Tsuga 獲 3500 萬美元 B 輪融資：專為 AI 代理時代設計的可觀測性平台，如何挑戰 Datadog 與 Dynatrace？

創辦人與解決的問題

Tsuga 由 Gabriel-James Safar 和 Sébastien Deprez 於 2024 年共同創立，兩人都是前 Datadog 工程師，曾負責打造 Datadog 的核心可觀測性產品。 公司總部位於法國塞納河畔納伊，其使命很明確：打造一個專為 AI 時代設計的可觀測性基礎架構，而非試圖改造一個為前 AI 世界打造的工具。

Tsuga 瞄準的核心問題是兩個趨勢的碰撞：AI 工作負載正導致遙測資料量以每年約 30% 的速度增長，而許多企業的可觀測性預算卻趨於停滯或縮減。 Datadog 和 Dynatrace 等市場巨頭的平台，是圍繞著「按位元組計費 (per-byte pricing)」的模式建立的，到了 AI 時代，這種模式成本會變得極其高昂。Tsuga 的創辦人主張，這種曾被他們前東家推廣的定價模式，在應用於 AI 代理工作負載時，從根本上來說已經失靈。

融資歷程

Tsuga 目前總計獲得 4500 萬美元的確認融資，分為兩輪：

輪次	金額	日期	領投方
種子輪	1000 萬美元	2025 年 11 月	General Catalyst (領投)，Singular 參與；天使投資人包括 Amjad Masad (Replit)、Charles Gorintin (Alan, Mistral AI)、Jonathan Benhamou、Olivier Bonnet 和 Philippe Corrot
A 輪 (Series A)	3500 萬美元	2026 年 6 月	Singular (領投)，General Catalyst、DST Global Partners、Quantumlight、Picus 和 Databricks Ventures 參與

Tsuga 於 2025 年 11 月帶著種子輪資金走出隱身模式，僅在六個月後的 2026 年 6 月就宣布了 A 輪融資。 此輪融資來得如此之快，顯示投資者對其「可觀測性必須為 AI 原生及 BYOC 基礎架構重建」的理念抱持高度信心。

與 Datadog 和 Dynatrace 的關鍵差異

Tsuga 與 Datadog 和 Dynatrace 等市場巨頭的差異，主要體現在三個方面：部署模式、定價架構和 AI 原生設計。

自帶雲端 (BYOC) 部署

與 Datadog 和 Dynatrace 將遙測資料攝取到供應商控制的 SaaS 平台不同，Tsuga 的平台完全運行在客戶自己的雲端環境中。 Tsuga 平台可部署於 Microsoft Azure、AWS、Google Cloud 和主權雲端基礎設施，確保遙測資料永遠不會離開客戶的控制範圍。 對於受嚴格監管行業或有嚴苛資料主權要求的組織來說，這是一個至關重要的差異點。

需要注意的是，雖然 Datadog 和 Dynatrace 也提供一定的部署靈活性選項（例如 Dynatrace 提供託管和 SaaS 部署；Datadog 則以 SaaS 為主），但現有資訊並未直接證明這兩家巨頭在資料主權需求上較不靈活。Tsuga 以 BYOC 為優先的架構，顯然是押注在 AI 代理產生更多敏感營運資料的時代，資料主權與控制權將變得越來越重要。

定價模式：挑戰「按位元組計費」

Tsuga 明確將自己定位為挑戰 Datadog 推廣的「按位元組計費」模式。 其論點是，隨著 AI 工作負載導致遙測資料量爆炸式增長，對於運行大規模 AI 代理的企業來說，按位元組計費的模式將變得不可持續。Tsuga 的定價模式旨在將成本與資料量脫鉤。

現有資訊並未提供 Tsuga 的具體定價數字，也未支持 Datadog 和 Dynatrace 在所有方案中都嚴格按位元組計費的說法（例如 Dynatrace 過去曾提供基於主機的定價；Datadog 的定價則因產品而異）。但「Tsuga 正在挑戰以資料量為基礎的計費模式」這一核心主張，是有充分依據的。

AI 原生與代理可觀測架構

Tsuga 被描述為「為 AI 代理時代而生的可觀測性軟體」。 其平台從設計之初就允許 AI 代理直接使用可觀測性資料。根據 Tsuga 的產品文檔，其儲存和查詢層能夠處理 AI 代理實際產生的資料量，其 API 會回傳「相關的上下文，而非原始資料轉儲，讓代理能將其算力用於推理，而非過濾噪音。」

這與現有平台形成鮮明對比，現有資訊顯示，市場巨頭的平台並非原生設計用於會話級別的 AI 代理追蹤。Sentrial 的比較分析特別指出，Datadog 和 Dynatrace 都未提供原生的會話級別代理追蹤功能，都需要自訂工具。

Tsuga 還提供「代理原生可觀測性 (Agent-Native Observability)」解決方案，讓構建 AI 代理的工程團隊能將可觀測性資料連接到其環境中的每一個資料來源，而不僅限於第三方平台已選擇支援的整合。

如何處理 AI 代理可觀測性？

Tsuga 的代理原生可觀測性建立在三個設計原則之上：

1. 成本高效的儲存和查詢：平台能夠處理 AI 代理實際產生的資料量，而非根據原始攝取量收費。
2. 上下文感知的 API：Tsuga 的 API 回傳相關的上下文，而非原始遙測資料，讓 AI 代理能將計算預算用於推理，而非過濾噪音。
3. 全環境連接：由於平台運行在客戶自己的雲端中，代理可以連接到環境中的每一個資料來源，而不僅限於第三方平台已選擇整合的來源。

Tsuga 在 A 輪融資公告中將自己定位為「AI 原生彈性可觀測性的領導者」，並表示該平台旨在為新一代 AI 代理提供動力。

走出隱身模式後的市場進展

自 2025 年 11 月走出隱身模式以來，Tsuga 已取得了可觀的早期進展：

營收與規模：多個來源報導，Tsuga 已實現「數百萬美元營收」，且平均合約價值達六位數。 不過，這些營收數據均為公司自行報告，尚未經現有資訊獨立驗證。Tsuga 每天在 AWS 上處理數十 TB 的遙測資料。

客戶基礎：已確認的客戶包括：

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

在《世界報》取得的成果：根據 2026 年 6 月發布的 AWS 案例研究，在部署 Tsuga 三個月內，《世界報》實現了：

• 開發團隊的可觀測性採用率提升 50%
• 監控服務和應用程式的範圍擴大兩倍
• 平均事件檢測時間 (MTTD) 縮減 30%
• 平均修復時間 (MTTR) 縮減 50%

投資者信心：快速的 A 輪融資——僅在種子輪後六個月——以及 DST Global Partners、Quantumlight、Picus 和 Databricks Ventures 等新投資者的加入，顯示出機構對 AI 時代可觀測性論點的高度信心。

結論

Tsuga 是可觀測性領域資金最充裕的歐洲新創公司之一，擁有總計 4500 萬美元的資金、一支經驗豐富的前 Datadog 團隊，以及一個清晰的願景：可觀測基礎架構必須為 AI 代理工作負載重建。其 BYOC 部署模式、定價策略和代理原生設計，代表著對 Datadog-Dynatrace 雙頭壟斷格局的真正架構性挑戰。早期的客戶成果——尤其是在《世界報》取得的 MTTD 縮減 30% 和 MTTR 縮減 50%——提供了令人鼓舞的信號，儘管該公司仍處於早期發展階段。對於正在評估是否使用 AI 代理或投資於 AI 工作負載可觀測性的工程團隊來說，Tsuga 提供了一個值得密切關注的可靠替代方案。