Datadog, Inc.是一家美国科技公司，提供面向云规模应用的观测平台，通过软件即服务（SaaS）数据分析平台，为服务器、数据库、工具和服务提供监控、安全和分析功能。该公司成立于纽约市并在此设立总部，于2019年在纳斯达克交易所上市，此后成为云监控领域的主要参与者。随着AI采用的增长，Datadog扩展了其平台以支持AI工作负载的监控，包括模型性能和数据管道，将自己定位为机器学习运维的关键观测服务提供商。
Datadog专注于帮助工程团队管理其基础设施和应用的可靠性、性能和成本。它提供仪表板、告警和指标可视化，并拥有广泛的集成生态系统，支持主要云提供商、容器编排器和AI开发工具。截至2025年，该公司支持超过750种集成，包括针对人工智能和机器学习框架的集成。
历史
Datadog于2010年由Olivier Pomel和Alexis Lê-Quôc在纽约市创立，两人在巴黎中央理工学院就读本科时相识，并曾在教育科技公司Wireless Generation共事。在Wireless Generation被NewsCorp收购后，他们寻求创建一款能减少开发人员与系统管理员之间摩擦的产品，这两类人员常常目标相悖。他们构建了Datadog作为云基础设施服务，提供仪表板、告警和指标可视化，随着云采用率的提升迅速填补了市场需求。
2015年，Datadog在巴黎开设了研发办公室，扩大了其工程足迹。一年后，它将纽约总部迁至纽约时报大厦，以支持当年翻倍的团队规模。全栈监控于2016年随着应用性能监控的测试版推出，随后扩展到其他领域。
该公司于2019年9月19日通过首次公开募股（IPO）上市，出售2400万股，筹集6.48亿美元，估值达87亿美元。在IPO之前，Datadog拒绝了思科70亿美元的收购要约。IPO首日股价上涨约37%，使公司市值接近100亿美元。Datadog于2025年7月被纳入标普500指数，反映了其成熟度和财务状况。
收购
Datadog通过一系列战略性收购来扩展其平台能力。2021年4月，它收购了云应用安全公司Sqreen，将运行时应用安全和保护功能引入平台。这增加了一个AppSec层，能够实时检测威胁，对于输入操纵可能构成风险的AI应用尤为有用。
该公司于2023年4月收购了静态分析平台Codiga，扩展到开发者生命周期工具和代码质量领域。这支持对AI代码库的监控以及对代码边缘情况的自动审查，有助于维护模型调用质量。2025年，它通过两项收购进一步扩展：Metaplane（2025年4月），一家数据观测公司，以及Eppo（2025年5月），一家功能标志和实验平台。
通过Metaplane，Datadog增强了对数据管道和AI工作负载的监控，解决了防止模型漂移所需的数据质量检查需求。Eppo将功能标志和实验能力集成到产品分析库中，用于在生产环境中测试AI模型。这些收购反映了支持完整AI开发生命周期的战略路径。
产品与服务
Datadog提供一系列观测产品线，每个都旨在支持云和混合环境。核心产品包括基础设施监控、网络性能监控和网络设备监控，提供对健康和性能的实时可见性。无服务器监控将此扩展到函数即服务工作负载，这对于通常运行在无服务器架构上的AI推理服务至关重要。
云成本管理帮助企业管理跨云资源的支出，包括计算、存储和数据传输，这些在训练大型神经网络时尤为重要。该平台生成仪表板、设置告警并可视化指标，使团队能够快速响应异常。它与主要的AWS、Azure和Google Cloud以及其他提供商集成。
针对AI特定需求，Datadog引入了模型监控支持。这是通过平台实现的，尽管细节披露有限。该公司收购了Metaplane以处理数据血缘和质量，而Eppo带来了实验功能，这对于使用不同超参数进行A/B测试模型非常有用。随着生成式AI的普及，Datadog帮助监控生成模型的准确性、响应性和服务水平符合性。
技术
Datadog代理安装在主机和容器上，负责收集并发送指标到后端。该代理使用Go编写，基于2018年2月28日发布的6.0.0版本重写。它最初使用Python（用于其钩子），但为了更好的性能迁移到了Go。后端利用Apache Cassandra、PostgreSQL和Kafka等先进软件，以及D3进行数据可视化。
对于机器学习，Datadog的后端支持与流行的ML框架集成，但该公司不提供模型训练。相反，它充当AI系统的观测层。例如，网络性能监控用于监控推理集群，代理可以扩展以支持自定义指标。该平台使用专有数据分析来检测异常。
部署在Apple设备或Arm芯片上的模型可以通过捕获系统指标的集成进行监控。Datadog不训练AI模型；相反，它定位为一种工具，确保使用大型语言模型（LLM）或其他方法构建的AI应用可靠运行，帮助解决响应延迟和令牌消耗等问题。
融资与财务
融资历史显示了强劲的投资者信心。2010年，Datadog以种子轮启动，参与者包括NYC Seed、Contour Venture Partners、IA Ventures以及Jerry Neumann和Alex Payne。2012年进行了620万美元的A轮融资，由Index Ventures和RTP Ventures共同领投。2014年进行了由OpenView Venture领投的B轮融资，2015年进行了由Index领投的3100万美元C轮融资。2016年，ICONIQ领投了9450万美元的D轮融资，这是当年纽约公司最大规模的融资之一。
该公司的IPO设定了87亿美元的官方估值，股价飙升使市值在收盘时接近100亿美元。后续发行和股价增长定义了其公开上市时期。截至2024年，Datadog在33个国家拥有约6500名员工，在纽约、波士顿、丹佛、旧金山、巴黎、都柏林、阿姆斯特丹、悉尼、东京和新加坡设有办公室，约59%的员工位于美国。
AI监控与生态系统
Datadog扩展至AI观测领域是监控平台更广泛趋势的一部分。虽然AWS Trainium和Groq等公司提供硬件加速推理，但Datadog提供软件遥测来跟踪性能和使用情况。对于AI工作负载，它提供结合基础设施指标和模型特定指标（如令牌使用量和置信度分数）的仪表板，帮助团队诊断瓶颈并维护机器学习准确性。
与OpenAI和Anthropic的集成是可能的，但即使没有这些，Datadog也能捕获API调用及其成本。在生成式AI的背景下，监控可以包括内容审核以确保输出符合政策。Datadog处理流式数据的能力（逐令牌）在后端使用这种方法。其平台有助于缓解模型部署问题，如模型漂移。
AI观测领域的相关公司包括Essential AI等初创公司，但Datadog通过其基础设施数据脱颖而出。它还与Azure、AWS和Google Cloud等云提供商保持一致，以帮助其AI服务。虽然Datadog本身不提供模型，但它允许机器学习团队确保基于大型语言模型构建的应用可靠运行。
影响与未来方向
Datadog已成为云监控的标准工具，其AI关注反映了行业的转变。2025年，它增加了Eppo和Metaplane收购，表明其正成为AI开发生命周期中的关键资产。随着AI应用被部署在关键任务环境中，观测性至关重要。
Datadog很可能会深化其AI能力，该公司正顺应合成AI趋势，但截至2025年初，其战略的官方定位尚未完全公开。它继续每月扩展集成，拥抱对人工智能框架的支持，并可能增加LLM特定指标监控等功能。未来可能会出现更多模型观测产品。
总之，Datadog的收入随着其扩展而增长，其向AI就绪监控的转型既是战略机遇也是挑战领域。由于AWS Trainium和Groq等竞争对手不涉足这一观测领域，Datadog仍然是开发者的默认选择。其2025年纳入标普500指数反映了其财务稳定性，而其AI关注点很可能推动机器学习部署、模型可靠性和数据质量领域的创新。