Datadog创始人谈AI时代的DevOps：从工程师视角出发的长期主义

在这期《No Priors》中，Datadog联合创始人兼CEO Olivier Pomel回顾了自己的工程师背景、公司早期的关键选择，以及他如何看待AI正在重塑DevOps与可观测性。与其追逐短期热点，他更强调产品直觉、组织协作方式和“长期复利”。

从法国工程师到纽约创业者：Datadog的起点

理解Datadog，必须先理解Olivier Pomel本人。节目一开始，他就用一句自嘲式的幽默介绍自己：“是的，我来自法国，没人是完美的。”他强调自己首先是一名工程师，早年通过计算机图形学进入软件世界。1999年后，他开始在美国参与创业，并逐渐形成一个清晰判断：自己更适合“和一群人长期一起做复杂系统”，而不是短期项目。

Pomel选择长期留在美国、尤其是纽约，并非单纯因为创业环境，而是因为他认可这里的多样性和合作方式。他提到，自己并不把公司理解为一种“票据式的雇佣关系”，而是一个大家“能一起工作、用相似方式看世界的地方”。这一点，后来深刻影响了Datadog的文化：强调工程师之间的共识，而不是自上而下的指令。

这种背景解释了为什么Datadog从一开始就瞄准基础设施层的问题。它不是为某一次技术浪潮而生，而是源于创始人对系统复杂性长期存在的判断。

为什么可观测性不是“工具集合”，而是认知方式

在访谈中，Pomel多次回到一个核心观点：可观测性（Observability）并不仅仅是一组监控工具，而是一种理解系统的方式。Datadog之所以能从DevOps浪潮中成长起来，正是因为它试图解决工程团队“如何真正看懂正在运行的系统”。

他将这种关系与传统IT支持做了区分。相比“提交工单—等待响应”的模式，他更关注产品是否能让开发者和运维人员形成共同视角。这也是Datadog在产品设计上持续强调统一平台的原因：日志、指标、追踪并不是孤立存在的。

Pomel提到，公司在产品开发和产品运营之间投入了大量精力。这种投入并不直接体现在某个单一功能上，而体现在跨团队使用同一套语言讨论问题的能力上。这种能力，正是大型云原生系统中最稀缺的资源之一。

AI进入DevOps：不是替代人，而是放大判断力

当话题转向AI时，Pomel的态度明显偏向克制的乐观。他承认AI为DevOps和可观测性带来了“非常令人兴奋”的可能性，但前提是要放在正确的位置上。在他的设想中，AI并不是自动替工程师做决定，而是帮助他们更快定位问题、理解复杂因果关系。

他观察到，最成熟的企业用户，往往不是要求“更多自动化”，而是希望系统能给出更好的上下文。这意味着，AI模型需要建立在真实、结构化的运行数据之上，而不是脱离生产环境的抽象推理。

这种判断也解释了Datadog在AI上的节奏：先解决数据质量、系统关联和用户体验问题，再逐步引入模型能力。Pomel并未给出具体时间表，但他明确表示，这是一个“未来一两年内会越来越清晰”的方向。

并购、产品线与规模化：保持一致性的挑战

节目中还谈到了Datadog的并购与产品扩展。Pomel提到，公司已经拥有数千个集成，这本身既是优势也是挑战。集成数量的增长，意味着平台价值的提升，但同时也考验着内部架构和产品一致性。

他强调，并购的核心并不是“买功能”，而是补充团队和视角。这也是Datadog在安全等领域扩展的重要方式。对他而言，真正的难点在于：如何在规模持续扩大的情况下，仍然让产品围绕同一个核心问题展开。

这种思考方式，再次回到他最初的工程师视角——复杂系统无法靠一次性设计解决，只能通过持续演进来保持可理解性。

总结

这期访谈的价值，不在于某个具体技术细节，而在于Olivier Pomel反复强调的一种底层逻辑：DevOps、可观测性乃至AI，最终都是为了帮助人类更好地理解系统。Datadog的路径提醒我们，真正长期的公司，往往不是追逐风口，而是坚持一种看待问题的方式，并在技术变化中不断强化它。

关键词： Datadog， Olivier Pomel， 可观测性， DevOps， AI

事实核查备注： 人物：Olivier Pomel（Datadog联合创始人兼CEO）；节目：No Priors Ep.21；公司：Datadog；领域：可观测性（Observability）、DevOps、AI；时间：视频发布于2023-06-15