美团LongCat验证国产算力训练万亿参数模型

本摘要汇总了2026年6月30日至7月1日期间全球人工智能领域的最新重要资讯，以中美两国为核心，兼顾日本、印度等关键参与方，覆盖大模型与国产算力、科研与企业级智能体、资本市场估值重估、芯片博弈及国际合作等维度。本期内容聚焦于上一期（6月30日）之后出现的新增事件与重大跟进，已收录事件不再重复展开。

1. 中国大模型：美团 LongCat-2.0 验证纯国产算力训练兆级模型

本期中国侧最具标志性的进展来自美团。6月30日，美团正式发布并开源新一代基础大模型LongCat-2.0，总参数量达1.6万亿，是业界首个宣称完全依靠中国国产算力芯片集群完成"预训练、推理到部署"全流程的万亿参数模型 [1]。该模型采用混合专家（MoE）架构，每个Token实际仅激活约480亿参数，稀疏度接近97%，并支持高达100万Token的上下文窗口。相较其真实性能水平，本次发布更重要的意义在于工程路线的可行性验证：据美团官方博客披露，LongCat-2.0的预训练在超过5万片国产算力芯片组成的集群上耗时数月完成，累计消耗超过35万亿Token，全程未发生需要回滚的训练中断，也未出现不可恢复的损失函数异常突刺 [1]。美团虽未点名供应商，但证实使用了华为的HCCL通信库，市场普遍推测该集群基于华为昇腾系芯片构建。

在能力表现上，LongCat-2.0呈现明显的"偏科"特征。在程序代理类基准中，其SWE-bench Pro得分为59.5，优于Gemini 3.1 Pro（54.2）与GPT-5.5（58.6），但仍落后于Claude Opus 4.7（64.3）与4.8（69.2）；而在偏重广泛知识与深度推理的测验中相对弱势，GPQA-diamond仅88.9分、BrowseComp为79.9分，均处于对比模型末位 [1]。美团亦坦言，相较成熟的英伟达CUDA生态，国产芯片配套的软件开发社群仍不够成熟。尽管如此，多位研究者认为这是首次有模型在中国本土加速芯片上达到接近前沿的水平，对华为超节点集群能否胜任大模型训练的疑虑有所打消 [1]。

2. 中美调用量分化：中国份额攀升，美国单周回落

在应用层面，中美大模型的市场调用格局出现显著分化。据《每日经济新闻》基于全球最大AI模型API聚合平台OpenRouter的测算，在6月22日至28日一周内，全球AI大模型总调用量约为46.7万亿Token，与前一周基本持平；其中中国AI大模型周调用量达20.39万亿Token，环比增长8.4%，连续第九周领跑全球，而同期美国大模型调用量为4.25万亿Token，环比下滑26.22% [2]。数据同时显示，美国模型在该榜单上的份额一年内已从约72%降至33%；智谱GLM-5.2的调用量环比大增66%，而Anthropic的Claude Sonnet 4.6近四个月来首次跌出榜单 [2]。需要说明的是，OpenRouter主要覆盖第三方开发者通过聚合平台发起的调用，未必等同于全球全部AI用量，但其结构性趋势仍值得关注，中国开源模型凭借成本优势正加速蚕食开发者市场。

3. 企业级智能体：Anthropic 推 Claude Science，AWS 组建派驻工程部

美国头部厂商本期的重心明显转向企业级与专业场景的商业化落地。6月30日，Anthropic正式发布Claude Science——一款面向科学家的AI科研工作台 [3]。它并非全新模型，而是基于现有Claude模型构建的工作流产品，核心是一个协调代理，可调用超过60个预置技能与连接器，覆盖基因组学、蛋白质组学、结构生物学与化学信息学等领域，并能生成用户自定义的专业子代理。为应对AI模型捏造引文与数据这一科研痛点，Claude Science设置了独立的审核代理，负责实时检查引文与计算结果、标记并纠正错误 [3]。此举被视为Anthropic在科研领域最深度的布局，也是其冲刺IPO前争夺付费客户的重要商业动作。

与此同时，亚马逊云科技（AWS）宣布斥资10亿美元成立全新的前线派驻工程部（Forward Deployed Engineer, FDE），专门派遣工程师入驻企业客户内部，帮助其加速AI系统的搭建与落地部署 [4]。FDE模式最早由帕兰蒂尔（Palantir）在十余年前提出，今年以来OpenAI、Anthropic已联合银行、私募股权与咨询机构相继设立此类服务；AWS的正式入局，标志着头部厂商的竞争焦点正从"模型能力"进一步下沉到"交付与渗透"，谁能让企业真正用起来、并持续付费，正成为AI商业化下半场的关键。

4. 芯片与算力：OpenAI 推理成本减半，ASIC 增速首超 GPU

围绕英伟达的算力格局正在经历微妙重构。据The Information报道，OpenAI工程师通过新的优化方法将推理成本削减了逾50%，从而减少了处理部分ChatGPT流量所需的英伟达芯片数量；这与其6月24日联合博通发布的首款定制芯片Jalapeño形成软硬两条降本路径，后者计划于2026年底以吉瓦（GW）级规模部署，微软为主要合作伙伴 [5]。市场研究机构TrendForce预计，基于ASIC的定制芯片系统2026年将占AI服务器出货量的27.8%，为2023年以来最高，且增速将首次超过英伟达GPU；博通、Marvell等已成为定制芯片建设浪潮中的关键供应商，芯片初创公司Etched更宣称已锁定10亿美元的推理系统合同 [5]。

值得注意的是，尽管客户"去英伟达化"的努力持续，英伟达股价6月30日仍上涨近2%、市值逼近4.8万亿美元，最新季度数据中心营收同比增长75%至创纪录的623亿美元 [5]。市场的判断在于：训练环节仍高度依赖英伟达的CUDA生态，压力主要集中在推理侧；而叠加美团LongCat-2.0以纯国产芯片完成训练、以及闪迪（SanDisk）因NAND闪存结构性短缺而在上半年累计上涨逾850%等信号，一条以"存储超级周期+定制推理芯片"为主线的产业链重估正在展开 [6]。

5. 资本市场：美股"七巨头"单月市值蒸发约2.3万亿美元

算力叙事的裂缝已直接反映到资本市场。2026年6月，美股科技"七巨头"（苹果、微软、Alphabet、亚马逊、英伟达、Meta、特斯拉）单月市值合计蒸发约2.3万亿美元（部分口径统计接近3万亿美元），追踪这七只股票的Roundhill Magnificent Seven ETF当月跌幅达13%，创其2023年成立以来最差月度表现；与之形成鲜明对比的是，剔除七巨头后的标普500其余成分股同期反而上涨约2.6% [7]。

本轮下跌的根源并非宏观加息，而是市场对AI资本开支投资回报率的系统性审视——过去两年数千亿美元的AI资本开支，何时能转化为可验证的利润？国际清算银行（BIS）在6月的年度报告中亦警示，若AI资本开支回报不及预期，可能触发融资收缩，将投资热潮逆转为一轮萧条 [7]。

其中微软6月累计下跌21.64%，为七巨头中跌幅最大，主要反映市场对其云业务AI变现节奏的担忧。资金正沿AI产业价值链重新配置，从超大规模云服务商流向AI硬件、先进封装与HBM存储芯片等上游环节。总体而言，AI产业正从"算力基建期"迈入"商业验证期"，市场正在等待头部厂商交出让算力成本转化为客户持续付费的答卷 [7]。

6. 国际合作与政策：日印结盟共研 LLM，美国加码材料研发补助

在国家层面的AI布局上，本期出现了新的合纵连横。据共同社报道，日本首相高市早苗与印度总理莫迪将在7月初的会谈中发表联合声明，确认加强人工智能开发合作，其核心是在大语言模型（LLM）开发领域深化协作 [8]。此举被视为两国在美中AI竞争格局下寻求自主技术空间、构建"非美非中"第三极的重要一步。

在美国一侧，商务部芯片研发办公室（CHIPS R&D Office）宣布与AI初创公司SandboxAQ签署一项高达5亿美元的补助协议，将利用人工智能结合物理模拟，加速半导体关键材料的发现与开发 [9]。这一动向表明，美国正试图把AI从"耗电的应用"转变为"半导体供应链的赋能工具"，在材料端争夺下一代芯片竞争的主动权。此外，谷歌在近期I/O开发者大会上进一步公布了面向开发者的AI创作工具升级，包括作为默认模型集成进Gemini应用与谷歌搜索AI模式、输出速度号称为其他前沿模型约四倍的Gemini 3.5 Flash，以及可理解并生成文本、图像、音频与视频的多模态模型Gemini Omni（此两项模型主体已于上期收录，此处为创作工具维度的补充） [10]。