美团 LongCat-2.0：1.6 万亿参数模型全程跑在国产 AI 芯片上

美团近日正式发布基础大模型 LongCat-2.0，总参数量达到 1.6 万亿，采用 Mixture-of-Experts 架构，每个 token 激活约 480 亿参数。与常见的版本迭代不同，这款模型最具讨论价值的地方不是参数规模，而是它的硬件故事：官方资料强调，从完整训练到大规模推理部署，整条链路均建立在「国产 AI ASIC 超节点」之上，没有引入英伟达 GPU。

模型规格与面世经过

LongCat-2.0 的关键参数如下：

• 架构：MoE，总参数量约 1.6 万亿，每个 token 激活约 480 亿参数。
• 训练规模：跨 35 万亿以上 token 持续预训练，全程无回滚或不可恢复的 loss spike。
• 发布前曝光：模型曾以匿名代号「Owl Alpha」出现在 OpenRouter 平台，并一度进入平台用量前三；在 Claude Code Agent 场景中，按使用量排名全球第二，仅次于 Claude Opus 4.8。

单看性能，它并非「全球最强」叙事。社区普遍认为其 agentic 能力接近 Claude Opus 4.6、落后于 Claude Opus 4.8；在编码任务上略强于 GLM-5.1，但弱于 GLM-5.2；在 OpenRouter 上的用量也并非国产模型第一——腾讯、阿里、DeepSeek 的低价或免费模型同样占据了榜单前列。

真正的关键词：训练与推理均无英伟达身影

美团公开的模型卡将该集群描述为「AI ASIC 超节点」，并未公开点名具体芯片型号，也未给出总卡数。广泛被引用的「约 5 万张昇腾 910C」来自中文媒体与社区推断，线索包括 200Gbps RDMA、单 die 64GB HBM 等规格匹配，并无美团或华为官方确认；另一些报道仅表述为「万卡级」，区间大致落在 5 万到 6 万张卡之间。

这与以往国内厂商的「国产化」叙事有明显区别。过去被反复报道的里程碑，更多停留在「用国产芯片跑推理」「在国产芯片上做后训练」这一类范围相对有限的环节。LongCat-2.0 则宣称覆盖了「万亿级模型从零开始预训练 + 大规模推理服务」这一更难的目标，相当于把基础、主体、入住以及可用性验证一并跑通。

工程指标：稳定性被视为真正的难点

在国产算力平台上从零预训练万亿参数模型，对系统稳定性要求极高：任何一次 loss spike、通信超时或静默数据损坏，都可能造成巨额电力与算力浪费。美团披露的工程指标显示：

• 训练 MFU（模型算力利用率）提升约 1.5 倍，最终达到 30% 以上；
• 平均日均故障率下降超过 70%；
• 关键算子效率提升约 14%。

这些数字背后实际解决的是算子适配、通信优化、HCCL 异常处理、自动故障恢复等问题。一位从业者被引用时形容：之前的国产化尝试像是「房子在外面盖好，再用国产算力装修」，LongCat-2.0 更像是「从打地基开始，全程在国产算力上把整栋楼盖完，还能住人」。

现实约束：算力软件栈差距仍在

报道并未回避现实差距。国产芯片普遍存在单卡显存偏小、需要更多卡数堆叠、通信带宽偏弱等结构性问题，进而拖累整体利用率；而在软件层面，英伟达 CUDA 生态、算子库、调试工具链等高度成熟，迁移到国产算力平台意味着大量基础设施需要重建与重优化。换言之，挑战并不止于「造出一颗 AI 芯片」，而是要把整台「机器」调教成一座可靠的 AI 工厂。

综合来看，LongCat-2.0 的意义不在于刷新模型能力榜单，而在于给出一条工业级路径：在中美算力博弈背景下，万亿参数模型的训练与服务可以完全不依赖英伟达卡，并在稳定性上达到可发布的水准。对于中国的 AI 产业而言，这是从「能不能跑」迈向「能不能稳定跑成日常」的关键一步。