美团万亿模型LongCat-2.0：训练推理英伟达含量为零，意味着什么
引言
2026年5月1日，美团 quietly 开启了一个内测：万亿参数大模型 LongCat-2.0-Preview，每天 1000 万免费 token。
如果只是又一个万亿模型，不值得写一篇文章。DeepSeek V4 上周刚发布，参数也是 1.6 万亿。真正值得关注的是另一件事：
LongCat-2.0-Preview 从训练到推理，全流程用的都是国产芯片。英伟达算力占比为零。
这不是”首发推理用国产卡，训练还用 A100”的折中方案，而是彻头彻尾的国产算力跑通。
关键数字
- 总参数量：约 1.6T（MoE架构）
- 平均激活参数：约 48B
- 上下文窗口：支持 1M（百万级）
- 训练用卡规模：5万至6万张国产加速卡
- 英伟达占比：0%
5-6 万张加速卡是什么概念？这是目前已知范围内，国产算力支撑超大模型训练的规模上限。
为什么说这是个里程碑？
先看行业背景。
DeepSeek V4 发布时也用了国产芯片做首发推理，但训练环节仍然依赖英伟达。这不算奇怪——目前全球只有英伟达的 GPU 生态（CUDA、NCCL、cuDNN）能成熟支撑万亿级模型的训练。国产芯片单卡性能可能接近，但软件栈、通信库、算子优化、稳定性的差距才是真正的门槛。
参数越大，这个差距越明显。100B 模型可能在国产卡上跑得还行，到了 1.6T MoE，跨卡通信的延迟、显存的碎片化、训练过程中偶发的数值不稳定，都可能让训练崩溃。
所以 LongCat-2.0-Preview 的意义不在于”又一个万亿模型”，而在于它证明了：
国产算力在计算正确性、数值精度、长周期训练稳定性这些核心指标上，已经能支撑万亿级 MoE 模型的全流程训推。
技术细节：怎么跑通的？
从已披露的信息看，LongCat 团队在几个关键地方做了针对性设计：
跨层流感知索引
长上下文的主要瓶颈来自 Transformer 的 O(n²) 计算复杂度。LongCat 引入了轻量稀疏注意力机制，叠加”跨层流感知索引”——在不同层之间识别关键语义路径，减少重复的全量 attention 计算。
这个设计让模型能稳定支持百万级上下文，同时保持推理延迟和计算成本相对可控。
用软件工程弥补硬件差距
有接近项目的人形容：这是”用软件工程的勤奋，弥补硬件生态的欠缺”。
国产芯片在显存等硬指标上仍有差距，但 LongCat 团队没有等硬件追上，而是在软件层面做了大量适配和优化工作——算子库重写、通信模式调整、容错机制加固。
这和当年 Android 在中国的发展路径很像：硬件不如 iPhone，但通过软件和本地化适配，最终做出了不一样的体验。
方法论的第一次万亿级验证
LongCat-2.0-Preview 并非从零开始的全新架构。据了解，它在之前较小规模模型的训练方法论基础上，第一次把这套方法推到万亿参数级。很多技术报告里之前看不太懂的细节，放在万亿规模的语境下突然有了合理的解释。
和DeepSeek V4对比
| 维度 | DeepSeek V4 Pro | LongCat-2.0-Preview |
|---|---|---|
| 总参数 | 1.6T | ~1.6T |
| 激活参数 | 49B | ~48B |
| 上下文 | 1M | 1M |
| 训练芯片 | 英伟达为主 | 国产芯片 |
| 推理芯片 | 首发国产 | 国产芯片 |
| 开源 | 是（MIT） | 未定 |
| 开放方式 | 公开API+开源 | 受邀内测 |
两者在参数规模上基本对齐，但路径完全不同：DeepSeek 选择开源开放，美团选择封闭验证。
行业意义
1. 国产算力跨过”可替代”到”可承担顶级任务”的门槛
之前的讨论集中在”能不能替代英伟达”。LongCat-2.0-Preview 的回答是：不只是替代，而是能承担行业里最吃算力的任务——万亿参数模型的完整训练。
2. 芯片自主不再只是政策目标
在中美科技博弈的背景下，芯片自主一直是政策层面的重点。但 LongCat 证明，它也可以是一个工程问题——不是喊口号，而是真的用 5-6 万张国产卡把一个万亿模型跑出来了。
3. 开源路线可能跟进
据消息人士称，LongCat-2.0-Preview 大概率会延续之前的开放路线。如果开源，那国内开发者和企业将第一次拥有”参数级别对标 DeepSeek V4 + 全栈国产算力”的可选方案。
值得关注的后续
- 是否会开源？ 这决定了它的影响力范围
- 实际性能如何？ 内测阶段只有额度，没有 benchmark 数据
- 国产芯片具体是哪家？ 目前未公开，但这本身就是一个值得关注的信号
- 美团是否会将 AI 能力整合到本地生活业务？ 这才是商业上的核心问题
写在最后
AI 行业的叙事总是围绕模型参数和 benchmark 展开。但 LongCat-2.0-Preview 提醒我们：谁跑模型很重要，用什么跑的同样重要。
在算力受限的环境里，能跑出来就是能力。而能全靠自己跑出来，是另一种能力。
前者是算法问题，后者是产业问题。后者更难。
参考链接：