可观测性长期以来都是企业运营的重要组成部分，它让公司能够了解应用程序和基础设施的运行状况、故障所在以及原因。
然而，大语言模型和AI智能体的出现让情况变得更加复杂。一个应用程序可能从基础设施角度来看运行完全正常，但位于其上的智能体却可能给出错误答案、调用错误工具，或者无法完成被分配的任务。
这正是可观测性软件公司Dynatrace在8月中旬宣布以9.15亿美元收购Arize的原因所在。这笔交易的最终目标，是将Dynatrace现有的应用程序和基础设施可见性，与Arize追踪、评估和调试模型及AI智能体行为的能力结合起来。
这笔交易现已正式完成，The New Stack与Dynatrace首席产品官Steve Tack以及Arize联合创始人兼首席产品官Aparna Dhinakaran进行了交流，深入探讨了将两个平台整合在一起究竟意味着什么——以及为什么AI模型和智能体的出现"需要一种全新的可观测性"。
可观测性的两个方面
对于不熟悉的人来说，Dynatrace在应用性能监控（APM）领域拥有超过二十年的历史，其业务范围后来扩展到全栈可观测性和安全领域。该公司于2005年在奥地利创立，2011年被Compuware以2.56亿美元收购，随后私募股权巨头Thoma Bravo又于2014年收购了Compuware。次年，Thoma Bravo将Dynatrace分拆为独立业务，与其投资组合中的另一家公司Keynote Systems合并，并最终于2019年将Dynatrace在纽约证券交易所上市。
Tack在这段历程中参与了大部分时间，他曾在Compuware工作超过十年，之后于2012年加入Dynatrace担任产品管理高级副总裁，并从2024年起担任首席产品官。
AI已成为这一演变中日益重要的部分。2017年，Dynatrace正式推出了Davis，这是其用于性能监控的AI驱动数字助手，后来演变为公司用于识别问题根本原因的因果AI引擎。该公司已经加入了预测性和生成式AI能力，最近又加入了智能体式AI，包括旨在调查和修复事件的自主SRE智能体。
"在Dynatrace这边，我们一直在做的一件事就是投资利用AI来驱动可观测性。"
"在Dynatrace这边，我们一直在做的一件事就是投资利用AI来驱动可观测性——这是我们的基因，"Tack向The New Stack表示。
Tack说，这段历史也让Dynatrace与Arize有了共同点，尤其是在后者Signal方面的工作，Signal是一款审查生产追踪记录、识别重复出现的问题，并提出可能原因和潜在修复方案的智能体。
Arize于2020年从隐身模式中走出，作为一家专注于帮助公司监控和排查生产环境中机器学习模型问题的AI可观测性初创公司。随着大语言模型和智能体变得越来越普及，该公司已扩展到追踪智能体行为、运行评估以及识别传统应用监控可能永远无法捕捉到的故障。
这正触及了两家公司认为彼此互补的核心原因。Dynatrace历来专注于系统底层的应用程序、服务和基础设施，服务于SRE和平台工程团队；而Arize更专注于AI模型和智能体的行为与输出，核心受众是AI工程师和开发者。
但这些层面正日益重叠。Dhinakaran指出，一个AI智能体通常依赖大量传统软件组件和API来实际完成任务。Arize可能能够识别出智能体推理、工具使用或输出方面的问题，但如果故障源自其调用的某个底层服务，开发者仍然需要对其下方的软件有可见性。
"我是这样看的——我们过去有硬币的一面，即调试所有框架和大语言模型相关问题的能力，但如果涉及软件问题，我们就得去查看软件追踪记录才能找出根本原因，"Dhinakaran向The New Stack表示。"现在，我们可以做出更多改进，因为我们同时拥有硬币的两面来进行调试。"
因此，将两个平台整合在一起意味着可以跨两个层面调查智能体故障。
IDC软件开发与IT运营部门集团副总裁Stephen Elliot在向The New Stack提供的声明中表示，随着智能体在企业中激增，协调AI应用栈中两个独立但密切相关部分的需求比以往任何时候都更加紧迫。
"将评估和可观测性结合起来，弥合了构建AI应用程序和在生产环境中可靠运行它们之间的差距，使团队能够更早发现问题并更快解决问题，"Elliot表示。
采取行动
对Dhinakaran来说，更大的转变也许在于谁——或者什么——来消费所有这些丰富的可观测性数据。随着软件系统产生越来越多的遥测数据，并变得越来越自主，她认为可观测性正从人工手动检查仪表盘和追踪记录，转向能够解读这些数据并根据发现采取行动的智能体。
"可观测性不再只是查看数据，这很酷。它实际上是从数据走向采取行动。"
"可观测性这个领域每隔几年就会重塑自己，"Dhinakaran说。"随着行业变化和新工具的出现，这个领域一直必须适应。而现在，可观测性不再只是查看数据，这很酷。它实际上是从数据走向采取行动。"
这种转变的一部分仅仅是数量问题。现代应用程序产生的遥测数据远远超出了工程师自身能够合理检查的范围，这就为能够持续代为筛选这些数据的智能体创造了明显的角色定位。
"没有人想去查看数十亿条追踪记录，"Dhinakaran继续说道。"没有人会去做这件事。那么你如何让智能体去读取你的遥测数据呢？"
"没有人想去查看数十亿条追踪记录。"
现实世界中已经出现了这种情况的苗头。Anthropic最近披露了一系列网络安全评估事件，其中Claude模型获得了对真实第三方系统的访问权限。在调查这些事件时，Anthropic使用智能体搜索来筛选大量的模型记录，Claude本身也协助审查了数百万条被标记需要进一步检查的对话。
Dhinakaran认为同样的原理也延伸到了日常软件运营中：一旦智能体能够理解遥测数据，下一个合乎逻辑的步骤就是让它对发现的内容采取行动，换句话说，就是"采取行动"。
"我认为智能体将成为这些数据的主要消费者，而因为它们将消费这些数据，如果它们能够访问代码库，如果它们能够访问其他技能，那么它们现在就可以提出修复方案，"Dhinakaran说。
"我认为智能体将成为这些数据的主要消费者。"
Arize已经在其自有产品内部的助手Alyx上实现了这一点。Signal审查Alyx的追踪记录，发现具有相同根本原因的重复性故障，并提出拉取请求来修复它们，据Dhinakaran介绍，Arize接受了其中"65%到70%"的拉取请求。因此，拥有Alyx的工程师已经从梳理追踪记录，转变为审查拉取请求。
Dhinakaran认为这预示着未来的发展方向。"智能体审查所有追踪记录——智能体成为第一响应者，智能体提出拉取请求，"她说。
正如Dhinakaran所说，长期目标是打造"自我维持、自我维护，同时也是自我改进的软件"，而人类仍然负责最终审核。
购买还是自建，以及接下来会发生什么
值得注意的是，在收购之前，两家公司并非正式的合作伙伴关系，尽管它们确实有共同的客户——而Tack表示，一些客户已经表示希望看到Dynatrace和Arize能够更像一个单一实体来运作。部分原因在于AI智能体并非孤立运作：它们仍然依赖于周围的应用程序、服务、云平台和基础设施，这使得AI可观测性与传统软件可观测性之间的界限越来越难以区分。
"没有人需要去说服任何人，编码智能体和自主工作正在带来巨大的转变，"Tack说。"但所有这些系统也都生活在一个更广阔的软件生态系统中。"
这种重叠也引发了许多公司面临的常见的自建还是购买的难题。Tack指出，Arize已经开发的一些资产是Dynatrace选择"购买"的吸引力所在。这包括Phoenix，一个用于追踪、评估和调试AI应用程序和智能体的源码可用平台；以及OpenInference，它基于OpenTelemetry构建，带有针对AI的专门约定，用于捕获诸如大语言模型调用、工具使用、检索和智能体行为等内容。
"这些都不是容易构建的东西，"Tack说。
还有一个问题是，传统的合作伙伴关系是否足够。Tack表示，这种方式可能在某种程度上实现整合，但Dynatrace最终认为更深层次的结合是必要的。
"其中一些事情或许可以通过合作伙伴关系来完成，但我认为通过合作伙伴关系无法实现端到端无缝体验的那种程度，"Tack说。
在更实际的层面上，这并不意味着Arize会在一夜之间消失融入Dynatrace。Arize将继续支持Phoenix和其企业平台AX，同时Arize的能力会随着时间推移整合进Dynatrace。
Dhinakaran同样表示，Arize将继续作为独立产品提供，这意味着客户无需成为Dynatrace用户就能采用它。但最终的长期目标，是连接通常被分开处理的两个阶段：在构建AI应用程序时对其进行评估，以及了解它们进入生产环境后的行为表现。
Q&A
Q1：Dynatrace为什么要收购Arize？
A：因为大语言模型和AI智能体的出现让传统可观测性不再够用，一个应用可能基础设施运行正常，但上层智能体却给出错误答案或调用错误工具，Dynatrace希望将自身在应用和基础设施方面的可见性，与Arize追踪、评估和调试模型及智能体行为的能力结合起来。
Q2：这笔收购的金额是多少？
A：Dynatrace在8月中旬宣布以9.15亿美元收购Arize，目前这笔交易已经正式完成。
Q3：收购完成后Arize产品还会继续独立存在吗？
A：会的。Arize将继续支持Phoenix和企业平台AX，并作为独立产品提供，客户无需成为Dynatrace用户也能使用，同时Arize的能力会逐步整合进Dynatrace。
