美團近日正式披露其LongCat-2.0大模型，最引人注目的不是它的效能，而是它背後的算力來源——這個1.6萬億引數的模型，完全在超過5萬顆國產AI ASIC晶片組成的叢集上訓練完成，全程未使用任何輝達GPU。

LongCat團隊自2023年才成立，去年底剛推出首代模型，如今僅隔半年便迭代至萬億引數級別。訓練資料覆蓋超過35萬億個token，規模已躋身全球第一梯隊。美團方面明確表示：“LongCat-2.0證明我們現在有能力在國產計算叢集上訓練大規模模型。”

這一表態的時間點耐人尋味。自2022年美國對華實施先進晶片出口管制以來，外界一直質疑中國能否在脫離輝達高階GPU的情況下，訓練出真正有競爭力的基礎模型。LongCat-2.0的出現，至少在紙面上給出了一個肯定答案。

從已公佈的基準測試成績來看，LongCat-2.0呈現出明顯的“偏科”特徵。在SWE-bench Pro（得分59.5）和SWE-bench Multilingual（得分77.3）兩項軟體工程相關測試中，它超越了Gemini 3.1 Pro和GPT-5.5，但落後於Claude Opus 4.7與4.8。而在IFEval（90.0）、IMO-AnswerBench（81.8）和GPQA-diamond（88.9）等測試上，它與Gemini及GPT-5.5的差距則相當明顯。

這種不均衡的表現，可能折射出國產晶片在特定計算負載下的優勢與短板。不過，美團並未披露具體晶片供應商的身份，這讓外界難以判斷究竟是哪家國產晶片廠商在背後支撐了這次訓練。

另一個值得注意的細節是，LongCat-2.0目前尚未在HuggingFace等平台開源，也未提供公開可用的API介面。這意味著上述基準測試成績暫時無法被第三方獨立復現和驗證。在AI領域，閉源模型聲稱的效能與真實可用性之間往往存在落差，這一點需要持續觀察。

從產業格局來看，LongCat-2.0的意義遠超美團一家公司。它向華盛頓傳遞了一個清晰訊號：出口管制或許能延緩、但難以阻斷中國AI大模型的前進步伐。當國產晶片叢集能夠支撐萬億引數模型的完整訓練流程時，整個中國AI產業鏈的“去輝達化”敘事就獲得了實質性支撐——從晶片設計、製造到叢集搭建、模型訓練，一條替代路徑正在從概念走向落地。

當然，這並不意味著國產晶片已在效能上比肩輝達最新產品。訓練成功只是第一步，模型的實際推理成本、晶片的良率與產能、生態工具的成熟度，都是決定這條路線能否大規模鋪開的關鍵變數。LongCat-2.0更像是一個“可行性驗證”，而非終極答案。

對於關注AI算力投資的讀者而言，這條訊息的衝擊力在於：它可能加速全球AI晶片市場從“一家獨大”走向“多極競爭”的程序。如果中國國產晶片能在未來一兩年內持續迭代、並在更多公開模型中證明自己，那麼輝達在中國市場的長期收入預期就需要重新評估，而國產晶片產業鏈上的相關公司則可能迎來新的估值邏輯。