SaaS 估值崩盘，OpenAI 迎接性能之神

今天的技术圈冰火两重天：一级市场正在疯狂重塑 AI 时代的价值锚点，SaaS 模式遭遇“降维打击”，硬科技与算力基础设施迎来狂欢；而在微观技术层面，从视觉感知的原理级修正到底层算子的极致优化，工程师们正在为下一代智能系统夯实每一块地基。这不仅是一场资本的迁徙，更是一次技术范式的彻底重构。

行业剧变：SaaS 的葬礼与硬科技的崛起

SaaS 的葬礼与硬科技的狂欢 | SVTR Signal #003

这是一份令人战栗的 2026 年开年体检报告。文章核心观点极为锋利：当 AI Agent 能够独立完成工作流时，过去二十年赖以生存的“按人头收费” SaaS 模式已成行尸走肉。这不是周期性调整，而是估值逻辑的崩塌。资本正在疯狂逃离“比特世界”，涌向“原子世界”——无论是 Lawhive 这种直接卖结果的 Service-as-Software，还是 Waymo 这种掌握物理主权的自动驾驶，抑或是 Cerebras 这种试图打破 Nvidia 垄断的算力军火商，都在证明：只有拥有物理护城河或定价权的公司，才能在新的冬天存活。

教科书《性能之巅》作者入职 OpenAI！迷弟总裁亲自欢迎

正当旧世界崩塌之时，OpenAI 招来了现代系统性能领域的“定海神针” Brendan Gregg。这位发明了火焰图、写了《性能之巅》的传奇人物，从 Intel 离职加入 OpenAI，信号意义极强。这意味着 AI 基础设施的竞争已从“堆算力”进入“抠性能”的深水区。面对数万张 GPU 组成的超级集群和海量的并发请求，旧时代的通用计算优化工具已失效。Brendan 的加入，预示着 OpenAI 正在构建一套专门针对大模型的工程方法体系，试图在昂贵的硬件缝隙中通过极致的软件优化榨出每一分算力价值。

深度技术：视觉原理与算子重构

AI 看图一本正经胡说八道？「一拉一推」让模型看得全又准｜微软 x 清华

如果你觉得视觉模型经常“一本正经胡说八道”，问题可能不在推理，而在第一眼就看错了。微软亚研院与清华提出的 BiPS（双向感知塑形），试图解决 VLM“视线错位”的根本顽疾。不同于以往在推理阶段用各种外挂工具提示模型看哪里，BiPS 将这种能力“内化”到训练阶段。通过“拉”模型看全证据链、“推”模型聚焦关键细节的机制，让模型学会“带着问题看图”。仅用 13K 样本就在 8 个基准上实现显著提升，说明这种可迁移的感知能力才是通往通用视觉智能的硬道理，而非简单的参数堆砌。

从 FlashAttention 到 Streaming Reduction：如何把“全局算子”改写成可分块计算

这是一篇极具工程美学的深度好文。作者从 FlashAttention 的 Online Softmax 出发，抽丝剥茧地提炼出了高性能计算的“上帝模式”——Streaming Reduction。只要算子具备“可结合的累积结构”与“平移/缩放不变性”，就能通过维护 O(1) 的状态和动态补偿，将全局依赖改写为流式分块计算。文章不仅打通了 Softmax、LayerNorm、Adam 乃至分布式 AllReduce 的底层逻辑，更提供了一套系统化挖掘算子性能极限的方法论。对于想要深入理解 AI 计算底层的开发者而言，这种“代数结构”层面的洞察比单纯的代码实现更有价值。

编者按

从商业模式的重构到底层算子的重写，今天的文章串联起了一个完整的逻辑链条：资本在追逐物理世界的确定性，而工程师在数字世界的底层构建确定性的性能。SaaS 的葬礼宣告了“套利时代”的结束，Brendan Gregg 的入职和 BiPS、Streaming Reduction 的出现，则预示着“深耕时代”的开启。在这个新时代，无论是做系统还是做应用，唯有深入到不可替代的物理层面或数学原理层面，才能建立起真正的护城河。