你有沒有想過，監(jiān)控生產環(huán)境這件事可能徹底變了？工程師們每天被淹沒在成千上萬的告警和數據流中，疲于應對各種突發(fā)事件。傳統(tǒng)的可觀測性工具正在變成昂貴的噪音生成器，而不是真正能幫助解決問題的合作伙伴。但如果告訴你，有一個平臺不僅能監(jiān)控你的系統(tǒng)，還能主動發(fā)現問題、診斷根因、甚至自動修復，你會怎么想？

這不是科幻場景，而是剛剛獲得1.1億美元B輪融資、估值達到10億美元的 Dash0 正在實現的現實。這家由 Balderton Capital 領投的初創(chuàng)公司，正在用 AI agent 徹底改變軟件運維的方式。當硅谷資本圈還在討論 AI 將如何顛覆各個行業(yè)時，Dash0 已經用實際行動證明：在生產環(huán)境運維這個領域，AI agent 不是未來，而是當下。

我深入研究了 Dash0 的融資公告、創(chuàng)始人訪談和產品架構后，發(fā)現這家公司的故事遠比表面上看起來更有意思。它不僅僅是又一個拿到大額融資的初創(chuàng)公司，而是代表了整個可觀測性行業(yè)正在經歷的根本性轉變。從被動監(jiān)控到主動管理，從人工診斷到自主修復，從專有標準到開放協議，這些轉變正在重新定義我們如何構建和運維現代軟件系統(tǒng)。

PS：我的出海新書已經上架了，我特意申請了公眾號讀者專屬的優(yōu)惠鏈接，可以享受半價折扣，歡迎感興趣的朋友購買。

同時我還特地建立了實名制的讀者群，我會在群里定期解答一些問題和開展線上線下活動，歡迎購書的朋友實名制入群，大家一塊交流，共同出海！

傳統(tǒng)可觀測性工具為什么失效了

我在軟件行業(yè)工作多年，親眼見證了可觀測性工具的演進。早期的監(jiān)控工具很簡單，就是設置一些閾值告警，CPU 使用率超過 80% 就發(fā)個郵件通知。但隨著架構變得越來越復雜，從單體應用到微服務，從虛擬機到容器，從傳統(tǒng)數據中心到云原生環(huán)境，監(jiān)控系統(tǒng)產生的數據量呈指數級增長。

Dash0 的 CEO Mirko Novakovic 在接受采訪時說了一句話，我覺得特別精準："我們的工作是在干草堆里找針。如果干草堆變得更大，并不會讓找針變得更容易。如果你還要為這些干草付錢，那就更不合理了。"這句話道出了當前可觀測性工具面臨的核心困境：數據越來越多，但洞察力卻沒有同步提升，反而成本不斷攀升。

我觀察到的另一個問題是，傳統(tǒng)可觀測性廠商的商業(yè)模式本身就有問題。它們按數據量收費，你發(fā)送的日志、指標和追蹤數據越多，賬單就越高。這就造成了一個悖論：為了控制成本，工程團隊不得不限制數據采集，但這又意味著可能錯過關鍵信息。我聽說過不少公司因為可觀測性工具的成本失控，每年要支付數百萬美元的賬單，但實際上大部分數據從未被真正利用過。

更嚴重的是告警疲勞問題。現代應用可能運行著成百上千個微服務，每個服務都在產生告警。當系統(tǒng)出現問題時，工程師可能同時收到幾十甚至上百個告警通知。哪個是根本原因？哪些只是連鎖反應？人類根本無法在短時間內處理如此海量的信息。結果就是工程師要么忽略大部分告警，要么疲于奔命卻抓不住重點。

我認為，這些問題的根源在于：傳統(tǒng)可觀測性工具是為儀表盤和人工響應設計的，它們假設有人會盯著屏幕看圖表，分析趨勢，手動排查問題。但在 AI 時代，當代碼生成速度加快、部署頻率提高、系統(tǒng)復雜度暴增時，這種模式已經完全不適用了。我們需要的不是更多數據和更漂亮的儀表盤，而是能夠自主理解問題并采取行動的智能系統(tǒng)。

Agent0：從監(jiān)控到自主運維的跨越

Dash0 的核心創(chuàng)新在于它的 Agent0 平臺，這是一個由專門化 AI agent 組成的系統(tǒng)，能夠將原始的可觀測性數據轉化為自主行動。注意，我說的是"自主行動"，不僅僅是"發(fā)現問題"或"提供建議"。

Agent0 包含多種類型的 AI agent，每一種都專注于解決特定的運維場景。AI SRE agent 可以找到生產問題的根本原因，并提供清晰的修復指導?？捎^測性繁瑣工作 agent 能夠自動創(chuàng)建儀表盤、告警和 SLO，并隨著系統(tǒng)變化保持更新。遷移 agent 可以自動幫助團隊從昂貴的傳統(tǒng)廠商遷移出來。成本優(yōu)化 agent 持續(xù)優(yōu)化基礎設施支出。安全 agent 實時檢測和響應異常。部署 agent 驗證發(fā)布、控制推出過程，并在問題變成事故之前緩解回滾風險。

我特別欣賞 Dash0 允許客戶在其開放平臺上構建和部署自定義 agent 的做法。這創(chuàng)造了一個復合層的運營智能，可以根據每個公司獨特的生產環(huán)境進行定制。這種開放性非常重要，因為沒有兩家公司的技術棧和運維需求是完全相同的。通過提供構建自定義 agent 的能力，Dash0 讓每個客戶都能將其平臺打造成最適合自己的工具。

在我看來，Agent0 代表了可觀測性行業(yè)的一個關鍵轉折點：從被動監(jiān)控到主動管理的轉變。傳統(tǒng)工具只會告訴你"有問題了"，但 Agent0 會告訴你"問題出在哪里，為什么會出現，以及如何修復"。更進一步，它可以在某些情況下自動執(zhí)行修復操作，完全不需要人工介入。

這種能力在當今的軟件開發(fā)環(huán)境中尤其重要。Mirko 在訪談中提到了一個讓我印象深刻的例子：他們的 CTO 最近創(chuàng)建了一個包含 3 萬行代碼的 PR（拉取請求）。這些代碼大部分是由 AI 編碼 agent 生成的?，F在想象一下，當這 3 萬行代碼被推送到生產環(huán)境后會發(fā)生什么？人類幾乎不可能完整審查這么多代碼，也無法預測所有潛在問題。這就是 Dash0 的 agent 發(fā)揮作用的地方：它們會監(jiān)控新代碼的行為，快速識別是否存在問題，必要時可以自動回滾或逐步推出功能。

我覺得這揭示了一個更深層的趨勢：當 AI 開始大規(guī)模生成代碼時，我們也需要 AI 來監(jiān)控和管理這些代碼。人類的認知能力是有限的，但 AI agent 可以處理的數據量和速度遠超人類。這不是要取代工程師，而是讓工程師能夠專注于更高價值的工作，而不是被淹沒在告警和日志中。

OpenTelemetry：為什么開放標準如此重要

如果你關注可觀測性領域，你會注意到 Dash0 反復強調一點：它是"原生構建在 OpenTelemetry 之上"的。這不是什么營銷噱頭，而是一個戰(zhàn)略性的技術決策，也是 Dash0 能夠快速成長并獲得市場認可的關鍵原因之一。

OpenTelemetry 是一個開源標準，用于收集和組織應用程序的遙測數據。在 OpenTelemetry 出現之前，可觀測性市場被專有格式主導。你選擇了 Datadog，就要使用 Datadog 的 agent 和數據格式；你選擇了 Dynatrace，就要用 Dynatrace 的方式。這種鎖定非常強，因為一旦你的整個監(jiān)控體系建立在某個廠商的專有格式上，遷移成本就會極高。

Mirko 在訪談中解釋了 OpenTelemetry 的起源。這個標準最初是由 Google 等公司推動的，核心動機不是為了消除廠商鎖定，而是為了解決云平臺提供遙測數據的問題。當你使用 AWS 或 Google Cloud 時，這些平臺需要提供關于你應用運行狀況的數據。但它們不可能支持市面上所有可觀測性廠商的專有格式。所以需要一個標準化的格式，讓數據能夠在不同工具之間流動。

我認為 OpenTelemetry 的價值遠不止于此。它實際上改變了可觀測性市場的權力結構。數據不再屬于廠商，而是屬于客戶。你可以用同一套 OpenTelemetry 數據對接不同的分析工具，可以輕松切換供應商，也可以同時使用多個工具來滿足不同需求。這種靈活性對企業(yè)客戶來說極具吸引力。

但 Dash0 利用 OpenTelemetry 的方式更加聰明。Mirko 提到了一個我之前沒有意識到的重要點：大語言模型已經在 OpenTelemetry 上訓練過了。因為 OpenTelemetry 是開源的、公開的、有完整文檔的標準，所有這些信息都已經被納入了 LLM 的訓練數據中。這意味著當你把 OpenTelemetry 格式的追蹤數據輸入到 Claude 或 ChatGPT 時，模型能夠直接理解這些數據的含義和上下文。

這就是為什么 Dash0 能夠如此快速地在其平臺上集成 AI 能力。它們不需要訓練模型去理解專有數據格式，不需要建立復雜的數據轉換層，因為底層數據已經是 LLM 能夠理解的標準格式了。從某種意義上說，選擇 OpenTelemetry 作為基礎，讓 Dash0 在 AI 集成方面占據了先發(fā)優(yōu)勢。

另一個重要的技術優(yōu)勢是上下文管理。Mirko 強調 Dash0 從第一天起就專注于保持數據的上下文完整性。什么意思呢？當你的應用出現性能問題時，你需要關聯多種類型的數據：日志告訴你發(fā)生了什么，追蹤數據告訴你代碼如何在系統(tǒng)中流動，指標告訴你資源使用情況。但你不需要所有服務器的 CPU 使用率，你只需要運行問題代碼的那臺服務器的數據。這就是上下文。

我發(fā)現很多可觀測性工具在這方面做得很糟糕。它們會給你海量數據，但缺乏上下文關聯，你需要手動拼湊線索。而 Dash0 的架構確保所有數據都帶著完整的上下文，這對 AI agent 來說至關重要。LLM 的上下文窗口是有限的，你不能把所有數據都塞給它。你必須提供正確的、帶有正確上下文的數據，AI 才能做出有意義的分析和建議。

一個連續(xù)創(chuàng)業(yè)者的成功密碼

我覺得 Dash0 的故事不能不提創(chuàng)始人 Mirko Novakovic 的背景。這不是他第一次創(chuàng)業(yè)，也不是他第一次做可觀測性公司。2015 年，他創(chuàng)立了 Instana，同樣是一家可觀測性公司，專注于微服務監(jiān)控。經過 5 年發(fā)展，Instana 在 2020 年被 IBM 以 5 億美元收購。

從 Mirko 的訪談中，我看到了一個成功連續(xù)創(chuàng)業(yè)者應有的特質：謙遜、學習能力強、對市場變化保持敏感。他說賣掉 Instana 之后，他對妻子說再也不會做創(chuàng)業(yè)公司了，絕對不會再做可觀測性。然后他去度假、做天使投資。但兩年半后，當 Accel 請他幫忙做一家可觀測性公司的盡職調查時，他重新燃起了激情。

我特別喜歡他描述的那個場景：他和妻子喝著紅酒，跟她講 OpenTelemetry 這個新標準有多么令人興奮。他妻子可能已經被他煩得不行了，就說："那你就去做吧。"就在那天晚上，Mirko 拿出信用卡，在美國注冊了 Dash0 公司。

從 Instana 到 Dash0，Mirko 帶來了寶貴的經驗教訓。他說 Instana 從第一天起就是純企業(yè)銷售模式，當公司規(guī)模達到 2000 萬到 3000 萬美元年收入時，他們發(fā)現很難建立足夠的銷售管道。通過 SDR（銷售開發(fā)代表）進行外呼的企業(yè)銷售太昂貴、太費力了。

所以這次他改變了策略，構建了一個適合 PLG（產品驅動增長）的產品。用戶可以自助注冊、試用產品、輸入信用卡進行小額購買，然后逐步擴大使用規(guī)模。這種自下而上的增長模式更符合當今開發(fā)者的工作方式。20 年前，購買決策可能是由 CTO 或基礎設施副總裁做出的，銷售代表可以通過牛排晚宴搞定一筆交易。但現在完全不同了，決策權在開發(fā)者和技術團隊手中。

Mirko 說現在的高管會告訴銷售："我不做決定，讓我的開發(fā)團隊去評估。"這種管理風格是好的，但它徹底改變了銷售方式。開發(fā)者不想和銷售人員交談，他們想自己找到產品、測試它、看看是否有價值，然后才愿意進行更深入的對話。

我認為這種洞察非常重要。很多創(chuàng)業(yè)者會堅持某種特定的商業(yè)模式或銷售策略,即使市場已經變化了。但 Mirko 展現出了強大的適應能力。他從第一次創(chuàng)業(yè)中學到了什么有效、什么無效，然后在第二次創(chuàng)業(yè)時做出了相應調整。這種學習和進化能力,正是優(yōu)秀創(chuàng)業(yè)者的標志。

另一個有趣的細節(jié)是團隊構成。Dash0 有一支由來自微軟和 Google 的資深 AI 工程師組成的團隊。首席 AI 官 Anirudh Badam 在微軟西雅圖總部有超過十年的 AI/ML 經驗,創(chuàng)始 AI 工程師 Vijay Sagar 在 Google 硅谷辦公室開發(fā)機器學習模型十年。這樣的技術團隊配置，對于構建 Agent0 這樣復雜的 AI 系統(tǒng)是必不可少的。

快速增長的秘訣和市場機會

Dash0 的增長速度讓人印象深刻。公司成立于 2023 年，僅僅五個月前完成了 A 輪融資，現在就宣布了 B 輪。在這期間，他們的銷售數字比計劃高出了 5 倍，突破了 1000 萬美元的年度經常性收入（ARR），并計劃在 2026 年實現 10 倍增長。目前擁有超過 600 家付費客戶，包括 Zalando、Taco Bell 和 The Telegraph 這樣的全球品牌。

我覺得這種快速增長背后有幾個關鍵因素。第一是市場時機。Mirko 說他在可觀測性領域有 26 年經驗，當他創(chuàng)立 Dash0 時，其實并不確定能增長得這么快。這是一個競爭激烈的紅海市場，有一些大型玩家占據主導地位。但事實證明，市場已經"壞掉"了?？蛻舢a生大量數據，但要為這些數據支付高昂費用，而數據量的增加并不意味著更好的洞察力。

第二是差異化的定價模式。Dash0 幫助客戶減少數據量，基于數據流經平臺的總量收費，而不是像 Datadog 那樣為不同類型的數據分別計費。Mirko 說這種簡化的計費方式給了他們相對于競爭對手的優(yōu)勢。客戶知道自己要付多少錢，不會因為賬單意外飆升而感到沮喪。

第三是 150% 的凈收入留存率（NRR）。這是一個非常健康的指標，說明現有客戶不僅在續(xù)約，還在大幅增加使用量。他們添加更多數據、更多功能，并在 Dash0 和 OpenTelemetry 基礎上整合他們的平臺。Mirko 提到，幾乎每個登錄 Dash0 的用戶都在使用 Agent0，用 AI 來理解數據。這種高參與度是產品真正有價值的標志。

第四是 PLG 策略的成功執(zhí)行。Dash0 每周通過 PLG 獲得 15 到 20 個新客戶，這些客戶可能是小型創(chuàng)業(yè)公司，也可能是大型企業(yè)內的團隊在測試產品。這種持續(xù)的客戶流入為銷售團隊提供了大量線索。有時一個團隊會在大公司內部使用 Dash0，然后銷售團隊可以介入，看看是否能將使用范圍擴展到整個公司。

我認為 Dash0 正在抓住一個巨大的市場機會：幫助企業(yè)擺脫傳統(tǒng)廠商的高成本和復雜性。投資人 Ross Mason 說："我們從第一天起就看著 Dash0 以罕見的精確度執(zhí)行。加大對這個團隊的投資不是一個困難的決定，而是一個顯而易見的選擇。從被動可觀測性到自主生產運營的轉變，是這個十年中最重要的基礎設施轉型之一，而 Dash0 正在引領它。"

這輪融資的用途也很清晰。最大的投資將用于深化 Agent0 平臺，擴展自主 agent 庫，加速核心工程路線圖，并向在 Dash0 基礎設施上構建自己 agent 的客戶開放平臺。大量資金將用于激進的市場拓展，主要聚焦美國市場，那里企業(yè)工程團隊的需求最強，取代 Datadog 和 Grafana 等現有廠商的機會最直接。公司還將進行針對性的戰(zhàn)略收購，涉及 LLM 和 agent 可觀測性、AI SRE 和 AI 安全領域，加速那些原本需要多年才能有機增長出來的能力。

AI 正在改變一切，包括可觀測性

在訪談中，Mirko 多次提到 AI 正在以難以置信的速度改變整個行業(yè)。他坦言，很難制定清晰的 6 個月戰(zhàn)略，更不用說 5 到 10 年的規(guī)劃了。變化速度太快了。

他舉了一個讓我印象深刻的例子：如果你在 6 個月前問他關于編碼 agent 的問題，他不會預料到今天他們 90% 以上的代碼是由 agent 生成的。但現在這就是現實。編碼 agent 正在生成大部分代碼，這改變了可觀測性的使用方式。

想想這意味著什么。傳統(tǒng)上，可觀測性是用來監(jiān)控人類開發(fā)者編寫的代碼。但現在，agent 在編寫代碼，這些代碼可能包含數萬行，幾乎不可能完整審查。你只能把它推送到生產環(huán)境，然后依靠可觀測性平臺來快速識別問題。Dash0 的 agent 會檢測新的代碼變更，調查它是否正常工作，如果有問題可以自動回滾，或者逐步增加流量來驗證新功能。

我覺得這揭示了一個更深層次的趨勢：AI 生成的代碼需要 AI 來監(jiān)控和管理。這不是巧合，而是必然。當代碼生成速度遠超人類理解速度時，我們需要同樣快速的 AI 系統(tǒng)來確保這些代碼在生產環(huán)境中正常運行?？捎^測性在 AI 時代不再只是"看看系統(tǒng)運行得怎么樣"，而是成為一種保險策略，確保高頻部署的大量 AI 生成代碼不會引發(fā)災難。

Mirko 還提到，AI 正在改變產品開發(fā)的方方面面。他們使用 Claude（Anthropic 的大語言模型）來分析 OpenTelemetry 數據，因為 Claude 已經在這個開源標準上訓練過了。當你把 OpenTelemetry 追蹤數據粘貼到 Claude 或 ChatGPT 時，模型能夠理解它是什么，因為它是一個公開的、有完整文檔的標準，包括語義約定和開源的代碼插樁 agent。

我認為 Dash0 在 AI 時代的成功不是偶然的。他們的架構恰好適合這個新世界，雖然在 2023 年創(chuàng)立時并沒有預見到所有這些變化。但當市場轉向 AI 驅動的開發(fā)和運維時，Dash0 已經做好了準備。他們擁有正確的數據格式（OpenTelemetry）、正確的架構（上下文化的數據）和正確的心態(tài)（擁抱 AI）。

對未來的思考：數據才是護城河

在最近的市場動蕩中，投資者開始重新評估哪里才有真正的競爭優(yōu)勢。很多軟件公司因為擔心 AI 會讓它們變得過時而股價大跌。在這種背景下，Dash0 的融資成功顯得格外有意義。

Mirko 在采訪中說了一句話，我覺得特別關鍵："對我們來說，護城河是數據。"他舉例說，對于像 Zalando 這樣的客戶，他們捕獲的請求數量達到數萬億級別。目前的大語言模型，即使是像 Anthropic 的 Claude 這樣先進的模型，也還無法攝入 Dash0 能夠處理的數據量。

我認為這個觀點非常深刻。在 AI 時代，很多人擔心軟件會被商品化，因為 AI 可以快速生成代碼。但 Dash0 的價值不在于代碼本身，而在于它能夠處理、關聯和理解海量生產數據的能力。這些數據是獨特的、特定于每個客戶的，包含了關于系統(tǒng)如何運行、用戶如何交互、問題如何發(fā)生的深層知識。

這些數據加上 AI agent 的處理能力，形成了一個難以復制的競爭優(yōu)勢。你不能簡單地拿一個通用的 LLM 來替代 Dash0，因為 LLM 需要正確的數據、正確的上下文和正確的領域知識才能做出有意義的分析。而 Dash0 正是在構建這樣一個完整的系統(tǒng)：OpenTelemetry 標準的數據采集、智能的數據關聯和上下文管理、專門化的 AI agent 來處理不同的運維場景。

展望未來，我相信我們會看到更多這樣的趨勢：不是用 AI 取代軟件，而是用 AI 增強軟件，使其能夠處理以前人類無法處理的復雜性和規(guī)模。Dash0 不是在取代 SRE（網站可靠性工程師），而是在增強他們的能力，讓他們能夠管理比以前復雜得多的系統(tǒng)。

我也很欣賞 Dash0 對開放標準的堅持。在一個很多公司試圖通過專有技術鎖定客戶的時代，Dash0 選擇了相反的路徑：基于開放標準構建，讓客戶擁有自己的數據，提供靈活性而不是鎖定。這種理念不僅在道德上是正確的，在商業(yè)上也是明智的。因為它降低了客戶采用的風險，建立了長期的信任關系。

Balderton Capital 的合伙人 Rana Yared 說："Dash0 構建了每個 AI 驅動公司都將依賴的基礎設施層。Mirko 和團隊結合了深厚的技術信譽和真正差異化的方法。我們相信 Dash0 將定義生產運營的下一個時代。"我完全同意這個判斷。隨著越來越多的公司采用 AI 來開發(fā)軟件，他們也需要 AI 來運維軟件。Dash0 正是在構建這個關鍵的基礎設施。

從 Dash0 的故事中，我看到了幾個關鍵教訓：堅持開放標準、擁抱快速變化、從失敗中學習、專注于真正的客戶價值、建立強大的技術團隊。這些原則在任何行業(yè)、任何時代都適用，但在 AI 時代顯得尤為重要。因為當技術變化如此之快時，只有那些能夠快速學習和適應的公司才能生存并繁榮。

Dash0 的 1.1 億美元融資不僅僅是另一個融資新聞，它標志著可觀測性行業(yè)進入了一個新紀元。從被動監(jiān)控到主動管理，從人工排查到 AI 自主修復，從專有格式到開放標準，這些轉變正在重塑我們如何構建和運營現代軟件系統(tǒng)。我相信，幾年后回頭看，我們會意識到這是一個轉折點。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。

- END -

兩個“特別坑”的AI產品創(chuàng)業(yè)方向，你知道嗎

速度將成為AI時代唯一的護城河

a16z重磅預測：Vibe coding贏者通吃？錯了，垂直專業(yè)化才是未來