美團開源 LongCat-2.0：用純國產晶片訓練的首個前沿級 AI 模型
美團在 6 月 30 日開源 LongCat-2.0，這是一個擁有 1.6 兆參數的混合專家模型，完全在 5 萬張國產 AI 晶片組成的叢集上完成預訓練，是史上首次有機構在不依賴輝達、Google TPU 或 AWS 的情況下，完成前沿規模的大型模型完整訓練。此舉正面衝擊美國出口管制政策的核心假設。
美國出口管制戰略的核心前提，是「切斷中國取得先進半導體的管道，就能有效延緩其 AI 進展」——這個假設在 2026 年 6 月 30 日出現了決定性的裂縫。美團（中國最大的外賣與本地生活服務平台）當天開源了 LongCat-2.0：一個擁有 1.6 兆參數的混合專家（MoE）語言模型，整個預訓練過程在 5 萬張國產 AI 晶片組成的叢集上完成，全程不依賴輝達 GPU、Google TPU 或任何美國雲端基礎設施。
這是有記錄以來，首次有機構在完全國產硬體上，完成前沿規模大型語言模型的完整預訓練與推論。這個里程碑的象徵意義已足夠震撼，但技術細節讓它更難被輕描淡寫帶過。
用什麼蓋的，怎麼蓋的
LongCat-2.0 採用混合專家架構，參數總量達 1.6 兆，但推論時每個 token 只啟動約 330 至 560 億個參數，讓實際運算成本維持在可控範圍。模型支援 100 萬 token 的上下文視窗，並附帶一個名為 LongCat-Flash-Thinking 的輕量版，美團宣稱其每 token 成本比旗下前代商業模型 Seed 2.0 Pro 低 2.1 倍。
訓練叢集被外界認為主要採用華為昇騰 910C 處理器——這是華為在無法取得台積電先進製程的情況下，自主研發的最強 AI 晶片。研究人員根據美團使用華為集合通訊庫（Collective Communication Library，專為昇騰超節點設計）這一線索，推測底層硬體正是華為昇騰。若屬實，此次訓練將是華為 AI 晶片在前沿模型預訓練上，規模最大的一次公開應用紀錄。
這個區別至關重要。早些時候讓西方 AI 實驗室大受震撼的 DeepSeek-V4-Pro，其國產晶片只用在推論環節——也就是 AI 硬體需求中技術門檻較低的那一半。預訓練前沿模型需要數千張晶片在數週乃至數月內高度協調、持續溝通，對硬體故障、記憶體瓶頸和晶片間延遲的容忍度接近零。美團在沒有輝達的情況下完成這個規模的訓練，是不同量級的技術成就。
基準測試成績與實際意義
美團自行回報的成績相當亮眼：SWE-bench Pro 達到 59.5（GPT-5.5 的公開基準為 58.6）、Terminal-Bench 2.1 達到 70.8、SWE-bench Multilingual（12 種程式語言的跨語種編程評估）達到 77.3。美團宣稱整體性能「媲美 Google Gemini 3.1 Pro」。
但有兩個重要注意事項。第一，這些是自行申報的數字，LongCat-2.0 尚未提交至 LMSYS Chatbot Arena 等第三方中立評測平台。美團自己也坦承，這個模型「在廣泛通用智能代理基準測試上，整體落後於 Anthropic Claude Opus 4.8 等頂尖前沿模型」。LongCat-2.0 的優化重點明顯集中在程式碼任務，而非通用對話或複雜推理。
第二，更關鍵的主張根本不在性能，而在基礎設施。就算 LongCat-2.0 在每項基準上低 10 分，光憑「證明中國能在不依賴美國硬體的情況下完成前沿規模訓練」這一點，它依然是一個地緣政治突破。
開源：放大的戰略信號
美團選擇在 Hugging Face 上以開源授權公開 LongCat-2.0 的模型權重，這個決定所釋放的地緣政治信號，美團在做決策時幾乎不可能沒有盤算。開源一個在國產晶片上訓練的前沿模型，不只是研究貢獻，而是一份公開的概念驗證——其他中國實驗室、國防承包商和國家支持的研究機構都可以在此基礎上複製、改進。完成 1.6 兆參數訓練的方法論、硬體架構、讓昇騰晶片得以運作的軟體工具鏈，現在全都開放檢視。
這也拓展了模型進入全球開發者社群的管道。世界各地的研究人員，只要想研究在非西方硬體上訓練的前沿模型，現在有了具體的參考物件。這種更廣泛的傳播最終是否服務中國的戰略利益，或只是分散了影響力，將是分析師未來數月持續辯論的議題。
對美國出口管制的衝擊
美國商務部工業與安全局（BIS）在過去四年中持續收緊對華先進半導體出口限制，其核心邏輯是：硬體差距將複合成能力差距，讓中國 AI 實驗室至少落後西方競爭者一至兩個世代。H100、A100、降規版 H800 和 A800——每一代管制措施，都是為了維持一道美國 AI 無法被中國輕易跨越的護城河。
LongCat-2.0 並不能證明這些管制毫無用處。這個模型確實有其局限，在編程基準以外的表現落後於西方前沿模型，昇騰 910C 的效率仍不及輝達現行世代的硬體。差距並未完全消除。
但差距已經縮小到足以在特定基準上與 GPT-5.5 一較高下的程度。出口管制戰略從來不是設計來無限期拖延中國——而是設計來爭取時間。華盛頓的政策制定者現在要面對的問題是：爭取時間做什麼，而那段時間究竟有沒有被好好運用？
更大的競賽格局
LongCat-2.0 的出現，正值中國 AI 生態系統競爭力達到現代史上最高點的時刻。DeepSeek 今年早些時候的訓練效率創新，證明中國實驗室在演算法層面已縮小與西方同行的差距；阿里巴巴的 Qwen 系列和百度的 ERNIE 也在多語言任務上展現強勁表現。美團此次的發布，則進一步證明硬體限制——始終是最難繞過的一環——並不是西方戰略家原以為的那道鐵牆。
模型權重已在 Hugging Face 上公開。它所訴說的故事，不再只是假設。
LongCat-2.0 模型權重已公開於 Hugging Face，發布日期為 2026 年 6 月 30 日。