大数跨境

一个外卖巨头的大模型,为什么让海外这么紧张?

一个外卖巨头的大模型,为什么让海外这么紧张? ElephantMind.AIGC
2026-07-06
4
导读:美团LongCat-2.0真正引发海外讨论的,不是模型是否最好用,而是它被称为1.6万亿参数、训练推理全程未用英伟达GPU。

 

美团这次发布LongCat-2.0,海外讨论的重点有点反直觉。

不是外卖公司为什么做大模型,也不是这个模型到底有没有GPT、Claude好用。

被反复拎出来讨论的只有这一句话:这个1.6万亿参数模型,没有用英伟达GPU训练。

也就是说,这次真正的主角不是模型榜单,而是算力路径。

多层信息都指向“零英伟达”

LongCat-2.0是美团LongCat团队发布的新一代MoE大模型,总参数1.6万亿,每个token动态激活约330亿到560亿参数,原生支持100万token上下文,主要面向agentic coding,也就是代码理解、代码生成、终端执行、仓库级任务处理这类场景。

但这些都不是最关键的。关键是,美团官方页面称,LongCat-2.0是“行业首个在5万卡国产算力集群上完成完整训练和推理的同规模模型”。海外报道也普遍把标题放在“trained entirely on Chinese chips”“without Nvidia GPUs”上。

所有人都在深究是否真的“零英伟达”,目前能看到的证据链,大致有四层:

第一层,是美团LongCat官方口径。

官方页面写得很明确:LongCat-2.0是1.6T参数MoE模型,完成了在5万卡国产算力集群上的完整训练和推理,支持1M上下文,并公布了SWE-bench Pro 59.5、Terminal-Bench 70.8等自测成绩。

第二层,是海外媒体的复述和拆解。

RuntimeWire、MarkTechPost、FelloAI、VentureBeat等都把重点放在同一件事上:LongCat-2.0不是只在国产芯片上做推理,而是训练和服务都跑在国产AIASIC集群上。这一点和过去很多“国产算力适配”不一样,后者常常只是推理环节,训练仍依赖英伟达生态。

第三层,是技术细节能对上。

多篇分析都提到,美团为非英伟达硬件栈做了不少工程补课,包括确定性算子、故障恢复、显存管理、长上下文训练、superpod调度、RoCE通信等。

这些听起来不性感,但恰恰是万卡训练最难的地方。

因为训练万亿模型,真正难的不是“有5万张卡”,而是5万张卡能不能稳定跑、出错能不能恢复、loss会不会炸、通信会不会堵、显存能不能切得开。

第四层,是海外讨论的关注点高度一致。

HackerNews和海外AI博客最关心的不是“LongCat是否最好用”,而是“如果这是真的,说明中国厂商已经能在非CUDA栈上完成前沿规模训练”。这正是英伟达卡和美国出口管制语境下最敏感的部分。

这件事该怎么看

这条新闻值得兴奋,但也有两个信息需要单独拎出来看。

第一,美团没有公开确认具体芯片供应商。

外界普遍猜测可能与华为昇腾910C级别集群有关,但这仍是社区推断,不是美团官方确认。所以更严谨的说法是:LongCat-2.0跑在国产AIASIC集群上,而不是直接写死某一家芯片厂商。

第二,LongCat-2.0虽然称开源,但完整模型权重在部分报道中仍显示coming soon。

这意味着,开发者现在可以通过LongCat平台、OpenRouter等方式调用模型,但如果要下载完整权重、自行部署、做第三方复现,还需要等更多材料落地。

这两个信息不会削弱这件事的关注价值,反而说明它为什么值得继续追踪。

因为现在最值得看的不是“LongCat-2.0是不是已经赢了”,而是美团这次把一个更底层的问题推到了台前:国产算力能不能支撑万亿级模型从训练到推理的完整链路?

为什么海外更关注这件事

海外之所以更敏感,是因为这直接碰到了英伟达的护城河。

过去大模型训练默认绑定英伟达,不只是因为GPU本身强,更因为CUDA、通信库、训练框架、故障恢复、工程经验都在英伟达生态里沉淀了很多年。

所以老美限制先进GPU出口,本质上不是只限制几张卡,而是在限制国内大模型公司进入成熟训练栈的速度

LongCat-2.0如果真能在5万张国产AIASIC上完成35万亿token级别预训练,并且训练过程没有不可恢复的loss spike,那它证明的是另一件事:

国产算力可能还没在单卡性能上追平英伟达,但已经开始通过系统工程跑通万亿模型训练闭环。

这就是海外讨论的核心。

不是LongCat-2.0今天能不能打赢Opus或GPT,而是中国公司能不能在没有英伟达的情况下继续训练大模型。

如果答案从“不可能”变成“可以但很难”,整个算力叙事就变了。

这件事真正值得看的不是模型,而是栈

LongCat-2.0本身当然也有看点:1.6T总参数、约48B平均激活、1M上下文、LongCat Sparse Attention、面向代码agent任务,在美团自测里SWE-bench Pro 59.5、Terminal-Bench 70.8。

但这些成绩主要来自厂商自测,真正好不好用,还要看第三方评测和开发者在真实代码仓库里的反馈。

LongCat-2.0给出的不是最终答案,但至少给出了一个方向:

不靠英伟达,也许更慢、更难、更需要自研系统,但我们开始跑通了

【声明】内容源于网络
0
0
ElephantMind.AIGC
深耕视频处理与流媒体核心技术,紧跟全球 AIGC 发展浪潮。聚焦场景落地与技术方案输出,以视频 + AIGC 为创新底座,赋能内容生产、全链路应用与商业变现。
内容 5
粉丝 0
ElephantMind.AIGC 深耕视频处理与流媒体核心技术,紧跟全球 AIGC 发展浪潮。聚焦场景落地与技术方案输出,以视频 + AIGC 为创新底座,赋能内容生产、全链路应用与商业变现。
总阅读24
粉丝0
内容5