做外卖 、打车
、团购的美团
，在AI战场上亮出一张新牌 。

　　就在最近，美团LongCat-2.0大模型正式发布 ，在业内掀起波澜
。若单看技术实力
，它并非比较优秀 的那个——有评价认为，在工具调用、复杂指令执行等Agent（智能体）核心能力方面 ，LongCat-2.0-Preview接近Claude Opus 4.6
，落后于最新的Claude Opus 4.8。

　　但在头部玩家动辄刷榜的今天，这样一款不算最优的模型 ，却获得了颇高的关注度 。原因在于——LongCat-2.0是业界首个基于国产算力完成训练 、推理全流程的万亿参数大模型
。

训练
、推理全程依靠国产算力

　　说到国产“模芯协同 ”，很多人会联想到DeepSeek与华为的合作。

　　4月24日
，DeepSeek正式对外发布DeepSeek-V4预览版，华为同步宣布昇腾超节点全系列产品及华为云已实现对DeepSeek-V4的全面支持 。

　　之后 ，新的消息传来
。深圳河套学院AI训练平台项目团队联合哈尔滨工业大学（深圳）、深圳市大数据研究院 、华为相关团队
，在昇腾910C国产算力集群上，完成了DeepSeek-V4-Pro的全参数后训练。

　　所谓后训练 ，是在预训练基座模型完成基础上做微调
、对齐优化
，好比建好毛坯房后再完成精装修，与打地基、盖框架的从头训练还是有很大的不同 。

　　LongCat-2.0从零开始 ，用全国产算力训练万亿参数模型
，覆盖预训练 、后训练到推理的全流程，证明了国产算力能独立、完整地支撑万亿模型从0到1的全生命周期。

　　据悉 ，该模型采用MoE（混合专家）架构
，总参数规模1.6万亿，每个Token激活参数约480亿 ，原生支持1M超长上下文，可一次处理百万字级输入
，模型适配Claude Code
、OpenClaw、Hermes等主流Harness（智能体工程框架）
。

　　今年4月底，美团曾发布LongCat-2.0-Preview版本 ，并以匿名方式接入全球最大的大模型API路由平台OpenRouter。OpenRouter数据显示
，截至6月底，LongCat-2.0-Preview的总调用量已跻身全球前三 。在Hermes 、Claude Code
、OpenClaw等Agent（智能体）场景下 ，LongCat-2.0-Preview的月调用量分列全球第〖One〗、 第二和第三位
，在Claude Code上的调用量仅次于Claude Opus 4.8
。

OpenRouter数据显示，截至6月底 ，LongCat-2.0-Preview在Claude Code上的调用量仅次于Claude Opus 4.8。

　　业内人士分析
，这一表现既源于该模型本身的性能，也离不开当前的定价策略——公测期输入Token促销价为0.30美元/百万Token ，且提供大额免费调用额度 。行业通用玩法是上线初期靠低价和免费额度冲榜 、攒口碑
，再逐步涨价
。一旦进入收费阶段，现在的成绩还能保持多久 ，才是真正面临的考题。

　　但至少，这件事验证了一个判断：近来 国产算力卡的单卡性能虽与全球顶尖水平仍有差距
，但计算正确性和精度已经可以支撑前沿模型的全流程训练 。对于激活存量国产芯片而言，这是一个重要突破
。

让大模型学会“偷懒
”

　　大模型技术本身 ，依然是业界关注的焦点。

　　根据公开消息
，LongCat-2.0全程在国产算力上完成训练，峰值规模超过5万张国产算力卡 ，是迄今为止国产算力上完成的最大训练任务 。

LongCat-2.0全程在国产算力上完成训练
，峰值规模超过5万张国产算力卡
。

　　国产算力集群究竟出自哪家？据业内人士推测，该集群大概率基于华为昇腾架构搭建。不过 ，美团方面并未对此作出明确回应 。

　　另一个值得关注的维度
，是模型层面的设计。相关技术报告显示，LongCat-2.0引入零计算专家机制等设计
。“零计算专家”机制关联的是大模型的经济性问题 ，当总参数突破万亿级别后
，单纯堆叠参数带来的性能增益已显著放缓。一个更务实的命题是——如何让大模型用得更省
、跑得更快？

　　在当前主流的MoE架构下，大模型每次推理只调动一小部分“专家 ”参与计算 。这样既保留了海量知识 ，又将单次推理的计算开销控制在合理范围内
。DeepSeek-V3/V〖肆〗、 Mixtral等头部模型均采用此架构。

　　不过，该架构下每个Token激活的“专家
”数量通常是固定的
，无论输入文本简单或复杂，都调用同等规模的计算资源 。

　　LongCat系列引入“零计算专家”机制 ，即在传统“计算专家 ”之外
，设置了一类特殊的“专家
”——它不做任何矩阵运算，只做一件事：把输入原样传递到下一层
。

　　模型会动态判断每个Token的复杂度 ，简单的Token直接分配给“零计算专家”走快速通道
，复杂的Token才调动真正的“计算专家 ”深度处理。用更通俗的话说：让大模型学会在简单问题上“偷懒”，把算力留给真正需要深思的环节 。

AI业务的进攻

　　回到一个现实问题：烧钱做大模型 ，美团到底图什么？

　　在2025年3月的业绩电话会上
，美团CEO王兴明确了战略定位——对AI的策略是进攻，不是防守
。今年3月 ，他进一步透露
，自2023年初以来，美团在资本支出和AI人才上进行了大规模投入。“除有云计算业务的企业外 ，美团在AI上的投入规模，大概率是国内企业里最大的
，且已经坚持布局三年多 。
”

　　此后，美团核心本地商业（CLC）完成组织架构调整 ，正式成立AI Transformation部门
，与外卖 、闪购等部门平行，由前大众点评总经理牧遥负责 ，直接向CLC CEO王莆中汇报
。

　　美团的野心
，是成为未来本地生活需求的 “AI超级入口” 。这要求AI能精准理解用户需求并高效执行任务 。王兴多次表示，要争取把美团App率先升级成“AI-powered App ”。

　　做万亿参数大模型 ，是战略的一部分
。王兴曾用一个比喻说明问题：“虽然大模型越来越聪明。但我们可以想象
，就算爱因斯坦当秘书，让他订一个餐厅 ，他依然不知道那个餐厅有没有座位 。这不是智力问题
，而是信息问题
。
”

　　基于本地生活场景的复杂性，通用AI近来 还无法可靠地管理和保障现实世界中的服务体验。美团多年积累的结构性数据优势——覆盖全品类的本地服务
、实时信息、海量用户评价 ，以及履约基础设施，恰恰可以成为大模型训练的基础 。

　　这也关乎一笔“经济账”
。随着业务对AI依赖加深
，API调用费将成为不小的投入。通过打造“技术闭环 ”，也有助于增强业务的灵活性与安全性 。

　　LongCat-2.0的价值 ，在于为美团的AI战略提供了底层能力支撑
，帮助形成“基座模型+本地生活Agent+AI生态投资
”的三层体系
。

　　下面 ，就要看AI能力到底多大程度与业务肌理融合。毕竟 ，大模型的价值从来不在于它本身有多大
，而在于它最终解决了什么实际问题 。

（文章来源：上观新闻）