Tsuga獲3500萬美元Series A：AI原生Observability平台，BYOC模式點樣撼贏Datadog同Dynatrace？

Tsuga喺2025年11月走出隱密模式時公佈咗種子輪，唔夠半年後，即係2026年6月，就宣佈咗A輪。 咁快就完成下一輪融資，顯示投資者好相信呢間公司嘅理念——即係observability必須為AI原生同BYOC基建而重建——好有市場。

Tsuga同Datadog、Dynatrace有咩分別？

Tsuga同Datadog、Dynatrace等龍頭公司嘅差異，主要體現喺三個方面：部署模式、收費架構同AI原生設計。

Bring Your Own Cloud (BYOC) 部署

業界主流（包括Datadog同Dynatrace）係將telemetry數據傳送到由供應商控制嘅SaaS平台，但Tsuga完全唔同——佢直接喺客戶自己嘅雲端環境內運行。 Tsuga平台可以部署喺Microsoft Azure、AWS、Google Cloud以至主權雲基建上，確保telemetry數據永遠唔會離開客戶嘅控制範圍。 呢點對於受監管行業或者有嚴格數據主權要求嘅機構嚟講，係一個好大嘅分別。

值得留意嘅係：雖然Datadog同Dynatrace其實都有提供某啲部署靈活性選項（Dynatrace有managed同SaaS部署；Datadog就主要係SaaS），但根據現有資料，並冇直接證據顯示呢兩間龍頭公司喺數據主權方面嘅靈活性一定較差。不過Tsuga以BYOC為優先嘅架構，明顯係賭緊數據主權同控制權會隨住AI Agent產生更多敏感營運數據而變得越來越重要。

收費模式：挑戰Per-Byte計價

Tsuga明確將自己定位為挑戰由Datadog推廣開嘅per-byte計價模式。 佢哋嘅論點係，當AI工作負載令telemetry數據量爆增，以每字節計價嘅模式對大規模運行AI Agent嘅企業嚟講係不可持續嘅。Tsuga嘅收費模式係為咗將成本同數據量脫鈎而設計嘅。

現有資料冇提供Tsuga嘅具體收費數字，亦冇支持一個籠統嘅講法，話Datadog同Dynatrace喺所有計劃上都嚴格按字節收費。例如Dynatrace歷史上提供過以主機為基礎嘅計價方式，而Datadog嘅收費會因產品而異。不過，Tsuga針對以數據量為基礎嘅計價模式呢個核心論點，係有充分資料支撐嘅。

AI原生同Agent可觀測架構

Tsuga被形容為「專為AI Agent時代而設嘅observability軟件」 佢嘅平台係為咗畀AI Agent可以直接消費observability數據而建造嘅。根據Tsuga嘅產品文檔，其儲存同查詢層係專為應付AI Agent實際會產生嘅數據量而設計，API會回傳「相關嘅背景資訊而唔係原始數據dump，令Agent可以將token用喺推理上，而唔係浪費喺過濾雜訊上」。

呢點同龍頭平台形成明顯對比——根據現有資料，佢哋嘅設計本身並唔係為咗處理AI Agent層面嘅追蹤。一份由Sentrial進行嘅比較分析明確指出，Datadog同Dynatrace都冇原生支援session級別嘅Agent追蹤，兩者都需要自訂instrumentation。

Tsuga仲提供「Agent-Native Observability」解決方案，令開發AI Agent嘅工程團隊可以將observability數據連接到環境入面嘅每個數據源，而唔局限於第三方平台揀咗支援嘅嗰幾個整合。

Tsuga點樣處理AI Agent嘅Observability？

Tsuga嘅Agent原生observability建基於三個設計原則：

1. 成本效益高嘅儲存同查詢：平台能處理AI Agent實際產生嘅數據量，而唔係按原始數據攝取量收費。
2. 具備背景感知嘅API：Tsuga嘅API回傳相關背景資訊，而唔係原始telemetry dump，令AI Agent可以將計算資源用喺推理上，而唔係過濾雜訊。
3. 完整環境連通性：因為平台喺客戶自己嘅雲端運行，Agent可以連接到環境入面嘅每個數據源，而唔局限於第三方平台揀咗整合嘅嗰幾個。

Tsuga嘅A輪公告將公司定位為「AI原生彈性Observability嘅領導者」，並表示該平台係為推動新一代AI Agent而設計嘅。

Tsuga走出隱密模式後有咩成績？

自2025年11月走出隱密模式以來，Tsuga取得咗幾項重要嘅早期成績：

收入同規模：多個來源報告Tsuga已經有「數百萬美元收入」，平均合約價值達六位數。 不過要留意，呢啲收入數字係公司自行報告，現有資料並未獨立核實。Tsuga每日喺AWS上處理數以十TB計嘅telemetry數據。

客戶基礎：已確認嘅客戶包括：

• 《世界報》（Le Monde），法國主要媒體集團之一，喺其CTO/CIO Paul Laleu領導下部署咗Tsuga
• Black Forest Labs（前沿AI模型實驗室）
• Camunda
• Buk

《世界報》嘅成果：根據2026年6月發佈嘅AWS案例研究，喺部署Tsuga三個月內，《世界報》取得咗以下成果：

• 開發團隊嘅observability採用率提升50%
• 受監控服務同應用程式數量增長三倍
• 平均檢測事故時間（MTTD）縮短30%
• 平均解決事故時間（MTTR）縮短50%

投資者信心：快速完成嘅A輪——喺種子輪後僅六個月——而且有DST Global Partners、Quantumlight、Picus同Databricks Ventures呢啲新投資者加入，加上原有投資者繼續支持，顯示機構投資者對AI時代observability呢個理念有強大信心。

總結

Tsuga係歐洲observability領域資金最充裕嘅初創之一，總融資4500萬美元，團隊由經驗豐富嘅Datadog前員工組成，理念清晰：可觀測基建必須為AI Agent工作負載而重建。佢嘅BYOC部署模式、收費策略同Agent原生設計，確實係對Datadog-Dynatrace雙頭壟斷格局嘅一次真正架構性挑戰。早期客戶成果——尤其係《世界報》事故檢測時間縮短30%、解決時間縮短50%——提供咗令人鼓舞嘅訊號，不過呢間公司仍然處於早期階段。對於正在評估係咪要用AI Agent嚟建立系統，或者想為AI工作負載投資observability嘅工程團隊黎講，Tsuga係一個值得密切關注嘅可信替代方案。