Datadog 今年2 月份搞了个投资者日，发布了他们的 AI 战略。AI for Datadog 或者 Datadog for AI 都是熟知的战略，不值得特别讲。我比较感兴趣的还是他们对于“可观测性”的认知改变。几个变化（详细的文章欢迎阅读 http://t.cn/AXXAbtoM）：

首先是，系统性质从确定到随机，同样一句 prompt，模型这次和下次的回答可能不一样；一个 agent 面对同样的情况，可能走完全不同的路径。系统从"确定的"变成了"概率的"。

其次，操作系统的，将不只是人，而更多是 AI Agent， AI 研发、 AI 测试、AI 发布。

第三，数据的“读者”，也从人变成了 LLM，可观测性从 Monitoring -> Observability -> Autonomy 三段式演进。可观测性的终极目标，正在从"帮人更快地解决问题"，变成"让系统自己解决问题"，人退到验证、对齐和控制的位置上。

然后 Datadog 还自己训练了一个时序大模型 Toto，成本比通用大模型低，但是对于可观测性场景更适用。 Datadog 的核心竞争力也将来源于数据飞轮形成的海量运维数据。

换句话说，从商业逻辑看，可观测性在 Datadog 眼里从一个"成本中心式的监控工具"，变成了"AI 自治时代的基础设施" ：AI 越自主、越复杂,就越需要被观测、被验证(Validation)、被对齐(Alignment)、被控制(Control)——而这恰好是 Datadog 想占据的位置。