巴黎，2026年6月24日。当大多数可观测性公司还在为如何向客户收取更高的“数据税”而沾沾自喜时，一家成立仅两年的初创公司Tsuga，带着一个反直觉的命题拿到了3500万美元的A轮融资：把你的数据留在原地，我们只卖给你看透它的能力。 这轮由Singular领投，General Catalyst、DST Global Partners和QuantumLight跟投的融资，不仅是对一个技术架构的押注，更是对整个SaaS行业“数据上云”商业模式的无声宣判。当AI Agent开始自主编写代码、循环调用API，产生的日志量是传统应用的数十倍时，Tsuga提出的问题尖锐而致命：你凭什么认为，把数据交给一个第三方云厂商，是监控AI的唯一出路？

一场关于“数据税”的起义：为什么传统可观测性在AI时代失灵了？

Tsuga的CEO Gabriel-James Safar毫不掩饰他对行业现状的蔑视。他在一份声明中直言：“那些老牌公司建立了一个不再有效的商业模式。当数据量可控、AI还没有替你写代码和部署时，把遥测数据发送到厂商的云上是有意义的。但这两件事现在都不成立了。”

这句话戳中了所有DevOps团队的痛点。过去十年，Datadog、New Relic等巨头建立了一个“数据越多，收入越高”的完美飞轮。但在AI Agent时代，这个飞轮正在变成绞索。一个自主运行的AI Agent，其内部循环、提示词交互、Token消耗、决策路径产生的遥测数据，可能是传统微服务的10倍甚至100倍。按照传统的按量计费模式，企业的可观测性账单正在以不可持续的速度膨胀，而得到的却是“采样”后的不完整视图——为了省钱，你不得不牺牲对AI行为的全貌洞察。

Tsuga的解决方案听起来简单，但执行起来极其“反SaaS”：平台部署在客户自己的云环境内（Azure、AWS、GCP或主权云），遥测数据绝不离开客户环境。 这本质上是一场对“数据税”的起义。它不再通过控制数据来盈利，而是通过提供分析数据的软件和服务来收费。这种架构直接消除了传统厂商的“结构性劣势”——没有数据出站带宽费，没有存储冗余，没有为了降低账单而被迫进行的“采样妥协”。

“前向部署工程师”与“零采样”：Tsuga的护城河是服务还是技术？

Tsuga的商业模式被描述为“软件+服务”的混合体。其中最引人注目的是其“前向部署工程师”（Forward-deployed Engineers）。这些工程师直接驻扎在客户现场（或远程深度介入），帮助客户调整可观测性设置，核心目标不是增加数据量，而是减少需要处理和保留的数据量。

这听起来与SaaS的“规模经济”背道而驰。但Tsuga的逻辑是：通过提供全量、未采样的数据，并辅以自动化的根因分析，他们能帮助客户更精准地定位问题，从而避免因盲目采集而产生的海量“噪音”数据。当客户发现Tsuga能让他们在更少的数据上获得更可靠的覆盖率时，粘性就产生了。

维度 传统可观测性厂商 (如Datadog) Tsuga
数据存储 客户数据上传至厂商云 数据留在客户自有云环境
定价模式 按数据量（日志/指标/链路）计费 软件许可+服务费（与数据量解耦）
数据采样 普遍存在，为控制成本而牺牲精度 全量、未采样，提供完整视图
AI Agent支持 后置适配，成本高昂 原生支持Agent链路、提示词、Token数据
核心价值 提供统一的数据湖和监控面板 提供在客户环境内的分析引擎和根因分析

这种模式的关键在于，Tsuga的MCP服务器和CLI工具，让工程团队能构建自己的内部Agent，而Tsuga的工程师则负责“调优”整个系统的数据流。这与其说是在卖软件，不如说是在卖一种“数据治理咨询服务”。它的护城河不仅是技术，更是与客户深度绑定的服务关系。但挑战也在于此：这种重服务模式能否规模化？当客户数量从几十家增长到几百家时，Tsuga是否还能维持其“前向部署”的承诺？

从Le Monde到Black Forest：谁在为AI的可观测性买单？

Tsuga声称在从隐身模式中走出后的六个月内，已实现数百万美元的收入，平均合同价值达到六位数。其客户名单涵盖了法国主流媒体Le Monde、流程自动化公司Camunda、以及AI模型开发者Black Forest。这个组合很有意思：既有需要监控传统软件系统的大型企业，也有需要监控AI工作流的新兴AI公司。

这表明Tsuga的定位非常精准：它不试图取代所有监控工具，而是成为那个连接“传统应用”与“AI Agent”的桥梁。 对于Le Monde这样的媒体，他们需要确保推荐系统和内容管理系统稳定运行；而对于Black Forest这样的AI公司，他们需要追踪模型推理的每一次Token消耗和Agent的决策路径。Tsuga提供了一个统一的视图，让运维人员不必在Datadog和LangSmith之间来回切换。

General Catalyst的Alexandre Momeni在投资声明中强调了Tsuga的“全栈创新”：“从存储层到商业模式，Tsuga实现了只有通过全栈创新才能达成的阶跃式变化。” 这暗示了Tsuga在底层存储引擎上可能也有独到之处，以支持在客户环境内高效处理海量、未采样的数据。

主权云与AI治理：Tsuga的东风与暗礁

Tsuga的崛起，恰逢全球对“数据主权”和“AI治理”的监管风暴。欧盟的《AI法案》、各国的数据本地化要求，让企业越来越不愿意将敏感的AI遥测数据交给第三方云厂商。Tsuga支持在主权云中部署的能力，恰好踩中了这个政策红利。

然而，Tsuga并非没有隐忧。首先，“留在原地”的架构虽然解决了数据主权问题，但也意味着客户需要自己承担计算和存储成本。 如果Tsuga的软件优化不够极致，客户可能会发现，虽然省下了给Datadog的“数据税”，但自己的云账单（AWS/Azure）却涨得更快了。其次，前向部署工程师的模式成本高昂， 这可能会限制其客户拓展速度，并使其毛利率低于纯SaaS公司。最后，巨头反击的风险。 如果Datadog或New Relic推出类似的“本地化部署”版本，并利用其现有的客户关系和生态优势进行捆绑销售，Tsuga将面临严峻挑战。

RecodeX 极客视点：Tsuga的A轮融资，本质上是对“SaaS原教旨主义”的一次修正。它证明了在AI时代，数据主权和成本控制的价值，可能超越了“一键上云”的便利性。但Tsuga的成功，取决于它能否在“重服务”与“可扩展”之间找到平衡，以及能否在巨头醒悟之前，用“零采样”和“全量数据”的极致体验，快速锁定一批高粘性的核心客户。否则，它可能只是为行业巨头们做了一次昂贵的“产品验证”。