2026.10.16 | Primer | Datadog

一句话：企业的软件跑在成千上万台云服务器上，任何一个环节出错，网站就慢了或者挂了。可观测性软件持续收集这些机器和程序的“体征数据”，出问题时告诉工程师哪里坏了、为什么坏。

它收集三类数据，用三个比喻最好懂：

给半导体背景的类比：可观测性之于软件，有点像量测检测 (KLA) 之于晶圆厂。工序越复杂，越需要在每一步检测；检测本身不生产任何东西，但不检测良率就失控。两个区别也要记住：KLA 卖设备，按台一次性收钱；Datadog 按用量月月收钱，客户多开一台服务器、多写一 GB 日志，账单就自动变大。所以它的收入跟着客户的云用量走，好的时候自动变多，客户省钱的时候也会很快变少。

为什么企业愿意付钱：宕机直接损失收入，没人敢不装。现代软件拆成很多小服务，跑在随时开关的云容器里，自己搭监控需要一个专门的团队。Datadog 卖的是“装上就能用”：1,000 多个现成接口，三类数据在一个界面里互相关联。在一张图里看到 CPU 飙高，点一下就能跳到同一时刻的慢请求和报错日志。这种关联是它和“自己用开源工具拼一套”的主要区别。

• 第三方预测 Gartner 2025 年 Magic Quadrant 给出的可观测性软件市场：2028 年约 $142 亿，2021–28 年复合增速 11.1%。这个口径很窄，Datadog 自己 2025 年收入 $34 亿 (含安全等产品)，按这个口径算已经占 25–30%，所以这个数字低估了它实际能卖的范围
• 管理层口径 公司不给单一 TAM 数字，而是说：目标客户约 50 万家公司，现有约 3.3 万家，渗透率约 7%；企业平均只有 25–30% 的工作负载在云上 (CFO David Obstler，2026.06 美银会议)。这个说法的意思是：客户越往云上搬，Datadog 自然长大
• 卖方口径 BMO 2023 年估核心 TAM 2026 年约 $240 亿，含相邻市场约 $580 亿；DA Davidson 估 $620–700 亿。这些都是“如果所有相关预算都归它”的上限，不是能收到的钱
• 实际数据 行业里规模最大、增长最快的独立公司就是 Datadog：2026 年指引收入 $44.6 亿 (+30%)；最接近的上市对手 Dynatrace 约 $23 亿 (+15%)，Elastic 约 $20 亿 (+15%)

过去三年行业在整合：Splunk 卖给 Cisco，New Relic 被私募收购，Chronosphere 卖给 Palo Alto，Observe 卖给 Snowflake。剩下的独立大玩家里，只有 Datadog 还在 30% 以上增长。真正的威胁不在这些老对手，而在“便宜的数据库 + 开源标准 + AI agent”这条新路线。

OpenTelemetry (简称 OTel) 是一个开源的“数据采集标准”：程序按这个标准埋点一次，数据可以发给任何厂商。以前换监控厂商要把所有程序的埋点重做一遍，这是 Datadog 的一层锁定；OTel 普及后这层锁定变薄。最极端的例子：Deductive AI 被 Datadog 切断后，48 小时内在 OTel + Grafana 上重建了监控。

但锁定没有消失，而是往上移了：客户在 Datadog 里积累的仪表盘、报警规则、值班流程和多种数据之间的关联，才是迁移成本的大头。Datadog 自己也全面支持 OTel，有大支付公司用 OTel 埋点、数据仍然发给 Datadog。这和 mapping 里讲数据仓库时的结论一样：锁定从“格式”移到了“平台层”。

• 上游 (Datadog 的成本)：它自己不建数据中心，主要租 AWS、Google Cloud 和 Azure 的算力和存储。所以毛利率 (约 80%) 里最大一块成本是付给云厂商的钱。2025 年 5 月 Datadog 下调过全年利润指引，主要原因之一就是云托管成本突然上涨
• 客户：约 33,400 家，从创业公司到大银行。年付费 $10 万以上的 4,720 家贡献了约 91% 的 ARR；年付费 $100 万以上 603 家 (2025 年末)，$1,000 万以上 34 家。最大的单一客户是一家 AI 公司，公司从未点名，分析师和媒体普遍认为是 OpenAI
• 渠道和伙伴：AWS、Azure 应用市场；和 Snowflake、Databricks、ClickHouse 做“联合查询”，客户可以把日志放在自己的数据仓库里、在 Datadog 界面里查

Datadog 一共 26 个产品，5 个 ARR 超过 $1 亿。它的增长可以写成：

一个具体例子 (按标价估算)：一家中型公司 500 台主机，开基础设施 Enterprise + APM，每月 10TB 日志。主机费 500 × ($23 + $31) = $2.7 万/月；日志摄入只要 $0.1 万/月，但给 100 亿条日志建索引要约 $1.7 万/月。合计约 $4.5 万/月，一年约 $50 万，还没算自定义指标、RUM 和安全。日志的钱主要花在“建索引”上，不在“收进来”上，这也是 Flex Logs、BYOC 这些“便宜方案”会自我蚕食的原因。

按用量收费的两面：客户业务好、云用量涨，Datadog 不用重新谈合同就多收钱，这是 NRR 能到 120% 的原因；客户要省钱，账单也会在一两个季度内下来。最出名的例子是 Coinbase：2021 年加密货币牛市里它的 Datadog 账单约 $6,500 万 (2022 Q1 一次性预付，CFO 2023.05 在电话会上提到“一家加密公司的大额预付”，后被确认是 Coinbase)。Coinbase 随后组建团队在 Grafana / Prometheus / ClickHouse 上搭了一套备份，同时写两份数据好几个月；最后 Datadog 重签了便宜很多的合同，Coinbase 留下了。这个故事同时说明了风险 (大客户会狠狠压价) 和护城河 (认真准备迁移的客户最后也没走)。

• 中型和云原生公司：基本不可替代。它们没有能力自己搭一套，Datadog 是事实标准；58% 的客户用 4 个以上产品，换掉要同时换掉几套工作流程
• 大型传统企业：最好的选择之一。Dynatrace、Splunk 在这里有老关系，Datadog 靠产品广度和云原生体验在抢份额，但要打价格战
• 超大规模的 AI 公司和互联网公司：已经有替代。数据量大到每年账单上亿美元时，自建一个团队用 ClickHouse 搭的成本只是零头。OpenAI 一边续约一边减量、同时用 Chronosphere，就是这一类客户的典型做法

• Non-GAAP 到 GAAP：过去四个季度 non-GAAP 营业利润 $918M (23%)，GAAP 营业利润只有 $16M (0.4%)。中间差的 $824M 是股票薪酬 (SBC)，另有约 $78M 是并购无形资产摊销和股权相关的雇主税。FY2025 全年 GAAP 营业利润是 −$44M
• FCF 和 SBC：过去四个季度 FCF $1,073M (收入的 27%)，SBC $824M (收入的 21%)。FCF 减 SBC 只剩 $249M，约收入的 6%
• 为什么要扣 SBC：Datadog 从不回购，发给员工的股票全部变成稀释：加权稀释股本从 Q2 2025 的 3.587 亿股增加到 Q2 2026 的 3.710 亿股，一年 +3.4%。如果公司想维持股本不变，就得每年花约 $8 亿回购，FCF 就几乎没了
• 好的一面：SBC 占收入在下降 (FY25 22% → 1H26 20%)，资产负债表很干净：现金和投资 $49.9 亿，只有 $10 亿 0% 利息的可转债 (2029 年到期)，净现金约 $40 亿
• 和 mapping 数据的差别：mapping 表里 DDOG 的“FCF TTM”写的是 $11.8 亿，和 2026 全年一致预期相同；按 8-K 加总最近四个季度是 $10.7 亿。结论不受影响：扣 SBC 后的 FCF 收益率都在 0.3% 左右，列入 deepdive 待核实

判断：指引可靠而且一贯保守，每季超出上限 3–5%。超预期的来源在变好：2025 年主要靠 AI 原生客户 (贡献 6–10 个点增长)，2026 年非 AI 客户成了主力，新客户贡献的增量也从约 20% 升到约 30%。质量上唯一变差的是毛利率，从 81.4% 降到 79.6%。全年指引从 2 月的 $40.8 亿 (中点) 上调到 8 月的 $44.6 亿，抬了 9.6%。

公司说最大客户已经“完全去风险”，但没说减了多少。可以用已披露的数字反推一个范围 (以下最大客户的金额都是估算)：

结论：Q3 指引里大约有 $30–40M 的保守空间，和过去每季超出上限 $35–45M 的习惯一致。11.04 的数字如果在 $1.17–1.18B，说明“其余业务在加速”成立；如果只是略超指引，说明 AI 客户的减量比公司暗示的大。

1. 最大客户减量会不会传染？OpenAI 一边续约一边减量，同时在用 Chronosphere。下一批规模变大的 AI 公司 (Anthropic 是 ClickHouse 的客户) 会不会也在年账单过亿时自建
2. 遥测数据的单价会不会持续下跌？OTel 降低迁移成本，ClickHouse、Snowflake 让存储变便宜；Datadog 自己推 Flex Logs、BYOC 也是在主动降价。用量涨得能不能比单价跌得快
3. AI agent 会把 Datadog 变成“存数据的地方”吗？如果排查故障的是 agent，不是人，那 Datadog 最值钱的界面和工作流就不值钱了，剩下的竞争只有每 GB 多少钱

• 正向：一致预期可能低估了 2027 年收入。FY27 一致预期约 $55 亿 (+23%)，FY28 约 $67.6 亿；而 2026 年实际增速约 30%，非 AI 业务在加速。如果 2027 年再做 28%，收入约 $57 亿，比一致预期高约 4%。mapping 的数据备注里也写了“当前 36% 的增速高于一致预期的远期路径，后者可能过时”
• 负向：市场在看 non-GAAP，没在看股东拿到的现金。即使收入超预期 4–5%，扣 SBC 的 FCF 也只有 $3–4 亿量级，股价对应约 250–300 倍。要让股东现金追上估值，必须 SBC 占收入大幅下降，或者开始回购，这两件事公司都没有承诺

1. 非 AI 业务 20% 后段的增速，是“企业上云 + 交叉销售”的长期趋势，还是 2025–26 年的周期反弹
2. 大客户 (年账单过亿) 的“压价 + 自建”会不会从 OpenAI 一家扩散到前 20 大客户，单价下跌能否被用量抵消
3. SBC 占收入能不能在 5 年内降到 10–12%，让扣 SBC 后的 FCF 利润率到 20% 以上

和 mapping 第 3 节同一套方法：横轴是一致预期未来约 3 年的年化增长，纵轴是倍数 (对数刻度)，虚线是全组软件公司回归出来的“这个增速对应的平均倍数”。线下方 = 按增长算便宜，线上方 = 市场在为增长以外的东西付溢价。

• 收入图：DDOG 的 3 年收入复合增速一致预期是 23.7%，回归线对应约 9.9x EV/Sales，实际 18.5x，比线高 87%。同一象限里 CRWD (+293%)、NET (+173%)、PANW (+127%)、FROG (+117%) 更贵；DT (−18%)、ESTC (−43%)、MDB (−1%) 在线上或线下
• 现金流图 (扣 SBC)：DDOG 的“市值 / NTM (FCF − SBC)”是 229x，一致预期的 3 年增长是 41%，回归线对应约 48x，比线高约 380%。mapping 的图把纵轴截在 150x，DDOG 在图外；这里把纵轴放到 400x，回归线和 mapping 完全一样
• 不扣 SBC 时 DDOG 是 71x、比线高 167%。三种口径都在线上方，区别只是贵多少

mapping (2026.10.15) 给 DDOG 的结论是“已定价”：AI 颠覆风险 3/5、AI 受益 4/5；年初至今 +95%；预期差“基本没有了，争论在执行，现价已经假设 25% 以上的增长能长期持续”。初筛 9 家里没有它。

我同意“现在不该为买入做 deepdive”，理由比 mapping 写的更具体：

• 问题不在生意。这份 primer 看下来，它的生意比 mapping 那一行字描述得更好：连续 5 个季度加速，非 AI 业务也在加速，指引一贯保守，一致预期可能偏低
• 问题在价格和 SBC。下面的反推显示，要在 $266 拿到 10% 年回报，需要收入 5 年年化约 30%、扣 SBC 后的 FCF 利润率从 6% 升到 21%，同时 2031 年还值 45 倍。三件事要同时发生，这是“一切顺利”情景，不是基本情景
• mapping 筛的是“低估值 + 大预期差”。DDOG 有一个小的正向预期差 (2027 收入)，但被一个更大的负向事实 (股东现金很少) 盖住了

我补充的一点：它值得做一个“学习型”的跟踪，而不是什么都不做。原因有两个：一是它是可观测性行业的标尺，看懂它就能判断 DT、ESTC 这些“便宜的替代品”到底便宜在哪；二是它的 AI 客户数据 (AI 原生收入占比、GPU 集群监控合同、LLM 调用量) 是观察 AI 推理和训练用量的一个侧面，和你在 AI 基础设施上的主线有交集。

软件公司用 non-GAAP EPS 算出来的 P/E 会高估股东回报，因为 SBC 被加回了。所以这里用“扣 SBC 后的 FCF”反推 (股东真正拿到的钱)：

如果管理层目标兑现会怎样：二手报道的长期目标是毛利率约 80%、non-GAAP 营业利润率 25% 以上。按 25% 营业利润率、FCF 利润率约 30%，在 SBC 还是 14% 的情况下，扣 SBC 后的利润率只有 16%，就是下面的“基本”情景，每股约 $113。目标本身算得通，问题是 non-GAAP 目标里没有 SBC。

拖动参数，看隐含价值和现价隐含的增速。默认值是“乐观”情景。

1. 模型：收入按“非 AI 客户 / AI 原生客户 (拆出最大客户)”两块建；非 AI 再拆成新客户 + 老客户用量增长 + 交叉销售 (按产品数分层的客户占比 × 每层平均支出)。利润端单列 SBC 和稀释，算扣 SBC 后的 FCF / 股
2. 要核实的数据：10-K 里 2025 年三笔并购的对价拆分 (Eppo $2.2 亿 vs 合计 $1.78 亿的矛盾)；10-Q 里 AI 原生客户对增长的贡献 (“高个位数个点”) 和最大客户的合同最低承诺额；2026.02 投资者日的长期利润率目标原文 (目前只有 MarketBeat 二手报道)；mapping 表里 TTM FCF $11.8 亿 vs 8-K 加总 $10.7 亿的差别
3. 专家访谈： (a) 一家 AI 实验室或大互联网公司的可观测性负责人：账单过亿后，自建 (ClickHouse / Chronosphere) 的真实成本和人力是多少，哪些数据留在 Datadog、哪些搬走； (b) 一家中型 SaaS 公司的 SRE 主管：过去两年 Datadog 账单怎么变、用 Flex Logs / 采样省了多少、有没有认真评估过 Grafana 或 Dynatrace； (c) Dynatrace 或 Grafana 的销售：在哪类客户里赢 Datadog、靠价格还是产品