Trung Quốc ra mắt LongCat-2.0: Mô hình AI 1,6 nghìn tỷ tham số không dùng chip Nvidia

Meituan ra mắt LongCat-2.0 — Mô hình AI lớn nhất không dùng chip Nvidia

Tập đoàn giao đồ ăn Meituan có trụ sở tại Bắc Kinh vừa công bố LongCat-2.0, một mô hình ngôn ngữ lớn (LLM) mã nguồn mở với 1,6 nghìn tỷ tham số và cửa sổ ngữ cảnh lên đến 1 triệu token. Điểm đặc biệt: toàn bộ quá trình huấn luyện và suy luận được thực hiện trên phần cứng sản xuất trong nước, không sử dụng bất kỳ chip nào của Nvidia.

Điểm khác biệt so với các mô hình AI Trung Quốc trước đây

Đây là cột mốc đáng chú ý nếu đặt trong bối cảnh cạnh tranh AI hiện tại. DeepSeek V4-pro — mô hình được chú ý trước đó — chỉ sử dụng chip nội địa cho giai đoạn suy luận (inference), tức bước nhẹ hơn là trả lời câu hỏi của người dùng. Ngược lại, LongCat-2.0 dùng phần cứng nội địa cho cả giai đoạn tiền huấn luyện (pre-training) — công đoạn đòi hỏi tính toán chuyên sâu hơn nhiều.

Meituan cho biết cụm máy tính được xây dựng dựa trên các ASIC superpod quy mô lớn — loại chip được tùy chỉnh cho từng tác vụ cụ thể. Bên cạnh đó, công ty sử dụng thư viện HCCL của Huawei để điều phối giao tiếp giữa các chip, một cơ chế tương đương với NCCL mà Nvidia dùng cho cụm GPU của mình. Cụm huấn luyện bao gồm khoảng 50.000 bộ tăng tốc nội địa.

Phản ứng từ giới phân tích công nghệ

Thông tin về LongCat-2.0 lập tức thu hút sự chú ý của cộng đồng công nghệ toàn cầu. Nhà phân tích TP Huang nhận định rằng sự kiện này giải tỏa những nghi ngờ còn tồn tại về năng lực của Huawei Atlas-950 SuperPoD. Nhà nghiên cứu Hanchi Sun từ Đại học Lehigh gọi đây là mô hình đầu tiên đạt hiệu suất gần mức tiên tiến toàn cầu khi được huấn luyện hoàn toàn trên chip nội địa Trung Quốc ở quy mô này.

Theo nhà phân tích Yuchen Jin, sự kiện này minh chứng cho quan điểm rằng các lệnh kiểm soát xuất khẩu chip của Mỹ không ngăn được Trung Quốc — mà thậm chí còn thúc đẩy quốc gia này phát triển cơ sở hạ tầng AI độc lập nhanh hơn. Venture partner Alvin Foo bình luận: "Nếu Trung Quốc có thể huấn luyện ở quy mô tiên tiến trên silicon nội địa ở mức này, cuộc đua tính toán đang mở rộng hơn bao giờ hết."

Hạn chế và thách thức còn tồn tại

Dù vậy, LongCat-2.0 vẫn chưa theo kịp các hệ thống dẫn đầu toàn cầu như GPT-5.5 của OpenAI hay Opus 4.8 của Anthropic ở các tác vụ suy luận và tác nhân tự động phức tạp nhất. Meituan thừa nhận hệ sinh thái phần mềm nội địa vẫn còn kém trưởng thành hơn so với cộng đồng GPU của Nvidia.

Một hạn chế kỹ thuật đáng chú ý là dung lượng bộ nhớ: các bộ tăng tốc nội địa mang ít bộ nhớ hơn trên mỗi thiết bị so với chip H800 — loại chip Nvidia đã bị cấm xuất khẩu sang Trung Quốc — và đây là nút thắt chính trong giai đoạn tiền huấn luyện.

Ý nghĩa cấu trúc đối với ngành AI toàn cầu

Thành công của LongCat-2.0 gửi đi một tín hiệu rõ ràng: huấn luyện mô hình ở quy mô tiên tiến trên phần cứng Trung Quốc là khả thi về mặt kỹ thuật. Khoảng cách giữa các mô hình mã nguồn mở Trung Quốc và các hệ thống đóng hàng đầu phương Tây có thể thu hẹp nhanh hơn so với các dự báo gần đây, đặt ra câu hỏi lớn về hiệu quả dài hạn của các biện pháp kiểm soát xuất khẩu công nghệ bán dẫn.