深耕AI、数码兴趣领域
9
9
1.6万亿参数、全程国产跑：美团这步棋，跟便利店有什么关系？
2026-07-01 10:14:22
1点赞
1收藏
0评论
1.6万亿参数、全程国产跑：美团这步棋，跟便利店有什么关系？
昨天美团掏出LongCat-2.0的时候，我正在便利店巡店。
1.6万亿参数。MoE架构。全程跑在5万张国产算力卡上，没碰过一张英伟达。还开源了。
一个送外卖的，搞出了万亿大模型。不是PPT，不是路演稿——是实打实训出来、跑起来、OpenRouter上开发者已经狂调用到全球前三的那种。
一年前王兴说要投几十亿美元搞算力，很多人觉得是讲故事。今天权重放GitHub了，技术报告发了，"可以用"三个字印上去了。
现在模型出来了。权重放GitHub了。技术报告也同步发了。
一、先算账：1.6万亿参数，怎么在国产卡上跑起来的
LongCat-2.0的训练和推理成本，官方说"低于全球其他万亿参数级别的大模型"。
翻译一下：虽然国产卡单卡性能不如英伟达H100，但通过架构优化和工程上的脏活累活，硬是把总成本打下来了。
具体怎么打的？三个狠招。
零计算专家机制
简单Token激活少但专家，复杂Token激活多。不是每个Token都调用全部480亿参数。这就像便利店客流——凌晨3点不需要三个收银员，午高峰才全开。业界首创。
N-gram Embedding
把高频语言模式提前嵌入embedding层，省掉大量跨节点通信。万亿模型最贵的从来不是算力，是几万张卡之间的数据传输——HBM带宽不够，那就让该走带宽的东西尽量别走。
稀疏注意力 + 跨层复用
原生1M上下文如果每层都全量计算attention，显存直接原地爆炸。团队用稀疏化加跨层复用绕过了这个坑。1M上下文是什么概念？一次塞进150万字。你整个便利店的ERP系统数据库说明书加在一起，吃不完。
还有一堆纯粹的脏活：确定性FAG算子、Scatter算子重写、万卡级容错恢复、NPU确定性计算。没有CUDA kernel可以抄，只能自己一行一行写。
5万张卡跑几个月不掉链子。这事在英伟达集群上都不容易，在国产卡上能做到，等同于把PyTorch+NCCL+调度器整条栈重写一遍。
结果呢？
📊 LongCat-2.0 核心数据
总参数：1.6万亿（MoE架构）
每Token激活：约480亿（动态33B-56B）
上下文窗口：100万Token（原生1M）
训练算力：5万+张国产卡，英伟达占比为零
OpenRouter调用量：全球前三
性能：接近Claude Opus 4.6，落后于Opus 4.8
开源：权重+技术报告+推理引擎，允许商用
二、一个送外卖的，为什么要搞万亿大模型？
这才是真正值得聊的问题。
翻译一下美团的业务：外卖、到店餐饮、酒店旅游、社区团购、即时零售、共享单车、充电宝。每一样都是海量商户+海量消费者+海量即时决策的三角关系。
打个比方你就懂了。
一个便利店，每天进店300人，SKU 2000个，促销活动每周换一轮。你让店长人脑决策"明天哪个单品该补货、哪个该打折"——他能办到，但靠的是经验，不是数据。
美团面对的问题，是这个问题的10万倍。
600万商户、6亿用户、每天几千万订单、上百个城市实时运力调度。这已经远远超出"平台功能"的范畴，进到了"没有一个人类大脑能同时处理"的领域。
而大模型，天然适合干这种活——不是写诗画图，是处理海量输入、做即时决策、协调复杂系统。
知道LongCat-2.0的定位是什么吗？
不是通用Chat。是Agentic Coding。
从架构设计第一天起就钉死了这个方向。深度集成Claude Code、OpenClaw、OpenCode、Kilo Code。OpenRouter上，它在Hermes的月调用量排全球第一，Claude Code排全球第二。
王兴2024年说的"把美团App升级成AI-Powered App"，不是事后包装。是把逻辑说清楚了：
如果外卖、到店、酒旅、即时零售都要Agent化——那就需要一个自己能掌控的基础模型。用别人的API？大促当天调用量被人限流了怎么办？核心场景的延迟和成本不可控，这就是零售平台的命门。
三、我一个搞零售IT的，想的是另一件事
LongCat-2.0把另一条路跑通了。
5万张国产卡、从头到尾没碰英伟达、训练成本还比同类低。这是什么信号？
算力不再是那个"美国说了算"的东西了。
这跟我一个搞便利店IT的有关系吗？
有。关系还不小。
我2003年进零售IT这行的时候，POS机是台湾进口的，一台几万。后来国产的出来了，一台八千。不是国产的性能更好——是国产的让"有"变成了"够"。让每个店都用得起。
现在AI在走同一条路。
DeepSeek V4已经把API价格打到了每百万token 1块钱。LongCat-2.0现在开源，权重和技术报告全放出来，允许商用。
这意味着什么？
任何一个有场景的零售公司，都可以拿自己的数据去做fine-tune、去部署、去把"AI决策"从概念变成自己的基础设施。
不是"AI赋能零售"这种虚词。翻译一下就是——你的库存预测、排班调度、动态定价、客服应答，全都可以用自己的模型跑在自己能控制的算力上。
这个前提在一年前不成立。在LongCat-2.0开源之后，它成立了。
有没有很熟悉？
2008年我在公司推BI上线的时候，国产BI工具已经开始出现了。虽然远不如Cognos、BO成熟，但它让"中小企业也能做数据分析"这个想法，第一次不再是笑话。
LongCat-2.0在做的事，跟当年一模一样——只不过这个赛道不再是BI，是AI。
四、但我劝你先别急
说完好消息，说几句实话。
第一，它的定位是Agentic Coding，不是通用Chat。
在Claude Code、OpenClaw这些编程Agent场景下表现猛。但你要拿它写公众号、做PPT、聊客服——不如直接用豆包或者GPT-5.5。枪要对，靶子也要对。
第二，1.6T开源不等于你能跑起来。
即使4-bit量化，本地部署门槛也极高。真正能让零售企业用起来的，是蒸馏版、是社区做的LoRA适配、是云上托管服务。这些东西正在路上，但不是今天。
第三，也是最关键的一条。
模型是基础设施，但零售企业的真正挑战不是"有没有模型"——是"有没有数据、有没有流程、有没有人会用"。
2008年我推BI上线，老板第一句话不是"这报表多少钱"，是"我们的人能不能学会"。
那时候BI工具已经够好了。真正拦路的是：数据不干净、流程不标准、店长不信任机器。
今天AI进零售，同一个剧本。
LongCat-2.0解决了"有没有国产模型"这个问题。但"能不能用起来"这个问题——跟模型本身没什么关系。
💡 一个问题留给你：
如果你的公司明天拿到了LongCat-2.0的完整使用权——你的数据准备好了吗？你的流程能接进去吗？你的人会用吗？
如果你的回答是"还没想好"——那这个1.6万亿参数的模型对你来说，暂时只是一条新闻。
美团这次不是在做大模型副业。是在建自己的大脑。
1.6万亿参数、5万张国产卡、全栈开源——这不是炫技，是一个零售巨头在说：我不只做交易平台了，我要做智能平台。
对于我们这些在零售IT里泡了二十年的人，这是个信号。
不是"要不要拥抱AI"的信号——那个早就过了。
是"要不要从现在开始建自己的数据基座"的信号。
因为当美团、阿里、京东都用AI重做一遍零售流程的时候——你没有自己的数据和模型，你跟它们之间差的就不是"一个工具"了。
是"一个时代"。
关注亮虾哥，一个在便利店干了20年IT的老实人，用算账的方式跟你聊AI。
#美团AI #LongCat #国产算力 #零售AI #大模型
