長與利潤率雙雙改善。當前的辯論在於，當客戶群中有一小撮超高成長的 AI 帳戶提前重新談判定價、且單一主導客戶維持在最低底標之上時，會帶來多大的波動性。管理層的回答是，這是一個具備使用量計費模式的業務，其中期能見度優於短期，這話雖屬實，但對建模未來兩個季度幫助有限。