2026年4月山西泡沫板专用胶，英伟达CEO黄仁勋在场播客访谈中反复强调，计不是汽车，不能今天换个、明天再换个。计生态有黏，替换它需要巨大的时间和能量。

这句话原本是黄仁勋为英伟达继续参与市场在辩护，却意外点破了AI产业过去两年层的压力：大模型竞争，表面上是参数、榜单和应用之争，底层却是力生态之争。谁掌握训练和理所依赖的芯片、软件栈和工程体系，谁才真正握住了下轮AI放量的钥匙。

过去很长段时间，国产大模型的关键力受制于外部供应、生态迁移成本、国产训练集群稳定不足等问题。力不是简单买几张卡就能解决，它涉及芯片、互联、编译框架、子库、容错系统和训练工程，任何个环节不稳，万亿模型都很难真正跑起来。

4月底，国内外多款头部大模型集体焕新。不样的是，这次的讨论重心，开始从“模型强不强”，转向“它跑在什么力硬件上”。

DeepSeek V4为了适配国产力经历了艰难的调试迁移，已经把问题摆到了行业台前。在同天，美团LongCat-2.0-Preview开放测试，据公开信息显示，其训练理全程依托国产力集群完成。

两个万亿模型，在同时间节点，站在了同个向上。

这不是巧，而是个信号：AI的下轮爆发点，不会只发生在模型榜单上，在“模型能力 × 国产力 × 真实场景 × 低成本调用”的交叉地带。

——语

01

两个重磅

2026年4月下旬，AI产业同时抛出两枚重磅筹码：DeepSeek V4与美团LongCat-2.0-Preview。两者参数规模均进入万亿，均支持1M上下文窗口，单次理可处理百万字输入，把大模型竞争入了个新的密集迭代窗口。

如果放在全球竞争的坐标看—— OpenAI继续以GPT系列维持闭源模型的能力上限，Google Gemini和Anthropic Claude仍在多模态、代码、长上下文和Agent能力上加速进；国内则形成DeepSeek、Qwen、Kimi、MiniMax、智谱、豆包、LongCat等多线并行局面。

两条线都在加速，但路径和生态已明显分化。

模型的优势不再只是“追得快”，而是在开源、低成本、调用量和垂直场景中不断形成自己的路径。

DeepSeek V4的上线称得上“万众瞩目”，但团队依然克制低调，外部情绪也不像1年前R1横空出世般强烈。

这并不奇怪。DeepSeek次破圈时，真正震动行业的并不是“对能”，而是“接近线能力 + 低调用成本”带来的价比冲击。当公司已经把公众期待抬到位置，后续每次大版本迭代，都很难再复制次出圈时的情绪强度。

但从技术演进看，DeepSeek V4的百万字上下文能力、MoE架构、理率、成本控制，以及对国产力的度适配，共同构成了这代模型的真实看点。开发者社区对其代码、复杂文档处理和长文本理能力，都给予了较关注。

真正值得注意的是，DeepSeek V4把长文本理成本继续向下压。过去，百万上下文、复杂理和Agent编排往往意味着昂token成本，只有大厂或预充足的团队能长期试错。如今，当头部模型调用成本持续下降，AI应用的盈亏平衡线就会被重新改写。

成本革命，往往是技术普及的前夜。

从这个角度看，DeepSeek V4仍然是次成功且激进的迭代。它没有单纯走“堆卡堆钱”的路线，而是通过稀疏注意力、MoE、理系统优化和国产力适配，在资源约束下继续追求单位成本能的优解。

让这次新上升到产业层面的，是国产力适配的细节。围绕DeepSeek V4的讨论，很快从“模型能力如何”，转向“它运行在什么硬件和软件生态上”。这说明，大模型竞争已经进入底层的阶段：不仅要做出强模型，还要证明模型可以在国产力体系中训练、部署和规模化调用。

几乎在同个时间窗口，美团LongCat-2.0-Preview开放测试。

它同样进入万亿参数量，与DeepSeek V4相似的不仅是参数规模，还有两者都把“大模型能力”与“国产力适配”放在同张桌上。

LongCat-2.0-Preview有个进步的标签：公开信息显示，它训练理全程依托国产力集群完成，训练阶段使用了约5万至6万张国产力卡，是迄今国产力上完成的大规模大模型训练任务之，也是目前为止公开口径中唯个国产卡训练的万亿大模型。

这句话的分量，需要放在AI产业过去两年的力现实中理解。

如果说DeepSeek V4证明了“国产芯片可以支撑头部模型的关键环节”，那么LongCat-2.0-Preview进步证明，国产力并不是只能做验证适配，而是有能力承担万亿参数模型的全流程训练和理。它不是次孤立的模型新，也在系统展示国产力的工程化能力。

面，DeepSeek继续用低成本和率动AI应用普及；另面，LongCat-2.0-Preview用全程国产力训练理，验证了国产力在大规模真实训练任务中的可用。两者相继出现，意味着AI桌上多了个重要的变量。

这也是为什么美团的加入值得关注。它并不是传统意义上的模型公司，却拥有本地生活、履约网络、商经营、人配送、人机、消费搜索和即时售等大量真实场景。对大模型而言，真实场景不是锦上添花，而是决定模型能否持续迭代的燃料。

02

从V4的“心脏移植”到LongCat的全程国产化

国产力上跑出了万亿的大模型山西泡沫板专用胶，对产业是突破，但对其中的工程师像是场 “心脏移植”手术。

DeepSeek V4的千呼万唤，表面看是时间节点变化，实质上反映的是从成熟CUDA生态向国产力软件栈迁移时，须补上的工程课。

长期以来，英伟达CUDA生态的优势不只在芯片本身，也在编译器、子库、通信框架、调试工具、开发者习惯和大量历史经验。大模型公司过去在CUDA生态里训练、调参、部署，很多基础能力已经接近“默认可用”。但迁移到国产力体系后，很多原本被生态封装掉的问题，会重新暴露在工程团队面前。

耗时的，往往不是把代码“搬过去”，而是让同个模型在不同硬件和软件栈上跑出致、稳定、可复现的结果。

这正是国产力适配中难的部分。子重写、通信优化、精度对齐、混精度训练、显存调度、故障恢复，每项都不感，却都绕不过去。没有这些工程工作，所谓国产替代就很容易停留在演示层面，而法进入真正的大规模生产。

DeepSeek V4的意义，正在于它把这种工程迁移向了头部模型别。它让行业看到，即使在外部端GPU供应受到约束的情况下，大模型仍然可以通过架构创新和系统工程，继续实现强度迭代。

当然，国产芯片并不是在所有维度上已经等同于成熟生态。准确的说法是，在部分硬件指标、软件生态成熟度、开发者工具链和训练经验沉淀面，国产体系仍在追赶和补课；但在真实大模型任务中，它已经开始具备支撑头部模型的能力。

LongCat-2.0-Preview的价值，则在于从训练到理全程依托国产力集群完成。

这使它具有强的原生意义。

美团大模型团队在国产力训练过程中，显然趟过了不少坑，也沉淀了相当多工程能力。万亿参数模型不是把卡堆起来就能跑。训练任务旦进入数万卡规模，任何个节点、链路、子、调度策略或精度问题，都可能致训练中断、结果漂移或率崩塌。

先，是并行策略与显存优化。

万亿参数MoE模型对显存、通信和调度提出要求。国产力体系在不同芯片形态、内存带宽、互联结构和软件栈上，与英伟达成熟生态并不相同。要在这样的系统中训练万亿模型，团队须重新设计并行策略、通信路径和显存复用式，PVC管道管件粘结胶把硬件资源压榨到足够的率。

其次，是底层软件栈的成熟度。

CUDA生态是多年训练、部署、开源社区和商业应用“熬出来”的。国产软件栈进步很快，但在复杂任务中仍需要模型团队度参与优化。LongCat团队很可能针对国产芯片特重写或优化核心子，并建立严格的数值致与可复现机制。

再次，是万卡集群的稳定。

大规模训练不是单点能竞赛，而是复杂软硬件系统工程。长期以来，即便是全球顶模型团队，也很少有人能轻松保证万卡集群长时间稳定运行。链路波动、硬件故障、执行时、计差异、中间状态恢复，都会影响训练率和终结果。

LongCat-2.0-Preview的训练实践，说明美团团队至少建立了覆盖容错、检测、恢复和调度的工程体系。这些不是论文里的能力，而是在数万张国产卡训练任务中被逼出来的能力。

实际上，这些工程沉淀也会反哺到国产芯片生态。

芯片厂商需要的，不只是实验室benchmark，而是真实大模型训练中的压力测试数据。哪些子拖慢训练，哪些通信链路容易抖动，哪些场景会出现数值差异，哪些调度策略有，只有真实任务才能给出答案。LongCat-2.0-Preview这样的项目，实际上把模型公司和国产力厂商向了相向而行的道路。

奥力斯    pvc管道管件胶批发    联系人：王经理    手机：15226765735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

这也是它区别于普通模型新的地。

它不只在模型参数上增加个名字，也在国产力体系里留下了可复用的工程经验。

03

为什么是现在？聊聊美团的“隐基因”

LongCat-2.0-Preview的出现，像是美团将AI嵌入业务流程许久后，浮出水面的那截。

要理解这件事，需要先理解美团的AI需求，与很多互联网公司不同。

美团不是纯内容平台，也不是纯搜索平台，不是单办公软件或云服务公司。它连接的是大量真实的物理世界服务：餐饮、外、到店、酒旅、即时售、配送、商经营、人机、人车、骑手调度、门店运营。

这些业务的特点是：数据密度，履约链条长，供需匹配复杂，用户对结果其敏感。

用户问句“附近有什么适两个人吃的川菜”，背后不是简单文本生成，而是商质量、距离、价格、优惠、排队时间、营业状态、评价结构和用户偏好的综判断。商问“这个位置能不能开店”，背后也不是句建议，而是商圈、客流、竞品、租金、客单价、配送半径和历史经营数据的综演。

痛点，爽点，都有AI介入的空间。AI要落地，离不开真实业务的需求。恰恰美团有大量可以被AI提的频场景。

因此，美团的AI产品，应放在个大的逻辑里理解：AI正在从“展示能力”转向“嵌入业务流程”。

比如在C端，AI管“小团”刚刚针对五假期进行了能力新，帮助用户压缩找店、比价券、看评价、路线安排等环节的选择成本。在B端，袋鼠参谋、智能掌柜等工具，指向的是商经营提。选址、评价分析、菜单优化、接待回复、促销建议，这些原本依赖经验和人工处理的工作，正在被AI工具逐渐辅助。

用户关心体验和率，商关注转化和经营果，都要求LongCat在美团的核心业务中拥有真实落点。

财报与公开沟通中，美团多次强调通过AI技术提升本地生活服务体验，并将AI能力与即时售、商经营、履约网络和物理世界服务连接起来。换句话说，目标是为提升整个服务网络的率。

这也是“物理AI底座”这说法的来源。

AI不只要理解文本和图片，还要理解真实世界中的人、货、场，路、店、仓，以及运力和末端设施。

处在数字智能和物理世界的交界地带——这也解释了为何美团在AI大模型、半体/AI智能硬件赛道，很早就有布局。

公开信息显示，美团在硬科技域至少投资了43公司，包括智谱AI、月之暗面、摩尔线程、沐曦股份、银河通用、禾赛科技、轻舟智航等角兽企业。看似分散，实际可以排列成张链路：上游是力与模型，中游是感知与决策，末端是机器人、自动驾驶和物理执行。

LongCat-2.0-Preview不是孤立出现的。业务特点，要求美团的模型定位有所不同。

DeepSeek用模型能力和成本率开全球开发者生态；LongCat试图把大模型嵌入个真实的服务网络，在国产力底座上验证它能否长期跑起来。

04

海外视角下的AI“换芯”

当DeepSeek V4和LongCat-2.0-Preview相继把国产力到台前，海外产业界敏感的人之，正是黄仁勋。

在与Dwarkesh Patel的播客对话中，黄仁勋并不赞成把AI产业简单排除在英伟达生态之外。他反复强调，计生态不是汽车，不能随意切换；生态旦形成，就有替换成本。对英伟达而言，让AI开发者继续留在CUDA体系内，显然比把他们向替代生态符自身利益。

这段话的价值，从外部视角解释了国产力替代的真正难度。

芯片供应受限并不只是“少了几块卡”。旦不能稳定获得GPU，就须重建从芯片、软件栈、编译框架、子库、通信协议到训练工程的整套能力。这个过程成本，也很痛苦，但旦被迫完成，就会削弱原有生态的垄断黏。

这正是黄仁勋担心的地。

DeepSeek过去的破圈，已经让业内意识到，模型不仅能实现能，还能在低成本下开放调用和部署。Qwen、Kimi、MiniMax、智谱等模型的持续迭代，也在不断丰富海外开发者对模型阵营的认知。如今LongCat又带来个新变量。

海外用户对这些模型的评价，通常不是单的“振奋”或“质疑”。开发者会关注速度、成本、长上下文、代码能力和开放程度，也会继续讨论幻觉、稳定、多模态能力和真实复杂任务表现。

这种就事论事的反应，恰恰说明它们不再只是被观察的追赶者，而是能在成本、率、开源、国产力适配和真实场景上，给全球AI产业提出新议题的发起者。

国产力，万亿参数，丰富的场景被放到起，也是AI“换芯”叙事中，步落地的验证。

结语

国产力时代的起点

DeepSeek V4和LongCat-2.0-Preview相继亮相，标志着大模型竞争正在从单纯模型能力比拼，进入复竞争阶段。

如果模型长期运行在CUDA生态里，哪怕公司做出很强模型，底层生态的主动权仍然握在别人手里。

反过来，如果公司在国产力上训练、理、调优、部署，并逐渐沉淀自己的工程体系，全球AI产业就可能出现明显的双生态结构。

国产力生态显然还要补足短板，大模型短期内也远不能脱离外部力。但至少4月底的集体动作证明，通过架构创新、系统工程和产业协同，已经能实现模型能力的迭代。

AI不存在“便宜大碗”就能过关斩将的情况。未来的考验在于，能否在市场条件下持续迭代，建立稳定的开发者生态、应用生态和商业闭环。

论如何，AI已经证明：在关键力受到约束的条件下，模型创新并不会因此停摆，架构创新、系统工程、国产芯片生态和真实业务场景放在起，是条可以往前走的路。这是AI产业，在今年春天给出的回答。

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。