你有没有想过，监控生产环境这件事可能彻底变了？工程师们每天被淹没在成千上万的告警和数据流中，疲于应对各种突发事件。传统的可观测性工具正在变成昂贵的噪音生成器，而不是真正能帮助解决问题的合作伙伴。但如果告诉你，有一个平台不仅能监控你的系统，还能主动发现问题、诊断根因、甚至自动修复，你会怎么想？
这不是科幻场景，而是刚刚获得1.1亿美元B轮融资、估值达到10亿美元的 Dash0 正在实现的现实。这家由 Balderton Capital 领投的初创公司，正在用 AI agent 彻底改变软件运维的方式。当硅谷资本圈还在讨论 AI 将如何颠覆各个行业时，Dash0 已经用实际行动证明：在生产环境运维这个领域，AI agent 不是未来，而是当下。
我深入研究了 Dash0 的融资公告、创始人访谈和产品架构后，发现这家公司的故事远比表面上看起来更有意思。它不仅仅是又一个拿到大额融资的初创公司，而是代表了整个可观测性行业正在经历的根本性转变。从被动监控到主动管理，从人工诊断到自主修复，从专有标准到开放协议，这些转变正在重新定义我们如何构建和运维现代软件系统。
PS：我的出海新书已经上架了，我特意申请了公众号读者专属的优惠链接，可以享受半价折扣，欢迎感兴趣的朋友购买。
同时我还特地建立了实名制的读者群，我会在群里定期解答一些问题和开展线上线下活动，欢迎购书的朋友实名制入群，大家一块交流，共同出海！
传统可观测性工具为什么失效了
我在软件行业工作多年，亲眼见证了可观测性工具的演进。早期的监控工具很简单，就是设置一些阈值告警，CPU 使用率超过 80% 就发个邮件通知。但随着架构变得越来越复杂，从单体应用到微服务，从虚拟机到容器，从传统数据中心到云原生环境，监控系统产生的数据量呈指数级增长。
Dash0 的 CEO Mirko Novakovic 在接受采访时说了一句话，我觉得特别精准："我们的工作是在干草堆里找针。如果干草堆变得更大，并不会让找针变得更容易。如果你还要为这些干草付钱，那就更不合理了。"这句话道出了当前可观测性工具面临的核心困境：数据越来越多，但洞察力却没有同步提升，反而成本不断攀升。
我观察到的另一个问题是，传统可观测性厂商的商业模式本身就有问题。它们按数据量收费，你发送的日志、指标和追踪数据越多，账单就越高。这就造成了一个悖论：为了控制成本，工程团队不得不限制数据采集，但这又意味着可能错过关键信息。我听说过不少公司因为可观测性工具的成本失控，每年要支付数百万美元的账单，但实际上大部分数据从未被真正利用过。
更严重的是告警疲劳问题。现代应用可能运行着成百上千个微服务，每个服务都在产生告警。当系统出现问题时，工程师可能同时收到几十甚至上百个告警通知。哪个是根本原因？哪些只是连锁反应？人类根本无法在短时间内处理如此海量的信息。结果就是工程师要么忽略大部分告警，要么疲于奔命却抓不住重点。
我认为，这些问题的根源在于：传统可观测性工具是为仪表盘和人工响应设计的，它们假设有人会盯着屏幕看图表，分析趋势，手动排查问题。但在 AI 时代，当代码生成速度加快、部署频率提高、系统复杂度暴增时，这种模式已经完全不适用了。我们需要的不是更多数据和更漂亮的仪表盘，而是能够自主理解问题并采取行动的智能系统。
Agent0：从监控到自主运维的跨越
Dash0 的核心创新在于它的 Agent0 平台，这是一个由专门化 AI agent 组成的系统，能够将原始的可观测性数据转化为自主行动。注意，我说的是"自主行动"，不仅仅是"发现问题"或"提供建议"。
Agent0 包含多种类型的 AI agent，每一种都专注于解决特定的运维场景。AI SRE agent 可以找到生产问题的根本原因，并提供清晰的修复指导。可观测性繁琐工作 agent 能够自动创建仪表盘、告警和 SLO，并随着系统变化保持更新。迁移 agent 可以自动帮助团队从昂贵的传统厂商迁移出来。成本优化 agent 持续优化基础设施支出。安全 agent 实时检测和响应异常。部署 agent 验证发布、控制推出过程，并在问题变成事故之前缓解回滚风险。
我特别欣赏 Dash0 允许客户在其开放平台上构建和部署自定义 agent 的做法。这创造了一个复合层的运营智能，可以根据每个公司独特的生产环境进行定制。这种开放性非常重要，因为没有两家公司的技术栈和运维需求是完全相同的。通过提供构建自定义 agent 的能力，Dash0 让每个客户都能将其平台打造成最适合自己的工具。
在我看来，Agent0 代表了可观测性行业的一个关键转折点：从被动监控到主动管理的转变。传统工具只会告诉你"有问题了"，但 Agent0 会告诉你"问题出在哪里，为什么会出现，以及如何修复"。更进一步，它可以在某些情况下自动执行修复操作，完全不需要人工介入。
这种能力在当今的软件开发环境中尤其重要。Mirko 在访谈中提到了一个让我印象深刻的例子：他们的 CTO 最近创建了一个包含 3 万行代码的 PR（拉取请求）。这些代码大部分是由 AI 编码 agent 生成的。现在想象一下，当这 3 万行代码被推送到生产环境后会发生什么？人类几乎不可能完整审查这么多代码，也无法预测所有潜在问题。这就是 Dash0 的 agent 发挥作用的地方：它们会监控新代码的行为，快速识别是否存在问题，必要时可以自动回滚或逐步推出功能。
我觉得这揭示了一个更深层的趋势：当 AI 开始大规模生成代码时，我们也需要 AI 来监控和管理这些代码。人类的认知能力是有限的，但 AI agent 可以处理的数据量和速度远超人类。这不是要取代工程师，而是让工程师能够专注于更高价值的工作，而不是被淹没在告警和日志中。
OpenTelemetry：为什么开放标准如此重要
如果你关注可观测性领域，你会注意到 Dash0 反复强调一点：它是"原生构建在 OpenTelemetry 之上"的。这不是什么营销噱头，而是一个战略性的技术决策，也是 Dash0 能够快速成长并获得市场认可的关键原因之一。
OpenTelemetry 是一个开源标准，用于收集和组织应用程序的遥测数据。在 OpenTelemetry 出现之前，可观测性市场被专有格式主导。你选择了 Datadog，就要使用 Datadog 的 agent 和数据格式；你选择了 Dynatrace，就要用 Dynatrace 的方式。这种锁定非常强，因为一旦你的整个监控体系建立在某个厂商的专有格式上，迁移成本就会极高。
Mirko 在访谈中解释了 OpenTelemetry 的起源。这个标准最初是由 Google 等公司推动的，核心动机不是为了消除厂商锁定，而是为了解决云平台提供遥测数据的问题。当你使用 AWS 或 Google Cloud 时，这些平台需要提供关于你应用运行状况的数据。但它们不可能支持市面上所有可观测性厂商的专有格式。所以需要一个标准化的格式，让数据能够在不同工具之间流动。
我认为 OpenTelemetry 的价值远不止于此。它实际上改变了可观测性市场的权力结构。数据不再属于厂商，而是属于客户。你可以用同一套 OpenTelemetry 数据对接不同的分析工具，可以轻松切换供应商，也可以同时使用多个工具来满足不同需求。这种灵活性对企业客户来说极具吸引力。
但 Dash0 利用 OpenTelemetry 的方式更加聪明。Mirko 提到了一个我之前没有意识到的重要点：大语言模型已经在 OpenTelemetry 上训练过了。因为 OpenTelemetry 是开源的、公开的、有完整文档的标准，所有这些信息都已经被纳入了 LLM 的训练数据中。这意味着当你把 OpenTelemetry 格式的追踪数据输入到 Claude 或 ChatGPT 时，模型能够直接理解这些数据的含义和上下文。
这就是为什么 Dash0 能够如此快速地在其平台上集成 AI 能力。它们不需要训练模型去理解专有数据格式，不需要建立复杂的数据转换层，因为底层数据已经是 LLM 能够理解的标准格式了。从某种意义上说，选择 OpenTelemetry 作为基础，让 Dash0 在 AI 集成方面占据了先发优势。
另一个重要的技术优势是上下文管理。Mirko 强调 Dash0 从第一天起就专注于保持数据的上下文完整性。什么意思呢？当你的应用出现性能问题时，你需要关联多种类型的数据：日志告诉你发生了什么，追踪数据告诉你代码如何在系统中流动，指标告诉你资源使用情况。但你不需要所有服务器的 CPU 使用率，你只需要运行问题代码的那台服务器的数据。这就是上下文。
我发现很多可观测性工具在这方面做得很糟糕。它们会给你海量数据，但缺乏上下文关联，你需要手动拼凑线索。而 Dash0 的架构确保所有数据都带着完整的上下文，这对 AI agent 来说至关重要。LLM 的上下文窗口是有限的，你不能把所有数据都塞给它。你必须提供正确的、带有正确上下文的数据，AI 才能做出有意义的分析和建议。
一个连续创业者的成功密码
我觉得 Dash0 的故事不能不提创始人 Mirko Novakovic 的背景。这不是他第一次创业，也不是他第一次做可观测性公司。2015 年，他创立了 Instana，同样是一家可观测性公司，专注于微服务监控。经过 5 年发展，Instana 在 2020 年被 IBM 以 5 亿美元收购。
从 Mirko 的访谈中，我看到了一个成功连续创业者应有的特质：谦逊、学习能力强、对市场变化保持敏感。他说卖掉 Instana 之后，他对妻子说再也不会做创业公司了，绝对不会再做可观测性。然后他去度假、做天使投资。但两年半后，当 Accel 请他帮忙做一家可观测性公司的尽职调查时，他重新燃起了激情。
我特别喜欢他描述的那个场景：他和妻子喝着红酒，跟她讲 OpenTelemetry 这个新标准有多么令人兴奋。他妻子可能已经被他烦得不行了，就说："那你就去做吧。"就在那天晚上，Mirko 拿出信用卡，在美国注册了 Dash0 公司。
从 Instana 到 Dash0，Mirko 带来了宝贵的经验教训。他说 Instana 从第一天起就是纯企业销售模式，当公司规模达到 2000 万到 3000 万美元年收入时，他们发现很难建立足够的销售管道。通过 SDR（销售开发代表）进行外呼的企业销售太昂贵、太费力了。
所以这次他改变了策略，构建了一个适合 PLG（产品驱动增长）的产品。用户可以自助注册、试用产品、输入信用卡进行小额购买，然后逐步扩大使用规模。这种自下而上的增长模式更符合当今开发者的工作方式。20 年前，购买决策可能是由 CTO 或基础设施副总裁做出的，销售代表可以通过牛排晚宴搞定一笔交易。但现在完全不同了，决策权在开发者和技术团队手中。
Mirko 说现在的高管会告诉销售："我不做决定，让我的开发团队去评估。"这种管理风格是好的，但它彻底改变了销售方式。开发者不想和销售人员交谈，他们想自己找到产品、测试它、看看是否有价值，然后才愿意进行更深入的对话。
我认为这种洞察非常重要。很多创业者会坚持某种特定的商业模式或销售策略,即使市场已经变化了。但 Mirko 展现出了强大的适应能力。他从第一次创业中学到了什么有效、什么无效，然后在第二次创业时做出了相应调整。这种学习和进化能力,正是优秀创业者的标志。
另一个有趣的细节是团队构成。Dash0 有一支由来自微软和 Google 的资深 AI 工程师组成的团队。首席 AI 官 Anirudh Badam 在微软西雅图总部有超过十年的 AI/ML 经验,创始 AI 工程师 Vijay Sagar 在 Google 硅谷办公室开发机器学习模型十年。这样的技术团队配置，对于构建 Agent0 这样复杂的 AI 系统是必不可少的。
快速增长的秘诀和市场机会
Dash0 的增长速度让人印象深刻。公司成立于 2023 年，仅仅五个月前完成了 A 轮融资，现在就宣布了 B 轮。在这期间，他们的销售数字比计划高出了 5 倍，突破了 1000 万美元的年度经常性收入（ARR），并计划在 2026 年实现 10 倍增长。目前拥有超过 600 家付费客户，包括 Zalando、Taco Bell 和 The Telegraph 这样的全球品牌。
我觉得这种快速增长背后有几个关键因素。第一是市场时机。Mirko 说他在可观测性领域有 26 年经验，当他创立 Dash0 时，其实并不确定能增长得这么快。这是一个竞争激烈的红海市场，有一些大型玩家占据主导地位。但事实证明，市场已经"坏掉"了。客户产生大量数据，但要为这些数据支付高昂费用，而数据量的增加并不意味着更好的洞察力。
第二是差异化的定价模式。Dash0 帮助客户减少数据量，基于数据流经平台的总量收费，而不是像 Datadog 那样为不同类型的数据分别计费。Mirko 说这种简化的计费方式给了他们相对于竞争对手的优势。客户知道自己要付多少钱，不会因为账单意外飙升而感到沮丧。
第三是 150% 的净收入留存率（NRR）。这是一个非常健康的指标，说明现有客户不仅在续约，还在大幅增加使用量。他们添加更多数据、更多功能，并在 Dash0 和 OpenTelemetry 基础上整合他们的平台。Mirko 提到，几乎每个登录 Dash0 的用户都在使用 Agent0，用 AI 来理解数据。这种高参与度是产品真正有价值的标志。
第四是 PLG 策略的成功执行。Dash0 每周通过 PLG 获得 15 到 20 个新客户，这些客户可能是小型创业公司，也可能是大型企业内的团队在测试产品。这种持续的客户流入为销售团队提供了大量线索。有时一个团队会在大公司内部使用 Dash0，然后销售团队可以介入，看看是否能将使用范围扩展到整个公司。
我认为 Dash0 正在抓住一个巨大的市场机会：帮助企业摆脱传统厂商的高成本和复杂性。投资人 Ross Mason 说："我们从第一天起就看着 Dash0 以罕见的精确度执行。加大对这个团队的投资不是一个困难的决定，而是一个显而易见的选择。从被动可观测性到自主生产运营的转变，是这个十年中最重要的基础设施转型之一，而 Dash0 正在引领它。"
这轮融资的用途也很清晰。最大的投资将用于深化 Agent0 平台，扩展自主 agent 库，加速核心工程路线图，并向在 Dash0 基础设施上构建自己 agent 的客户开放平台。大量资金将用于激进的市场拓展，主要聚焦美国市场，那里企业工程团队的需求最强，取代 Datadog 和 Grafana 等现有厂商的机会最直接。公司还将进行针对性的战略收购，涉及 LLM 和 agent 可观测性、AI SRE 和 AI 安全领域，加速那些原本需要多年才能有机增长出来的能力。
AI 正在改变一切，包括可观测性
在访谈中，Mirko 多次提到 AI 正在以难以置信的速度改变整个行业。他坦言，很难制定清晰的 6 个月战略，更不用说 5 到 10 年的规划了。变化速度太快了。
他举了一个让我印象深刻的例子：如果你在 6 个月前问他关于编码 agent 的问题，他不会预料到今天他们 90% 以上的代码是由 agent 生成的。但现在这就是现实。编码 agent 正在生成大部分代码，这改变了可观测性的使用方式。
想想这意味着什么。传统上，可观测性是用来监控人类开发者编写的代码。但现在，agent 在编写代码，这些代码可能包含数万行，几乎不可能完整审查。你只能把它推送到生产环境，然后依靠可观测性平台来快速识别问题。Dash0 的 agent 会检测新的代码变更，调查它是否正常工作，如果有问题可以自动回滚，或者逐步增加流量来验证新功能。
我觉得这揭示了一个更深层次的趋势：AI 生成的代码需要 AI 来监控和管理。这不是巧合，而是必然。当代码生成速度远超人类理解速度时，我们需要同样快速的 AI 系统来确保这些代码在生产环境中正常运行。可观测性在 AI 时代不再只是"看看系统运行得怎么样"，而是成为一种保险策略，确保高频部署的大量 AI 生成代码不会引发灾难。
Mirko 还提到，AI 正在改变产品开发的方方面面。他们使用 Claude（Anthropic 的大语言模型）来分析 OpenTelemetry 数据，因为 Claude 已经在这个开源标准上训练过了。当你把 OpenTelemetry 追踪数据粘贴到 Claude 或 ChatGPT 时，模型能够理解它是什么，因为它是一个公开的、有完整文档的标准，包括语义约定和开源的代码插桩 agent。
我认为 Dash0 在 AI 时代的成功不是偶然的。他们的架构恰好适合这个新世界，虽然在 2023 年创立时并没有预见到所有这些变化。但当市场转向 AI 驱动的开发和运维时，Dash0 已经做好了准备。他们拥有正确的数据格式（OpenTelemetry）、正确的架构（上下文化的数据）和正确的心态（拥抱 AI）。
对未来的思考：数据才是护城河
在最近的市场动荡中，投资者开始重新评估哪里才有真正的竞争优势。很多软件公司因为担心 AI 会让它们变得过时而股价大跌。在这种背景下，Dash0 的融资成功显得格外有意义。
Mirko 在采访中说了一句话，我觉得特别关键："对我们来说，护城河是数据。"他举例说，对于像 Zalando 这样的客户，他们捕获的请求数量达到数万亿级别。目前的大语言模型，即使是像 Anthropic 的 Claude 这样先进的模型，也还无法摄入 Dash0 能够处理的数据量。
我认为这个观点非常深刻。在 AI 时代，很多人担心软件会被商品化，因为 AI 可以快速生成代码。但 Dash0 的价值不在于代码本身，而在于它能够处理、关联和理解海量生产数据的能力。这些数据是独特的、特定于每个客户的，包含了关于系统如何运行、用户如何交互、问题如何发生的深层知识。
这些数据加上 AI agent 的处理能力，形成了一个难以复制的竞争优势。你不能简单地拿一个通用的 LLM 来替代 Dash0，因为 LLM 需要正确的数据、正确的上下文和正确的领域知识才能做出有意义的分析。而 Dash0 正是在构建这样一个完整的系统：OpenTelemetry 标准的数据采集、智能的数据关联和上下文管理、专门化的 AI agent 来处理不同的运维场景。
展望未来，我相信我们会看到更多这样的趋势：不是用 AI 取代软件，而是用 AI 增强软件，使其能够处理以前人类无法处理的复杂性和规模。Dash0 不是在取代 SRE（网站可靠性工程师），而是在增强他们的能力，让他们能够管理比以前复杂得多的系统。
我也很欣赏 Dash0 对开放标准的坚持。在一个很多公司试图通过专有技术锁定客户的时代，Dash0 选择了相反的路径：基于开放标准构建，让客户拥有自己的数据，提供灵活性而不是锁定。这种理念不仅在道德上是正确的，在商业上也是明智的。因为它降低了客户采用的风险，建立了长期的信任关系。
Balderton Capital 的合伙人 Rana Yared 说："Dash0 构建了每个 AI 驱动公司都将依赖的基础设施层。Mirko 和团队结合了深厚的技术信誉和真正差异化的方法。我们相信 Dash0 将定义生产运营的下一个时代。"我完全同意这个判断。随着越来越多的公司采用 AI 来开发软件，他们也需要 AI 来运维软件。Dash0 正是在构建这个关键的基础设施。
从 Dash0 的故事中，我看到了几个关键教训：坚持开放标准、拥抱快速变化、从失败中学习、专注于真正的客户价值、建立强大的技术团队。这些原则在任何行业、任何时代都适用，但在 AI 时代显得尤为重要。因为当技术变化如此之快时，只有那些能够快速学习和适应的公司才能生存并繁荣。
Dash0 的 1.1 亿美元融资不仅仅是另一个融资新闻，它标志着可观测性行业进入了一个新纪元。从被动监控到主动管理，从人工排查到 AI 自主修复，从专有格式到开放标准，这些转变正在重塑我们如何构建和运营现代软件系统。我相信，几年后回头看，我们会意识到这是一个转折点。
结尾
也欢迎大家留言讨论，分享你的观点！
觉得内容不错的朋友能够帮忙右下角点个赞，分享一下。您的每次分享，都是在激励我不断产出更好的内容。
欢迎关注深思圈，一起探索更大的世界。
- END -
两个“特别坑”的AI产品创业方向，你知道吗
速度将成为AI时代唯一的护城河
a16z重磅预测：Vibe coding赢者通吃？错了，垂直专业化才是未来
热门跟贴