在传统可观测平台的定价模型下，企业被迫在采样盲区和账单失控之间做选择题。当系统产生海量遥测数据时，要么接受低采样率、忍受监控盲区，要么为全量数据摄入支付高额费用。groundcover试图给出第三种路径：通过eBPF传感器在几分钟内部署并抓取全保真遥测数据，无需修改代码，再将数据存入客户自己的云中——按节点而非按数据量计价。这使得它的C轮融资成为一场对可观测性价格体系的结构性质疑，而不仅仅是另一笔金额可观的风险投资。

字段 内容
公司 groundcover
轮次 C轮
金额 1亿美元
投资方 One Peak（领投）
投资方 摩根士丹利扩张资本
投资方 Zeev Ventures、Angular Ventures、Heavybit、Jibe（现有投资者跟投）
总部 以色列特拉维夫
创始人 Shahar Azulay（CEO）
创始人 Yechezkel Rabinovich（CTO）
总融资额 1.6亿美元
投后估值 约5亿美元（较上一轮增长约四倍）
成立年份 2021年
员工规模 140人（以色列80人，波士顿和旧金山其余人员）
客户规模 逾250家付费客户，从初创企业到财富500强公司
官网 https://www.groundcover.com

eBPF搭配BYOC，是对Datadog二十年定价模型的精准打击

要理解groundcover的底气来源，必须回到可观测性市场上那场持续了二十年的核心矛盾。按Shahar Azulay在C轮融资期间的总结：“这是一个非常成熟的市场，Datadog等巨头与新兴初创公司并存。所有现有解决方案都建立在同一个原则上——你需要海量数据才能理解代码的运行情况，但信息量持续增长，企业实际支付的费用越来越高，却没有获得相应的价值。”

这个矛盾的根源在于可观测性数据的增长曲线与企业付费意愿之间的脱节。随着容器化、微服务架构和AI工作负载的普及，单个应用产生的日志、指标和链路追踪数据正在指数级攀升。传统平台按照数据摄入量、存储时长和查询频率收费，使得企业的监控账单与其云基础设施开销同步膨胀，甚至增速更快。这迫使许多团队采取被动策略：降低采样率、缩短数据留存时间、或者干脆放弃某些服务的监控覆盖。

groundcover采用的BYOC（Bring Your Own Cloud）架构，意味着数据平面部署在客户自己云环境内，而非供应商托管的集中式SaaS图层中。Azulay对此的解释直指核心：“我们在客户自己的云环境中管理数据，不需要自己承担云基础设施成本，这让我们可以走完全不同的定价路线。”这套模式打破了传统基于数据摄入量的计价公式，转而采用按节点定价——即根据被监控的服务器或容器实例数量收费，而非按照这些节点产生的遥测数据量收费。

这种定价结构的关键差异在于成本可预测性。在数据量驱动的模型中，一次突发的日志洪流——可能由一次部署故障或流量峰值引发——就能将当月账单推高数倍，而运维团队在问题发生前毫无预算上的预警。按节点定价则从根本上切断了数据量与成本之间的线性关系。对于业务波动剧烈的电商平台、游戏公司或高增长初创企业而言，这意味着监控成本变得与收入曲线一样可预测。

在这套BYOC数据平面上，搭载了一个关键的采集引擎——eBPF传感器。公司声称其eBPF传感器可以在几分钟内部署完毕，抓取全保真遥测数据，不受采样和基数限制。eBPF允许程序在Linux内核空间的安全沙箱中运行，从而以极低开销捕获系统调用、网络包和应用程序行为，完全不需要在应用代码中植入探针。这使得groundcover能够覆盖那些因为代码过旧、团队离职或第三方闭源而长期处于监控死角的老旧服务和遗留系统。

同时，平台原生支持OpenTelemetry（OTel），用OTel补充应用层语义，与eBPF自动采集的基础设施和网络数据合并，统一存入客户控制的BYOC层。这意味着用户不必在“自动采集的盲区”和“手动插桩的负担”之间二选一——eBPF负责底层的自动捕获，OTel负责业务逻辑的显式标注，两者在统一查询层中被合并关联。

Azulay认为，这套组合正在直接冲击旧有定价体系：“Datadog的定价模型正在显露出老化迹象，客户越来越难以证明成本的合理性。”groundcover的策略并非做“更便宜的Datadog”，而是将成本结构从线性变为接近固定。当企业的节点数量保持相对稳定，而数据量因业务增长或架构复杂度提升而飙升时，这种差异可能意味着数十万甚至数百万美元的年化成本差。这一策略已初见成效：公司在过去12个月内签下了多份七位数合同，覆盖从初创企业到财富500强的250多家付费客户。

AI代理正在将“可观测”推入“可自主操作”的深水区

BYOC解决成本问题，而groundcover对AI时代的押注，则指向让AI代理成为值班工程师。在公司产品矩阵中，这被包装为“Agent Mode”——一个旨在将告警信息路由、初步调查、问题转工单等流程交由AI代理完成的功能集。Shahar Azulay在C轮融资声明中强调，groundcover是“唯一一个利用eBPF潜力和BYOC无限力量的可观测平台”，而他为这个组合之上增加的下一步功能，正是Agent Mode。

理解Agent Mode的逻辑，需要先厘清当前运维工作流中人的角色。传统的告警系统触发后，值班工程师必须手工切换多个工具——先查看仪表盘，再搜索日志，接着比对链路追踪数据，最后在工单系统中手动创建问题描述。这个过程高度依赖个人经验和跨工具间脆弱的心智模型。Agent Mode试图将这几个步骤压缩进一个由AI驱动的流水线中。

根据公司官网披露的产品动态，Agent Mode已经与Slack和Linear等协作工具打通，能将告警信息路由至正确频道，根据线程上下文执行初步调查，并支持将问题转换为修复工单。设想一个场景：凌晨三点，生产集群出现高延迟告警。传统流程下，值班者需要爬起来登录VPN，打开多个工具窗口，逐一排查。而在Agent Mode的理想路径下，groundcover的AI代理会自动将该告警发送到Slack的对应频道，读取该频道的近期讨论上下文，关联最近的部署更改，执行一组预置的诊断查询，然后将初步结论和修复建议以Linear工单形式指派给对口的开发团队。

同时，groundcover引入Model Context Protocol（MCP）支持，使开发人员可以将生产遥测信息导入兼容的AI代理和开发环境，以判断问题到底出在模型本身、外部API、检索系统还是基础设施瓶颈。这在当代AI应用的排错场景中意义重大——当一个AI代理出错时，排查链往往需要横跨语义层和基础设施层，而传统工具很难在两个领域之间建立关联。

然而，一份产品更新日志揭示了这种自主性的现实边界。groundcover近期专门为Agent Mode增加了“审批流程”设计，目的是确保代理不会“执行任何危险操作”。这清晰地表明，当前Agent Mode的实际能力更多聚焦于诊断和建议层面，距离真正的自愈式闭环还差最后一步自动执行跨越。在运维领域，“危险操作”的范围很广——从重启生产数据库到滚动回滚一个微服务集群——而任何这类操作的自动化都需要极高置信度的决策能力和完善的回滚机制。groundcover选择先建立一个审批节点，实际上是在承认：在AI代理能够独立做出生产级变更决策之前，还需要大量的验证数据和信任积累。

此外，groundcover还将AWS成本数据作为第一方数据源集成进来，这意味着BYOC架构下的数据处理能力正在向FinOps（云财务管理）方向延伸。当平台同时掌握了性能数据和成本数据，AI代理就有可能在一个排障场景中同时给出“如何快速修复”和“修复过程的预计云资源影响”两个维度的建议。这可能成为Agent Mode差异化价值的一个潜在方向，但它同时要求groundcover在成本数据建模、多供应商定价规则解析等方面进行持续投入。

250个客户和3倍ARR背后，需要穿透的是企业“多工具现实”

groundcover在过去一年交出的运营答卷不薄弱：ARR同比增长超过三倍，员工人数翻倍至140人，其中80人部署在以色列，其余分布在波士顿和旧金山。公司表示已服务超过250家付费客户，并签下了多个百万美元级别的合同。ARR的绝对数字未披露，但CEO Shahar Azulay提到，公司在未来几年内达成约1亿美元年度销售额是目标之一，这暗示其当前ARR可能处于数千万美元的规模。

公司的早期案例提供了一些信号。医疗平台b.well采用了groundcover的按月节点计价模型，声称消除了随着环境扩展而来的成本焦虑。在线交易风控公司Riskified则用groundcover取代了碎片化的旧工具，获得了统一的可观测体验。这两类案例恰好对应groundcover的两大卖点：成本可控与工具整合。

但“工具整合”本身也是一个需要展开的概念。可观测性市场过去十年经历了一轮碎片化浪潮——日志、指标、链路追踪、真实用户监控、基础设施监控各自拥有一批专注的厂商，导致大型企业内部的运维工具箱往往由5到10个独立产品拼凑而成。groundcover试图用一个eBPF+OTel+BYYC的统一数据平面取代这个拼凑组合。从Riskified的反馈来看，开发团队确实在“开箱即用”和“易于上手”的维度上获得了收益。

不过，对于已经深度绑定Datadog的组织，迁移不仅意味着工具替换，还涉及到历史仪表盘重建、告警规则重写和团队技能的重新培养。Datadog深耕市场超过十年，已经建立了一个庞大的工程师社区、认证体系和预制集成生态。许多企业组织内部的运维知识被编码在Datadog的特定语法、模板和自动化脚本中，切换平台的隐性成本可能远超软件许可费本身。这是groundcover需要克服的采纳阻力。目前客户列表已包含财富500强企业，表明其产品在真正的企业级负载下已有部分验证，但“替代Datadog”的叙事仍然需要更多大规模验证案例来支撑。

OpenTelemetry的崛起，让BYOC从特立独行走向生态绑定

在groundcover的技术堆栈中，OpenTelemetry扮演着远比“集成标准”更复杂的角色。OTel是云原生计算基金会（CNCF）旗下的开放标准，旨在统一遥测数据的生成、采集和导出方式。随着主要云厂商和可观测厂商纷纷宣布原生支持OTel，它正在成为云原生可观测性的通用语言。

这对groundcover构成了双重影响。积极的一面是，OTel的普及降低了客户将数据导入groundcover BYOC层的阻力——任何已经采用OTel标准的应用，理论上可以较为平滑地将数据流重定向到groundcover的平台。但消极的一面同样明显：如果OTel让数据采集变得标准化和可移植，那么groundcover必须证明自己的价值不止于标准化采集，否则在客户面前的差异化空间将缩小。

其解法是用eBPF补齐OTel的盲区。OTel虽然提供了标准化的插桩接口，但它要求应用的代码或SDK层面进行配合——对于遗留应用、老旧中间件，以及那些不愿意为监控而修改代码的第三方服务，OTel的覆盖能力天然受限。eBPF在内核层面“静默”抓取数据，可以填补这些无法或不愿插桩的盲区。CTO Yechezkel Rabinovich早期构建的技术路径表明，groundcover希望eBPF提供自动发现的骨架，OTel负责业务语义的经络，两者合并后统一存入BYOC层。

公司提出的“KnowGo”统一查询语言、开箱即用的仪表盘和Agent Mode的上下文理解能力，目前是这种整合价值最直观的体现。KnowGo的核心理念是让工程师使用单一查询语法横跨日志、指标和链路追踪，而不是在三者之间不断切换语法和心理模型。这降低了多信号关联分析的门槛，也是Agent Mode能够执行跨信号诊断的前提条件。不过这些能力的长期壁垒强度，仍需观察OTel社区以及云厂商托管服务的演进方向——如果未来AWS或GCP在自己的控制台内提供类似eBPF+OTel的统一查询和代理功能，groundcover需要更多层次的差异化来维持吸引力。

One Peak的激进押注，与摩根士丹利扩张资本的合规背书

本轮融资的领投方One Peak是一家管理着超过40亿美元资产的伦敦成长型股权投资机构。成长型投资与早期风投不同，通常要求目标公司已经验证了产品市场匹配，并且具备明确的规模化路径。One Peak在这个阶段投入1亿美元，表明其对groundcover的ARR增速、客户续约率和市场时机有较高信心。

One Peak联合创始人兼管理合伙人David Klein表示：“AI时代要求完全不同的可观测性架构，groundcover是唯一构建出它的公司，我们相信他们将定义这个品类的下一个篇章。”这份表述将groundcover摆在了“品类定义者”的位置上，而非“更便宜的市场追随者”。在成长型投资中，品类定义的叙事往往对应更高的估值倍数，但它同时也隐含了更高的期待——groundcover不仅需要赢得客户，还需要让市场接受其技术路线为行业标准方向。

摩根士丹利扩张资本的介入，则为groundcover的BYOC架构中的数据指涉权和驻留规则提供了一层合规背书。BYOC模式下，遥测数据存储在客户云账户内，groundcover的SaaS控制平面与数据平面在网络上隔离，仅管理元数据和配置信息。对于受严格数据驻留法规约束的金融、医疗和政府机构而言，这种架构提供了更清晰合规路径。摩根士丹利扩张资本作为摩根士丹利投资管理旗下的成长型投资平台，其对groundcover的注资可能也被市场解读为：这套架构在金融行业的合规审核中经得起检验。

公司CEO Shahar Azulay提到，目标是在未来几年内达到约1亿美元年度销售额。groundcover目前拥有250多家付费客户，年经常性收入增长三倍，但公司未进一步披露Agent Mode带来的独立收入比例，也未披露ARK倍数或客户集中度等更细颗粒度的商业指标。这些信息可能会在后续的投资者沟通中逐渐浮现，但目前阶段仍属于未披露范畴。

资金将流向北美战场，那里既有巨头也有窗口期

groundcover对C轮资金的首要使用方向表述得非常具体：扩大北美业务。北美是可观测性市场规模最大、决策权最集中的区域之一，也是Datadog、New Relic等既有巨头的核心堡垒。本轮资金的一部分将用于壮大北美销售和客户成功团队，将以色列研发中心的工程能力转化为北美企业客户的付费合同。

同时，groundcover明确提到将深化与主要云提供商的合作及联合销售计划。这在企业级软件市场中是常见策略，但对groundcover而言意义可能格外特殊。BYOC架构意味着groundcover的软件运行在客户自己的AWS、GCP或Azure账户中，与云厂商并没有基础设施层面的竞争关系。这使得它更容易与云厂商的市场平台（如AWS Marketplace）进行结算对接，并可能成为云厂商在“客户自有环境内的高级可观测性”品类中的推荐方案。Azure和GCP均有eBPF相关能力的布局，但完整的全栈可观测平台能力仍依赖ISV满足，groundcover补位逻辑清晰。

此外，资金还将用于扩展AI能力，并在核心可观测平台之上探索新的使用场景和产品线。结合官网已展示的AWS成本管理集成，以及近期发布的AI工具可观测、Cloudflare集成等更新，这些产品能力正在从“监控并报警”向“观测且行动”的方向聚拢。地理扩张也被提上日程，但未公开具体的目标市场，可能是欧洲或亚太的数据合规敏感型市场，这两个区域对BYOC模式的需求逻辑与美国和以色列部分客户群相似。

那些尚未写进投资备忘录的隐忧

即便一切按照规划推进，groundcover依然面临几个不会出现在融资新闻稿中的待验证假设。首先，组织的惯性不可小觑。Datadog的成功不只因为产品，也因为一套以监控为核心的知识体系和认证生态——内部培训材料、招聘时的技能要求、合作伙伴的集成认证，乃至Stack Overflow上数万条排查帖子，都以Datadog的语法和概念为锚。groundcover要用KnowGo查询语言和Agent Mode替代这些成熟工作流，不仅要求企业承担许可证切换的财务成本，还要支付重新培训团队的时间成本。大型客户在采购时，往往将这类隐性成本计入总拥有成本（TCO），这可能拖慢groundcover从早期采用者向主流市场的爬坡速度。

其次，竞争路线上，groundcover的250多家客户与Datadog的全球客户基数之间存在数量级差距。Datadog在2024财年的营收超过26亿美元，而groundcover的1亿美元年度销售目标本身尚处于追赶的规划阶段。公司瞄准的“替代Datadog”目标，需要在高价值客户中证明持续赢单率，目前这方面缺乏公开披露的竞争性替换统计数据。市场往往会在融资发布时给予较高的叙事溢价，但真实的市场份额变化需要按季度、按合同来衡量。

第三，BYOC模式的单位经济模型虽然有利于客户，但对groundcover的运营利润率和规模化效率提出了一些独特要求。因为数据平面部署在每一位客户的云中，groundcover无法像集中式SaaS那样通过多租户基础设施实现摊薄效应——每一套数据平面都需要独立的运维、版本升级和故障响应流程。随着客户数量增长，这套运维体系的复杂度能否被自动化和标准化有效消化，是决定公司毛利率走势的关键变量。

eBPF的天然边界与BYOC的密度约束

groundcover尚未被广泛讨论的独特约束来自其技术架构本身。eBPF传感器高度依赖Linux内核，在包含大量Windows工作负载或以PaaS形式运行的闭源中间件环境中，其无代码插桩的覆盖能力将大打折扣。尽管Windows上eBPF的社区项目正在推进，但生产级成熟度与Linux环境下存在差距。对于高度依赖Windows Server的企业组织，groundcover的价值主张可能需要额外补充采集手段，这可能削弱其在Windows主导型企业中的竞争力。

此外，BYOC模式意味着数据平面存放在每个客户的云内，公司无法像集中式SaaS那样在后台统一摊销基础设施成本。当groundcover进入一个新的地理区域时，需要当地具备足够的客户密度，否则为少数客户维护独立数据平面所产生的隐性工程支持成本——包括跨区域监控、合规审查和本地化运维——可能侵蚀利润。全球扩张过程中，如何平衡地域覆盖的广度与单一区域的客户密度，是groundcover尚未在公开材料中详细论述的战略议题。

这些约束与其说是融资层级的风险，不如说是架构层面的结构性特征。在以色列国内市场验证成功后，向北美和更广泛国际市场扩张的过程，将为这些假设的检验提供数据。市场将关注groundcover能否在每年中持续展示ARR增长与客户留存率之间的健康关系，而不仅仅是单一年度的表现。

RecodeX 极客视：groundcover本轮融资的背后，是eBPF传感器与BYOC架构的组合尝试重写可观测性市场的单位经济模型：不再按数据量收费，让数据回归客户云中，并试图让AI代理直接基于全保真遥测完成排障。如果这一架构能在更多行业和地理区域验证其兼容性和经济性——特别是在Windows混合负载、金融级合规和跨区域部署等尚未充分论证的场景中——它将不仅挑战Datadog，还可能重塑企业对于云管理软件数据归属的预期。而那个最终裁决者，仍将是250家客户之外更广大的传统企业在迁移决策中签下的每一份续约合同。