美團開源LongCat-2.0：1.6萬億參數全程用國產晶片訓練
Miles Bennett
美團開源1.6萬億參數大模型LongCat-2.0，聲稱從預訓練到推理全程使用國產晶片完成，這是華為昇騰晶片生態首次在萬億參數級預訓練中獲得實證驗證。
LongCat-2.0到底是甚麼級別的模型？
參數量1.6萬億，上下文窗口100萬token，規模與DeepSeek今年4月發布的旗艦模型V4-pro相當。
美團稱其為中國首個從預訓練到推理全程使用國產晶片完成的萬億參數級模型。
這意味著→ 重點不在模型本身多強，而在它用甚麼晶片跑完了整個流程。
同DeepSeek比，分別在哪？
DeepSeek-V4-pro僅在推理階段使用國產晶片，預訓練仍依賴其他方案。
LongCat-2.0將國產硬件的使用範圍推到了預訓練階段——AI開發中算力消耗最重的環節。
簡單來說＝ 推理是「模型答題」，預訓練是「模型從零學懂所有知識」，後者對晶片的壓力大得多。
點解預訓練階段咁難？
預訓練需要處理海量數據以學習基礎規律，對晶片的通訊穩定性和集群規模要求遠高於推理。
美團披露，LongCat-2.0構建在「數萬張AI ASIC超級節點」組成的大規模集群上。
這意味著→ 預訓練不只是「晶片夠唔夠快」的問題，更是「幾萬張晶片能否穩定協作」的問題。
用的到底是邊家的晶片？
美團無直接點名硬件供應商，但披露訓練使用了華為集合通訊庫（HCCL）。
HCCL（華為專門為晶片間通訊開發的系統）功能上對標英偉達的NCCL。
這反映出 華為昇騰系列晶片是背後的硬件支撐——HCCL是昇騰生態的專屬組件。
對市場來說意味著甚麼？
華為AI晶片生態在萬億參數級預訓練場景下拿到一次實證驗證，不再只是推理端的替代方案。
但核心問題未解：國產晶片能否在更多前沿模型訓練中穩定替代英偉達GPU，市場仍在觀望。
說白了＝ 美團今次證明了「跑得通」，但「能否大規模鋪開」仍是另一回事。
Content is for reference only, not financial advice.