为什么 Anthropic、Meta 和 Tesla 都选择了同一个数据库｜Aaron Katz，ClickHouse

摘要

• ClickHouse 在创业公司正式成立前，就拥有多数初创企业要到更晚阶段才能获得的产品市场验证。 Alexey Milovidov 于2009年在 Yandex 内部为 PB 级流式分析搭建了 ClickHouse，2016年将其开源，企业当时已经开始把日志、指标和数仓工作负载迁移到这套数据库上。2021年8月，Katz 在“没有 pitch deck、没有产品、没有客户、没有收入”的情况下融资5000万美元种子轮/种子前轮，随后很快又融资2.5亿美元。
• 它的商业护城河，既来自数据库性能，也来自分发设计。 ClickHouse Cloud 采用无服务器架构，并将算力与存储分离，以应对突发型工作负载；随后通过自助评估、免费迁移支持和工程师对工程师的 Slack 频道销售，目标是在“竞争对手甚至还没完成项目范围界定之前”就让客户上线。Katz 目前称云服务客户已超过3,000家，每月新增数百家。
• Katz 认为，AI 的普及是在以极高速度重演 SaaS 历史。 Salesforce 的本地部署软件竞争者曾称云计算只是昙花一现；他预计，关于模型可靠性和企业数据共享的质疑将被证伪，并称 AI 的采用速度是20年前 SaaS 的“100倍”。
• 投资逻辑是软件估值倍数下修，但基础设施需求仍具韧性。 Katz 不认为过去按远期收入定价的估值会回归；自由现金流和终值如今更重要，而数据库一旦在可靠性、持久性、安全性和可扩展性上达到基本门槛，就会像“卖铲子和铁锹”的基础设施一样，按价格和性能采购。他将 Datadog 和 Snowflake 与应用型 SaaS 区分开来，并指出 Databricks 收入已达40亿美元，其中数仓和 AI 工作负载的收入都超过10亿美元。
• Agents 可能成为数据库的购买者和操作者，而不只是推荐层。 Claude 曾向 Anthropic 推荐 ClickHouse；一位欧洲金融科技公司 CEO 也告诉 Katz，他问过的每个 LLM 都给出了同样的建议。Katz 设想，Agents 将自动配置 ClickHouse 和 Postgres。托管版 Postgres 目前处于私有预览阶段，几个月后进入公开 Beta，年底前正式商用；Katz 称统一数据栈将成为“云上最快的 Postgres 服务”。
• Datadog 面临界面层被去中介化的风险，但 Katz 认为其短期产品护城河被低估了。 Biewald 认为，Agent 用户和便捷的定制界面有利于客户直接使用 ClickHouse；Katz 认为这一逻辑成立，但在现实的1至3年周期内，Datadog 仍是高端且难以对付的产品。ClickHouse 自己也曾在尚未产生收入时为 Datadog 花费7位数美元，后来迁移离开时还引发内部“兵变”。
• AI 正在扩大 ClickHouse 的运营目标，但没有放松数据库级别的控制。 公司计划今年将员工人数从约500人增至接近1,000人；未来6个月内，AI 辅助代码贡献占比将从目前估计的50%升至80%；Agents 则被用于承担类似 SDR 和 CSM 的工作。人工审核仍将保留，因为“快速行动、打破常规”不适用于数据库。
• 平滑的外部增长曲线，掩盖了高度集中的执行风险。 核心团队在俄罗斯于2022年2月24日入侵乌克兰前约6周从莫斯科迁往阿姆斯特丹。Katz 后来说，他当时认为2亿美元托管在 U.S. Bank，另有1亿美元在 SVB 资产负债表上；他在 SVB 系统宕机前30分钟转走了这1亿美元，而剩余2亿美元的状态在72小时内都无法确定。可靠性是 P0 优先级；而资金充足的数仓和可观测性老牌厂商也已经“开始意识到这一威胁”。

精读

1. ClickHouse Inc. 成立前，产品市场验证已经出现

• Katz 将 ClickHouse 追溯到2009年。当时 Yandex 的 Alexey Milovidov 找不到一款现成数据库，能以所需性能摄取并存储 PB 级流式服务数据，于是他搭建了“点击流数据仓库”（clickstream data warehouse）。这套系统随后在 Yandex 内部扩散，运行7年后于2016年开源。

• Katz 在上一家公司通过流失的工作负载接触到它：Uber 正将日志迁移至 ClickHouse，eBay 选择它承载大型指标项目，Disney、Comcast 和 Deutsche Bank 也在采用。2021年初，一位投资人把他介绍给 Yandex 管理层，对方问他是否有兴趣围绕一个已经吸引贡献者并产生实际用例的项目创业。

• 由于 Yandex 是上市公司——Katz 回忆其市值约为300亿美元——剥离过程耗时9个月，IP 转移还涉及监管工作。他将项目创作者 Alexey、曾在 Netflix 和 Google 任职的 Yuri Izrailevsky 与自己组成团队；2021年8月，在 ZIRP 高峰期，他们在“没有 pitch deck、没有产品、没有客户、没有收入”的情况下融资5000万美元，随后又获得由 Coatue 和 Altimeter 领投的2.5亿美元。

2. 无服务器云与工程师主导的销售，将开源势能转化为商业增长

• 产品路线非常明确：打造完全托管的 ClickHouse Cloud，采用无服务器架构，并将算力与存储分离，让突发型分析工作负载能够自动扩容、空闲时则释放资源。数千个团队已经在运行开源版本；50家设计合作伙伴则明确了让他们停止自行运维所需的条件。保留核心代码贡献者，有助于公司掌握产品路线图。

• Katz 以 MongoDB Atlas 为参照，研究开源数据库如何成长为广泛的云平台；随后他将 Snowflake 高资本投入的企业销售引擎，与 Datadog 几乎没有摩擦的开发者采用路径作对比。他选择了后者，因为工程师应该能够自行“评估、部署、扩展”，甚至无需销售介入就进入生产环境。

• 需要帮助时，ClickHouse 提供的是同行式讨论，而不是传统销售演示：公司会建立联合 Slack 频道，让顶尖工程师、Alexey 和核心贡献者直接参与。运营承诺是，在“竞争对手甚至还没完成项目范围界定之前”就帮助用户取得成功，包括协助客户从 Postgres、Snowflake 或 BigQuery 迁移，且不收取服务费。

• Katz 目前称 ClickHouse Cloud 已拥有超过3,000家客户，“每月新增数百家”。最锋利的切入口是低延迟、面向客户的分析应用，例如 Weights & Biases 的 Weave；与此同时，数据库也覆盖数仓、可观测性、网络安全后端和点击流分析，市场空间虽大，却已挤满专业化竞争者。

3. AI 利好基础设施需求，同时重置软件估值倍数

• Katz 的类比来自他在 Salesforce 工作的12年经历。他于2002年加入 Salesforce，此前经历了互联网泡沫破裂、MBA 申请失败，并在 Lake Tahoe 等待上桌服务。那时的传统厂商称云计算不安全、不可靠；如今他看到有人声称模型不可信、企业数据不能交给 LLM 服务商，认为这仍是同一种“把头埋进沙子里”的瘫痪。

• 时间点才是差异所在：Salesforce 于2004年上市时只有少数几家企业客户，而 Katz 称 AI 的采用速度是20年前 SaaS 的“100倍”。他的判断是，当前这些质疑“如果还没有被证伪，也一定会被证伪”。

• 在公开市场上，Katz 不认为过去按远期收入计算的估值倍数会回归；自由现金流动态和终值的重要性，已经超过市场此前假定的30%-50%年增长。他认为这轮抛售“有些过度”，将 Datadog 和 Snowflake 与应用型 SaaS 公司区分开来，并指出 Databricks 在40亿美元收入基础上重新加速，其中数仓和 AI 工作负载收入均超过10亿美元。

• 分发方式也在变化：Anthropic 询问 Claude 应该使用什么基础设施，得到的答案是 ClickHouse；一位欧洲金融科技公司 CEO 则告诉 Katz，“我问过的每个 LLM”都推荐它。Katz 设想的终局是，Agents 自动配置 ClickHouse 和 Postgres；后者目前处于私有预览阶段，几个月后进入公开 Beta，年底前正式商用。他称统一数据栈将成为“云上最快的 Postgres 服务”。

4. Datadog 的界面护城河脆弱，但产品护城河真实存在

• Biewald 的反驳值得保留：如果登录可观测性产品的是 Agents 而不是开发者，Datadog 精心设计的界面可能没那么重要；团队可以直接查询 ClickHouse，再生成定制界面。Katz 称这一观点“成立”，但认为3至5年的预测无法做出，同时保留了1至3年内 Datadog 仍是重要供应商的判断。

• 这种防御来自亲身失败经历：Katz 之前的公司曾尝试搭建类似服务，但据他称并未成功。在 ClickHouse，Datadog 是在紧张上线周期下承载 APM、日志和指标的显然选择；随后业务“像野火一样增长”，直到公司在尚未产生收入时对 Datadog 的支出达到7位数美元，一度超过 ClickHouse 自身收入。

• 替换 Datadog 引发了“几乎像发生了兵变”；Katz 把从开发者手里拿走 Datadog，比作从瘾君子手里夺走海洛因。这次迁移也是内部自用的必然要求：他说，ClickHouse 一边使用 Datadog，一边不可能宣称自己是有分量的可观测性供应商。ClickHouse 最终迁移到自有技术栈，并报告了成本节约和性能提升；但 Katz 仍预计 Datadog 能“挺过这一关”并赢得 AI 客户，只是无法恢复此前的估值倍数。

5. AI 扩大 ClickHouse 的招聘计划，同时减少交接环节

• ClickHouse 目前约有500名员工，计划在今年结束时接近1,000人；AI 没有削减这一计划，如果工程师的生产力提高10倍，甚至“可能加速”招聘。Katz 从来不想要 SDR 或 CSM，认为这些交接笨拙且往往只是问题表象；Agents 则可以负责筛选线索、创造需求，并提供结合上下文的产品帮助。

• 在产品侧，自然语言请求可以从实时数据生成分地区收入图表，或生成乐观、悲观和现实情景。Katz 描述了自己的使用方式：通过 ClickHouse 去年收购的开源聊天界面 LibreChat，结合 InfluxDB 模型和 ClickHouse 的 MCP server。在工程侧，他估计目前50%的代码贡献由 AI 辅助完成，预计6个月内升至80%；但人工审核仍是标准流程，因为“快速行动、打破常规”不适用于数据库。

6. 高速增长曲线已经遭遇地缘政治、银行与可靠性冲击

• Katz 对 Yandex 剥离提出的条件是与俄罗斯没有任何联系，包括不能在俄罗斯网络上写代码。2022年1月，他说服 Alexey 在莫斯科的团队迁往阿姆斯特丹；约6周后，俄罗斯于2月24日入侵乌克兰，公司不得不在处理与 Yandex 的关系的同时，支持那些离开家园且未能回去的工程师。

• 流动性危机更加尖锐：Katz 曾将3亿美元存放在 Silicon Valley Bank。他相当确定其中2亿美元托管在 U.S. Bank，SVB 仍负责资产管理，但无法确认这一点；他认为另有1亿美元在 SVB 资产负债表上。于是他将这1亿美元转往荷兰，资金成功到账；30分钟后，Katz 称 SVB 的银行系统宕机。

• 政府最终提供的兜底，并没有抹去剩余2亿美元在72小时内状态不明的经历。Katz 也不认为服务发展一路完美：期间确实出现过问题，但“没有造成灾难性后果”；而将安全性、可靠性和持久性设为 P0 优先级，需要工程团队不眠不休，因为面向客户的产品等于“把整个公司押在我们的服务上”。

• 下一场考验来自竞争。在数仓领域，他点名 Snowflake、BigQuery、Redshift，以及日益强大的 Databricks；在可观测性领域，则包括 Datadog、Grafana 和 Elastic。Katz 认为 ClickHouse 是实时分析市场的领导者，并以 Vercel、Lovable、Sierra、Decagon、Ramp、Klaviyo、Attentive、Weights & Biases 和 LangChain 的面向客户应用为例；他说，竞争对手如今已经“开始意识到这一威胁”。