可觀測性
長期以來都是企業運營的重要組成部分，它讓公司能夠了解應用程式和基礎設施的運行狀況、故障所在以及原因。
然而，大語言模型和AI智能體的出現讓情況變得更加複雜。一個應用程式可能從基礎設施角度來看運行完全正常，但位於其上的智能體卻可能給出錯誤答案、調用錯誤工具，或者無法完成被分配的任務。
這正是可觀測性軟體公司Dynatrace在8月中旬宣布以9.15億美元收購Arize的原因所在。這筆交易的最終目標，是將Dynatrace現有的應用程式和基礎設施可見性，與Arize追蹤、評估和調試模型及AI智能體行為的能力結合起來。
這筆交易現已正式完成，The New Stack與Dynatrace首席產品官Steve Tack以及Arize聯合創始人兼首席產品官Aparna Dhinakaran進行了交流，深入探討了將兩個平台整合在一起究竟意味著什麼——以及為什麼AI模型和智能體的出現"需要一種全新的可觀測性"。
可觀測性的兩個方面
對於不熟悉的人來說，Dynatrace在應用性能監控（APM）領域擁有超過二十年的歷史，其業務範圍後來擴展到全棧可觀測性和安全領域。該公司於2005年在奧地利創立，2011年被Compuware以2.56億美元收購，隨後私募股權巨頭Thoma Bravo又於2014年收購了Compuware。次年，Thoma Bravo將Dynatrace分拆為獨立業務，與其投資組合中的另一家公司Keynote Systems合併，並最終於2019年將Dynatrace在紐約證券交易所上市。
Tack在這段歷程中參與了大部分時間，他曾在Compuware工作超過十年，之後於2012年加入Dynatrace擔任產品管理高級副總裁，並從2024年起擔任首席產品官。
AI已成為這一演變中日益重要的部分。2017年，Dynatrace正式推出了Davis，這是其用於性能監控的AI驅動數字助手，後來演變為公司用於識別問題根本原因的因果AI引擎。該公司已經加入了預測性和生成式AI能力，最近又加入了智能體式AI，包括旨在調查和修復事件的自主SRE智能體。
"在Dynatrace這邊，我們一直在做的一件事就是投資利用AI來驅動可觀測性。"
"在Dynatrace這邊，我們一直在做的一件事就是投資利用AI來驅動可觀測性——這是我們的基因，"Tack向The New Stack表示。
Tack說，這段歷史也讓Dynatrace與Arize有了共同點，尤其是在後者Signal方面的工作，Signal是一款審查生產追蹤記錄、識別重複出現的問題，並提出可能原因和潛在修複方案的智能體。
Arize於2020年從隱身模式中走出，作為一家專注於幫助公司監控和排查生產環境中機器學習模型問題的AI可觀測性初創公司。隨著大語言模型和智能體變得越來越普及，該公司已擴展到追蹤智能體行為、運行評估以及識別傳統應用監控可能永遠無法捕捉到的故障。
這正觸及了兩家公司認為彼此互補的核心原因。Dynatrace歷來專注於系統底層的應用程式、服務和基礎設施，服務於SRE和平台工程團隊；而Arize更專注於AI模型和智能體的行為與輸出，核心受眾是AI工程師和開發者。
但這些層面正日益重疊。Dhinakaran指出，一個AI智能體通常依賴大量傳統軟體組件和API來實際完成任務。Arize可能能夠識別出智能體推理、工具使用或輸出方面的問題，但如果故障源自其調用的某個底層服務，開發者仍然需要對其下方的軟體有可見性。
"我是這樣看的——我們過去有硬幣的一面，即調試所有框架和大語言模型相關問題的能力，但如果涉及軟體問題，我們就得去查看軟體追蹤記錄才能找出根本原因，"Dhinakaran向The New Stack表示。"現在，我們可以做出更多改進，因為我們同時擁有硬幣的兩面來進行調試。"
因此，將兩個平台整合在一起意味著可以跨兩個層面調查智能體故障。
IDC軟體開發與IT運營部門集團副總裁Stephen Elliot在向The New Stack提供的聲明中表示，隨著智能體在企業中激增，協調AI應用棧中兩個獨立但密切相關部分的需求比以往任何時候都更加緊迫。
"將評估和可觀測性結合起來，彌合了構建AI應用程式和在生產環境中可靠運行它們之間的差距，使團隊能夠更早發現問題並更快解決問題，"Elliot表示。
採取行動
對Dhinakaran來說，更大的轉變也許在於誰——或者什麼——來消費所有這些豐富的可觀測性數據。隨著軟體系統產生越來越多的遙測數據，並變得越來越自主，她認為可觀測性正從人工手動檢查儀錶盤和追蹤記錄，轉向能夠解讀這些數據並根據發現採取行動的智能體。
"可觀測性不再只是查看數據，這很酷。它實際上是從數據走向採取行動。"
"可觀測性這個領域每隔幾年就會重塑自己，"Dhinakaran說。"隨著行業變化和新工具的出現，這個領域一直必須適應。而現在，可觀測性不再只是查看數據，這很酷。它實際上是從數據走向採取行動。"
這種轉變的一部分僅僅是數量問題。現代應用程式產生的遙測數據遠遠超出了工程師自身能夠合理檢查的範圍，這就為能夠持續代為篩選這些數據的智能體創造了明顯的角色定位。
"沒有人想去查看數十億條追蹤記錄，"Dhinakaran繼續說道。"沒有人會去做這件事。那麼你如何讓智能體去讀取你的遙測數據呢？"
"沒有人想去查看數十億條追蹤記錄。"
現實世界中已經出現了這種情況的苗頭。Anthropic最近披露了一系列網路安全評估事件，其中Claude模型獲得了對真實第三方系統的訪問權限。在調查這些事件時，Anthropic使用智能體搜索來篩選大量的模型記錄，Claude本身也協助審查了數百萬條被標記需要進一步檢查的對話。
Dhinakaran認為同樣的原理也延伸到了日常軟體運營中：一旦智能體能夠理解遙測數據，下一個合乎邏輯的步驟就是讓它對發現的內容採取行動，換句話說，就是"採取行動"。
"我認為智能體將成為這些數據的主要消費者，而因為它們將消費這些數據，如果它們能夠訪問代碼庫，如果它們能夠訪問其他技能，那麼它們現在就可以提出修複方案，"Dhinakaran說。
"我認為智能體將成為這些數據的主要消費者。"
Arize已經在其自有產品內部的助手Alyx上實現了這一點。Signal審查Alyx的追蹤記錄，發現具有相同根本原因的重複性故障，並提出拉取請求來修復它們，據Dhinakaran介紹，Arize接受了其中"65%到70%"的拉取請求。因此，擁有Alyx的工程師已經從梳理追蹤記錄，轉變為審查拉取請求。
Dhinakaran認為這預示著未來的發展方向。"智能體審查所有追蹤記錄——智能體成為第一響應者，智能體提出拉取請求，"她說。
正如Dhinakaran所說，長期目標是打造"自我維持、自我維護，同時也是自我改進的軟體"，而人類仍然負責最終審核。
購買還是自建，以及接下來會發生什麼
值得注意的是，在收購之前，兩家公司並非正式的合作夥伴關係，儘管它們確實有共同的客戶——而Tack表示，一些客戶已經表示希望看到Dynatrace和Arize能夠更像一個單一實體來運作。部分原因在於AI智能體並非孤立運作：它們仍然依賴於周圍的應用程式、服務、雲平台和基礎設施，這使得AI可觀測性與傳統軟體可觀測性之間的界限越來越難以區分。
"沒有人需要去說服任何人，編碼智能體和自主工作正在帶來巨大的轉變，"Tack說。"但所有這些系統也都生活在一個更廣闊的軟體生態系統中。"
這種重疊也引發了許多公司面臨的常見的自建還是購買的難題。Tack指出，Arize已經開發的一些資產是Dynatrace選擇"購買"的吸引力所在。這包括Phoenix，一個用於追蹤、評估和調試AI應用程式和智能體的源碼可用平台；以及OpenInference，它基於OpenTelemetry構建，帶有針對AI的專門約定，用於捕獲諸如大語言模型調用、工具使用、檢索和智能體行為等內容。
"這些都不是容易構建的東西，"Tack說。
還有一個問題是，傳統的合作夥伴關係是否足夠。Tack表示，這種方式可能在某種程度上實現整合，但Dynatrace最終認為更深層次的結合是必要的。
"其中一些事情或許可以通過合作夥伴關係來完成，但我認為通過合作夥伴關係無法實現端到端無縫體驗的那種程度，"Tack說。
在更實際的層面上，這並不意味著Arize會在一夜之間消失融入Dynatrace。Arize將繼續支持Phoenix和其企業平台AX，同時Arize的能力會隨著時間推移整合進Dynatrace。
Dhinakaran同樣表示，Arize將繼續作為獨立產品提供，這意味著客戶無需成為Dynatrace用戶就能採用它。但最終的長期目標，是連接通常被分開處理的兩個階段：在構建AI應用程式時對其進行評估，以及了解它們進入生產環境後的行為表現。
Q&A
Q1：Dynatrace為什麼要收購Arize？
A：因為大語言模型和AI智能體的出現讓傳統可觀測性不再夠用，一個應用可能基礎設施運行正常，但上層智能體卻給出錯誤答案或調用錯誤工具，Dynatrace希望將自身在應用和基礎設施方面的可見性，與Arize追蹤、評估和調試模型及智能體行為的能力結合起來。
Q2：這筆收購的金額是多少？
A：Dynatrace在8月中旬宣布以9.15億美元收購Arize，目前這筆交易已經正式完成。
Q3：收購完成後Arize產品還會繼續獨立存在嗎？
A：會的。Arize將繼續支持Phoenix和企業平台AX，並作為獨立產品提供，客戶無需成為Dynatrace用戶也能使用，同時Arize的能力會逐步整合進Dynatrace。
