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）