---
title: "- 1. OpenTelemetry标准正成为行业分水岭，原生支持的厂商相对于仅“兼容”的传统厂商拥有架构优势，尤其在AI和Serverless等新环境中。 -"
topic_id: 14422412811218112
created_at: 2026-06-17T20:52:33.875+0800
source: zsxq
type: topic
cssclasses: zsxq-vault
---

# - 1. OpenTelemetry标准正成为行业分水岭，原生支持的厂商相对于仅“兼容”的传统厂商拥有架构优势，尤其在AI和Serverless等新环境中。 -

- 序号：057
- 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/14422412811218112)
- 附件：图片 0，音频 0，文档 0
- 音频文件：_无音频_

## 图片

_无图片_

## 正文

- 1. OpenTelemetry标准正成为行业分水岭，原生支持的厂商相对于仅“兼容”的传统厂商拥有架构优势，尤其在AI和Serverless等新环境中。
- 2. 可观测性正从被动的监控工具演变为主动的生产控制层，特别是在自主软件开发（Agentic）时代，催生了AI SRE代理、AI代理观测和代码代理观测三大新类别。
- 3. 定价模式将朝着更注重效率和价值验证的方向演变，混合模式可能成为主流。

高盛本次的专家网络系列报告，通过与AI可观测性平台Dash0的CEO对话，深度剖析了即将到来的**“AI代理时代”**下，：
： 标准不仅是技术升级，更是定义未来赢家的关键分水岭。原生支持OTel的“新势力”将拥有技术上的代际优势，而仅能“兼容”OTel的“传统巨头”则可能面临架构上的系统性劣势。
：可观测性正在从“看门狗”（被动监控）进化为“交通指挥官”（主动控制层）。AI代理自己编写和运行代码，使得传统的监控逻辑失效，催生了全新的、以AI为核心的三大观测需求。
：随着企业对效率的追求，现有的“按数据量计费”模式将面临挑战。未来的定价会更紧密地与（如减少宕机时间、加速故障修复、优化AI成本）挂钩。

这份报告的核心价值在于，它并非停留在宏观预测，而是通过一个微观的创业公司视角，具体描绘了AI如何重塑软件开发和运维的底层逻辑。
1. OpenTelemetry的“兼容性陷阱”与架构优势
: 市场上大多数主流监控/APM（应用性能管理）厂商都声称支持OpenTelemetry。
: 区别在于“原生”与“兼容”。原生厂商的数据管道从底层就基于OTel标准构建，能够完整保留其“上下文”（context）和“可移植性”（portability）。而传统厂商为了不破坏其自有数据分析引擎，往往将OTel数据摄入后，在内部重新“翻译”回自己的私有格式。这个过程会丢失数据间的关联性和灵活性，削弱了OTel的真正价值。
:
: 对于AI原生应用、编码代理工作流和Serverless环境而言，其遥测数据本身就是按照标准格式生成的。选择原生OTel厂商，可以实现“零摩擦”集成，这是巨大的效率优势。
: 传统的大型单体应用仍有大量私有的代理和数据结构，迁移不易。传统厂商在此领域仍有护城河。
:
: 像Datadog这样积极拥抱OTel的巨头，以及像Grafana Labs、Honeycomb等以OTel为核心的新兴公司，在赢得AI原生应用及未来开发者心智方面占据先机。
: 那些依赖私有代理和协议、OTel化缓慢的传统监控厂商（如部分老牌ITOM厂商），其增长速度在AI时代可能进一步放缓。
2. 可观测性：“被动监控”终结，“主动控制”兴起
: 监控是“事后诸葛亮”，主要用于排查“已知的未知”（已知问题类型）。
: AI代理（Coding Agent）自主生成代码、修复Bug、调整配置。这是一个**“未知的未知”**的黑盒过程。
:
: 用AI来诊断由AI引入的复杂、瞬时的错误。这是一层“元监控”，即用AI监控AI。
: 监控AI代理本身的行为。它们为什么做出某个决策？它们的调用链（LLM调用、工具调用）是否正确？这类似于监控一个微服务调用链，但对象换成了AI模型和逻辑。
: 监控“投入产出比”。公司花了多少算力成本（Token）让编码代理工作？它是否真的显著提升了开发者效率？业务指标是否因此改善？这是将可观测性从技术层面提升到了**财务管理（FinOps）**和管理决策层面。
3. 定价模式的变革：从“数据量”到“价值量”
: 传统的按“数据量（GB）”或“条数”计费模式，在AI时代会带来巨大且不可预测的成本。AI代理会生成海量的、大部分无用的日志和指标。
:
: 定价与业务结果挂钩。例如，按“成功预防/处理的事件数”、“平均故障修复时间（MTTR）缩短的分钟数”或“最终用户满意度的提升”来计费。
: 使用基本订阅费+基于价值的结果指标分成。这要求可观测性厂商能清晰量化其创造的价值。
: 厂商必须提供智能的数据“采样”（只收集最相关、最异常的数据）和分析功能，帮助客户控制成本，同时不丢失关键信号。这本身就是一种核心竞争力。

: 这是一篇，而非对单一公司的评级报告。因此，报告中未给出任何具体的公司估值模型、目标价或买卖评级建议。
: 报告通过点明“OTel标准”、“主动控制”和“按值计费”这三个趋势，为投资者提供了一个。
: 能同时抓住上述三点的公司，有望获得“AI时代基础设施”的估值溢价。
: 那些转型缓慢、仅停留在“兼容”层面的传统厂商，其估值可能会被市场重新定价，面临“增长放缓+利润率受压”的双重挑战。

: AI代理技术（特别是Coding Agent）仍处于早期，若其普及速度慢于预期，则报告中描述的新兴可观测性需求可能无法在短期内爆发。
: 尽管OTel是谷歌主导的标准，但其未来发展路线图和商业公司的控制权之争存在不确定性。标准的分裂可能会削弱其“可移植性”优势。
: 对AI代理的深度观测，必然会触及到底层模型数据和业务逻辑的隐私与安全。严格的监管（例如欧盟AI法案）可能限制某些观测维度的实施，影响最终价值。
: 大型、成熟的可观测性厂商（如Dynatrace、Datadog）拥有庞大的客户基础和数据积累，且有足够的资源来快速整合OTel，并推出自己的AI观测解决方案。新兴公司面临严峻的竞争壁垒。
: 本报告基于单一创业公司的CEO观点。其创始人可能对自己的技术路线具有天然的乐观倾向，其看法可能无法代表整个行业的全貌。投资者需结合多家公司和机构的观点进行交叉验证。

## 总体总结

主题正文
1. - 1. OpenTelemetry标准正成为行业分水岭，原生支持的厂商相对于仅“兼容”的传统厂商拥有架构优势，尤其在AI和Serverless等新环境中。
2. - 2. 可观测性正从被动的监控工具演变为主动的生产控制层，特别是在自主软件开发（Agentic）时代，催生了AI SRE代理、AI代理观测和代码代理观测三大新类别。
3. 高盛本次的专家网络系列报告，通过与AI可观测性平台Dash0的CEO对话，深度剖析了即将到来的**“AI代理时代”**下，：
4. 这份报告的核心价值在于，它并非停留在宏观预测，而是通过一个微观的创业公司视角，具体描绘了AI如何重塑软件开发和运维的底层逻辑。
5. : 像Datadog这样积极拥抱OTel的巨头，以及像Grafana Labs、Honeycomb等以OTel为核心的新兴公司，在赢得AI原生应用及未来开发者心智方面占据先机。
6. : 那些依赖私有代理和协议、OTel化缓慢的传统监控厂商（如部分老牌ITOM厂商），其增长速度在AI时代可能进一步放缓。
7. : 那些转型缓慢、仅停留在“兼容”层面的传统厂商，其估值可能会被市场重新定价，面临“增长放缓+利润率受压”的双重挑战。
8. : 大型、成熟的可观测性厂商（如Dynatrace、Datadog）拥有庞大的客户基础和数据积累，且有足够的资源来快速整合OTel，并推出自己的AI观测解决方案。