DeepSeek過了算力的河，美團(tuán)LongCat正在彎腰造船

「核心提示」
國產(chǎn)算力迎來“DeepSeek+LongCat”節(jié)點(diǎn)。

作者 | 張經(jīng)緯

編輯 | 邢昀

Token，是未來數(shù)字世界最核心、最值錢的大宗商品。

2026年GTC大會上，黃仁勛這樣定義AI時代的底層通貨，而數(shù)據(jù)中心就是生產(chǎn)智能的工廠。

過去幾年，全球絕大多數(shù)這樣的“工廠”都依賴同一套設(shè)備：英偉達(dá)的GPU與CUDA生態(tài)。當(dāng)霍爾木茲海峽的開放與關(guān)閉，影響地緣政治與能源安全格局，全球AI市場的Token供給也需要回答：算力供應(yīng)鏈出現(xiàn)單點(diǎn)依賴，如何保障Token的穩(wěn)定產(chǎn)出？

4月24日上午，DeepSeek V4正式發(fā)布，其官方技術(shù)報告明確將華為昇騰950PR寫入硬件驗證清單，實現(xiàn)了從英偉達(dá)CUDA到國產(chǎn)算力的全棧遷移。下午，美團(tuán)LongCat-2.0-Preview開放測試，這是目前唯一公開確認(rèn)由國產(chǎn)算力完成萬億參數(shù)預(yù)訓(xùn)練的大模型，訓(xùn)練全程動用了5萬至6萬張國產(chǎn)算力卡，其訓(xùn)練規(guī)模是迄今為止最大的。

兩款模型在同一天跨入“萬億參數(shù)俱樂部”，更關(guān)鍵的是，這意味著一條自主的“國產(chǎn)Token”供應(yīng)鏈，正在英偉達(dá)體系之外加速接通。

理解這一天意味著什么，需要拆開來看。

1、萬億參數(shù)俱樂部的新玩家

過去一段時間里，萬億參數(shù)如同大模型的“珠峰”。玩家們想登頂，需要刷美國技術(shù)棧的“裝備”，尤其離不開英偉達(dá)。

Open AI、Anthropic等硅谷獨(dú)角獸，無不是英偉達(dá)H100/A100集群上的“付費(fèi)玩家”。憑借軟硬一體的CUDA生態(tài)系統(tǒng)，英偉達(dá)在全球AI訓(xùn)練負(fù)載市場中占據(jù)了90%以上的絕對壟斷地位。

對中國AI企業(yè)而言，這有諸多不確定性。近年來，美國對華高端AI芯片的出口管制持續(xù)收緊，從最初的A100、H100禁售，延伸至特供版H20的許可限制，到今年4月，美國高端芯片實質(zhì)對華禁售。即便通過其他渠道拿到芯片，也隨時面臨升級路徑被切斷的風(fēng)險。

至此，算力不再只是支出成本，也是生存成本。

2026年4月24日，備受關(guān)注的DeepSeek V4發(fā)布，同日美團(tuán)LongCat-2.0-Preview啟動開放測試，雙雙加入了“萬億參數(shù)模型”的行列。這兩個大模型用不同方式，實現(xiàn)了國產(chǎn)算力替代的進(jìn)展。

DeepSeek V4的早期訓(xùn)練基于英偉達(dá)CUDA架構(gòu)和GPU硬件，之后全棧遷移至華為芯片。V4適配的華為昇騰950PR推理芯片，甚至在低精度推理中展現(xiàn)出超越通用GPU的效率。

同期進(jìn)行測試的LongCat-2.0-Preview選擇了另一種方式，這是目前唯一由國產(chǎn)算力訓(xùn)練的萬億參數(shù)大模型。其訓(xùn)練與推理全程依托國產(chǎn)算力集群獨(dú)立完成，動用的國產(chǎn)算力卡數(shù)量在5萬至6萬張之間，是國產(chǎn)算力上完成的規(guī)模最大的訓(xùn)練任務(wù)。

從技術(shù)層面來看，DeepSeek V4和LongCat-2.0-Preview均采用MoE架構(gòu)，支持1M（100萬token）超長上下文窗口，單次推理可處理數(shù)百萬字輸入，處理量級與GPT-5.5處于同一水平。兩款模型在知識容量、長文本理解及復(fù)雜邏輯推理的上限上，已正式跨入全球第一梯隊。

沒有采取行業(yè)通行的“堆算力”路線，DeepSeek V4和LongCat-2.0-Preview都是通過架構(gòu)優(yōu)化，對每一張國產(chǎn)卡算力進(jìn)行極致榨取，同時它們也用實踐證明，極致優(yōu)化算力效率，可以抵消硬件的賬面差距。

V4通過混合注意力架構(gòu)（CSA + HCA）、Muon優(yōu)化器等底層架構(gòu)創(chuàng)新，在上下文長度放大8倍的前提下，算力消耗比V3.2降低七成以上。LongCat-2.0-Preview每token激活參數(shù)約48B，從一些測試反饋來看，在保持較高性能的同時，實現(xiàn)了不錯的推理效率。

效率革命最終轉(zhuǎn)化為顛覆性的商業(yè)定價。DeepSeek V4最新的API定價，V4 Flash每百萬tokens輸入（緩存命中）價格為0.02元，V4 Pro為0.025元。海外社交媒體上，有網(wǎng)友表示，這是從Claude或者GPT遷移到DeepSeek的最佳窗口期。

兩款模型的發(fā)布，引發(fā)了國產(chǎn)算力適配的連鎖反應(yīng)，國產(chǎn)算力替代逐漸成為趨勢。

從華為昇騰、百度昆侖芯、寒武紀(jì)思元、海光信息DCU到阿里平頭哥，國產(chǎn)AI芯片在性能與生態(tài)上持續(xù)迭代；摩爾線程、壁仞科技、沐曦股份等創(chuàng)業(yè)企業(yè)也在加速追趕。

TrendForce預(yù)測，2026年國產(chǎn)芯片在高端市場的份額將增長到70%，行業(yè)對國產(chǎn)算力的期待，不再停留在“可用”層面。

2、算力突圍前后

中國AI廠商們加速布局國產(chǎn)替代，除了此前說到的美國高端芯片出口管制等政策壓力，還有一個重要的考量：算力荒傳導(dǎo)至價格端，導(dǎo)致算力變得越來越貴。

中信證券指出，Token調(diào)用量井噴帶來的是算力需求極大爆發(fā)，與此同時供給側(cè)受到各類硬約束短期邊際增量有限，目前國內(nèi)外均出現(xiàn)了嚴(yán)重的算力荒。

而中國AI用戶的算力消耗極其巨大，根據(jù)OpenRouter的數(shù)據(jù)， 2026年3月30日-4月5日，中國AI模型的周調(diào)用量突破12.96萬億Token，是同期美國的4.3倍。如此龐大的需求， 如果長期高度依賴單一的“英偉達(dá)+臺積電”供應(yīng)鏈，將面臨供應(yīng)受限與價格持續(xù)上漲的雙重風(fēng)險。

這種結(jié)構(gòu)性矛盾，使得國產(chǎn)算力替代不再只是 “備選題”，而是 “必答題”。然而，替代之路向來艱難。

其難點(diǎn)在于拋棄現(xiàn)成的代碼庫、編譯和調(diào)試工具，從“零”開始。英偉達(dá)CUDA經(jīng)過20年積累，擁有超400萬開發(fā)者和成熟的cuBLAS、cuDNN、NCCL庫。國產(chǎn)算力平臺的算子庫覆蓋度、優(yōu)化深度以及測試工具都不完整，需要工程團(tuán)隊進(jìn)行大量底層開發(fā)與調(diào)試工作。

另一個難點(diǎn)在于硬件的并行計算。由于單卡性能存在差距，國產(chǎn)芯片想要實現(xiàn)同樣的計算性能，勢必要并行更多硬件，而算力硬件并行容易帶來故障。

在大模型訓(xùn)練中，集群規(guī)模一旦擴(kuò)大至萬卡級別，故障概率呈指數(shù)級上升，任何微小的計算錯誤、通信延遲或數(shù)值精度偏差，都會在并行運(yùn)算中指數(shù)級放大，導(dǎo)致整個訓(xùn)練任務(wù)中斷或模型收斂失敗。

LongCat-2.0-Preview在5、6萬張國產(chǎn)集群上完成萬億參數(shù)MoE模型的穩(wěn)定訓(xùn)練，意味著團(tuán)隊必須在并行策略、通信拓?fù)洹⒒旌暇扔?xùn)練及容錯機(jī)制上進(jìn)行深度自研與調(diào)優(yōu)。這是對國產(chǎn)算力系統(tǒng)工程能力的一次高強(qiáng)度的壓力測試。

工程能力還只是冰山一角，芯片設(shè)計制造、軟件棧乃至應(yīng)用，需要更多產(chǎn)業(yè)力量的長期投入。來自互聯(lián)網(wǎng)巨頭、產(chǎn)業(yè)資本與風(fēng)險投資的資金，成為這些長期進(jìn)化背后的重要支撐。

以美團(tuán)為例，近幾年在算力、科技硬件和大模型等領(lǐng)域進(jìn)行了廣泛的早期投資。芯片方面，美團(tuán)投資了摩爾線程、沐曦股份、紫光展銳、愛芯元智、榮芯半導(dǎo)體等眾多企業(yè)，覆蓋了多家國產(chǎn)GPU頭部和“國家隊”級別的半導(dǎo)體公司。

這些企業(yè)的技術(shù)方向各有側(cè)重：摩爾線程與沐曦股份聚焦通用GPU設(shè)計；紫光展銳在移動通信與物聯(lián)網(wǎng)芯片領(lǐng)域根基深厚，為端側(cè)AI提供底層連接能力；愛芯元智專注邊緣算力、AI視覺芯片；榮芯半導(dǎo)體則涉足晶圓代工，立足于芯片的產(chǎn)能提升。

美團(tuán)還同時投資了包括宇樹科技、銀河通用、星海圖在內(nèi)的多家具身智能公司和科技硬件公司。從大模型上游的芯片設(shè)計制造、到大模型研發(fā)，再到AI在各個領(lǐng)域的應(yīng)用，用王興的話來說，美團(tuán)將AI視為戰(zhàn)略機(jī)遇。

美團(tuán)的密集投資并非孤例，它所折射的，是中國科技資本對國產(chǎn)算力賽道乃至未來科技發(fā)展的系統(tǒng)性布局。

3、模型在國產(chǎn)算力上跑通了，然后呢？

當(dāng)國產(chǎn)芯片鋪開、萬億參數(shù)模型跑通，本土AI能否走向“更好用”階段，面臨著數(shù)據(jù)層面的挑戰(zhàn)。

一方面，是工程反饋數(shù)據(jù)。

當(dāng)超大規(guī)模AI模型在國產(chǎn)芯片集群上訓(xùn)練時，會暴露出各種問題，比如某些計算環(huán)節(jié)精度有誤差、芯片之間數(shù)據(jù)傳輸太慢、軟件編譯優(yōu)化不到位、多卡并行時通信通道擁堵、低精度計算時數(shù)值丟失等。

技術(shù)團(tuán)隊逐一攻克這些問題的過程，本身就是一場對國產(chǎn)芯片軟硬件的大規(guī)模測試。每一個被修復(fù)的bug、每一段被調(diào)優(yōu)的通信協(xié)議，都會反饋給國產(chǎn)芯片廠商，推動下一代硬件的改進(jìn)和軟件棧的成熟。

對LongCat-2.0-Preview這樣的“原生國產(chǎn)模型”來說，從訓(xùn)練階段起便全程依托國產(chǎn)算力集群完成，產(chǎn)生的工程反饋較為完整和真實。這種“模型反哺芯片”的閉環(huán)，有利于國產(chǎn)算力生態(tài)向下扎根。

另一方面，大模型需要物理底座，和具體任務(wù)、真實世界產(chǎn)生高質(zhì)量的數(shù)據(jù)互動。

特斯拉憑借全球最大的真實駕駛數(shù)據(jù)庫，構(gòu)建了其自動駕駛的核心基石，從真實世界采集、到仿真訓(xùn)練、再到算法迭代的“Real-to-Sim-to-Real”飛輪，同時驅(qū)動了自動駕駛汽車與人形機(jī)器人的進(jìn)化。

同樣的邏輯，正在一個更復(fù)雜高頻，貼近日常生活的場景展開，那不是加州的高速公路，而是中國城市的街頭巷尾。美團(tuán)擁有全國2800多個市縣的即時配送網(wǎng)絡(luò)，覆蓋中國最復(fù)雜的物理環(huán)境。美團(tuán)無人機(jī)已累計完成商業(yè)訂單超78萬筆，國內(nèi)外開通70條航線。美團(tuán)無人車已至少已完成550萬單配送任務(wù)，自動駕駛總里程突破1900萬公里。

無人機(jī)在樓宇間穿行時的視覺避障數(shù)據(jù)、無人車在復(fù)雜路況下的實時決策軌跡、騎手與機(jī)器協(xié)同調(diào)度中的動態(tài)優(yōu)化樣本，都是高價值、高密度的真實世界數(shù)據(jù)。這些是LongCat大模型持續(xù)進(jìn)化的養(yǎng)料，也是國產(chǎn)算力芯片在嚴(yán)苛環(huán)境中驗證可靠性、能效比的真實環(huán)境。

同一天里先后發(fā)布和開放測試的DeepSeek V4與LongCat-2.0-Preview，構(gòu)成了國產(chǎn)算力進(jìn)化的一體兩面。前者以開源、低價與通用能力，證明了國產(chǎn)算力可支撐全球頂尖的基礎(chǔ)模型；后者以原生國產(chǎn)訓(xùn)練、萬億參數(shù)規(guī)模與物理世界閉環(huán)，證明了國產(chǎn)算力集群可獨(dú)立完成極限的工程任務(wù)。

這不僅僅是算力焦慮下的替代敘事，更是一場 “主動定義”的轉(zhuǎn)身，獨(dú)立生長、正向循環(huán)的中國AI產(chǎn)業(yè)鏈，還需要長期努力，但正在加速成型。