LongCat-2.0用5万张国产芯片跑通万亿模型，这件事的背景是：2026年5月黄仁勋承认英伟达已基本退出中国市场，份额从巅峰95%跌至接近0%，直接损失超150亿美元。美国出口管制层层加码——从A100/H100被禁，到H20算力仅H100的15%仍被禁，再到H200要求25%销售分成和硬件后门被中方拒绝——彻底切断了中国开发者对CUDA生态的依赖。这种强制断供反而催生了华为昇腾950PR（性能对标H200）和摩尔线程花港架构等国产替代，也为LongCat-2.0零英伟达芯片全链路国产化铺平了市场基础。

LongCat-2.0总参数1.6万亿，但每次推理只激活约480亿（3%），核心靠的是MoE混合专家架构。门控网络为每个token只选最相关的少数专家，其余静默——类似一个671层的图书馆，每次只打开37层。对比GPT-4约1.8万亿参数激活约2%，逻辑一致。这种稀疏激活让参数量与计算量解耦，突破了过去「参数量越大成本越高」的硬约束，也是国产芯片算力有限时能跑通万亿模型的关键工程杠杆。

国产模型「低成本高效率」成为2026年主流叙事——LongCat-2.0用5万张国产芯片跑通，DeepSeek-V4用约1/6成本达到顶级性能。但另一视角指出：DeepSeek-V3的557万美元训练成本只算了最后一次跑通的算力，前期模型探索和消融实验的隐性开销可能和OpenAI一个量级。蚂蚁Ling团队在做国产加速卡适配时也披露，为对齐算子、处理loss突刺和硬件不稳定，花了无数通宵debug。同一笔账两种叙事，本质是「产品级成本」与「R&D总成本」的口径之争。

LongCat-2.0证明「国产芯片跑万亿模型」工程上可行，但这只是第一步。当下能看到的关键变量是：蚂蚁Ling团队在国产卡上训3000亿参数模型时，遇到了硬件不稳定导致的loss和grad突刺，靠突刺处理机制才让loss差异低于0.1%。国产芯片的MTBF（平均无故障时间）和互联带宽仍是工程短板——未来焦点不是「能不能跑通一次」，而是「能否在十万卡规模下、连续几个月稳定运行，且MFU达到行业标杆」。这个拐点要等2026年下半年第二批万卡集群交付才能看清。

LongCat-2.0在Terminal-Bench和SWE-bench上追平Gemini，但正如Claude Fable5一天迁移5000万行代码的案例所示：工业级工程不是刷题——超长上下文中信息丢失率（国产约15-20%，Claude低于5%）、跨千个文件的依赖映射错误率（国产约10%，Claude低于1%），这些才是真实工作流中比benchmark跑分更关键的指标。值得追问的是：当「解出一道题」和「改建一座正在施工的摩天大楼」是两种能力时，评测体系本身是否需要重新定义？