在2026年中国国际服务贸易交易会（服贸会）上，美团展出并开源了新一代万亿参数大模型LongCat-2.0（龙猫2.0）。据北京日报、中国经济网等媒体报道，该模型总参数为1.6T（1.6万亿），平均激活约48B（动态范围33B至56B），是业界首个在万卡级国产算力集群上完成全流程训练与推理的万亿参数开源大模型。

面向智能体编程的架构设计

LongCat-2.0原生支持100万Token（词元）超长上下文，从零开始预训练，其核心目标围绕真实的Agentic Coding（智能体编程）任务展开，让模型在代码理解、生成与执行上更高效、更稳定。

在架构上，LongCat-2.0创新性引入了LongCat稀疏注意力与N-gram Embedding，在提升长上下文处理效率与Token级表示能力的同时，结合动态激活进一步强化了代码相关表现。这一设计思路与此前业界将大模型用于”辅助写代码”的取向不同，更强调模型作为可自主规划、调用工具、执行任务的智能体底座。

同步上线AI智能体平台CatPaw

与模型一同亮相的，还有美团全场景AI智能体平台CatPaw。据百度百科与美团技术团队公开信息，CatPaw于2026年7月27日正式上线，采用”脑手分离”架构：Agent Loop负责理解意图、规划步骤、判断调用工具并基于大模型推理处理上下文与结果解析，Sandbox负责实际执行文件读取、浏览器操作、终端命令等动作。

平台支持移动端、PC端与云端协同：移动端可发起任务、查看进度与远程确认关键决策；PC端具备文件操作、浏览器控制与终端命令等能力；云端可承接耗时较长或定时触发的任务。同时，CatPaw支持跨会话的长期记忆，可记录用户的个性化偏好、操作习惯与历史上下文。

在服贸会上，CatPaw展示了面向本地生活商家的AI经营工作台能力，将平台沉淀的行业经营经验与AI能力封装为轻量化Agent工具，帮助商家完成评价分析、经营诊断、门店巡检等日常工作。美团配套的本地生活Agent”小团”累计响应已超7亿次用户需求。

应用与出海

作为模型与Agent体系的落地载体，美团的数智化生活服务模式已在中国香港、中东、拉美等多个海外市场落地。从面向消费者的AI助手”小团”，到服务商家的CatPaw平台，美团正将AI能力深度融入零售、即时配送与商家经营等环节。

LongCat-2.0的开源，意味着开发者可基于这一万亿参数级、依托国产算力训练的大模型，在智能体编程、长上下文处理等场景中做进一步探索。在国产大模型竞争进入”代码+多智能体协同”阶段的当下，这一开源动作也为国内开发者提供了新的底层选项。

来源：美团技术团队、北京日报（腾讯新闻）、中国经济网

9月7日，科大讯飞正式发布星火X2.5大模型。该模型采用MoE（混合专家）架构，参数规模为293B-A30B，即总参数约2930亿、单次激活约300亿，重点提升代码生成与智能体（Agent）能力，并持续增强数学、理解等通用能力。

全国产算力全流程训练

据人民网安徽频道、科学网、中国证券网等媒体报道，星火X2.5基于全国产算力完成全流程训练及推理，并持续优化国产超长序列的训练与推理难题。目前该模型已上线讯飞开放平台，面向开发者与企业开放调用。

在基础能力之外，科大讯飞此前已开源星火X2.5-4B与星火X2.5-1.7B两款端侧模型。这两款模型原生支持最长100万Token（词元）上下文，可本地部署于长文档处理、代码辅助、数据分析等场景，面向车载、智能硬件、万物互联等端侧应用提供模型支撑。

主攻代码与智能体

星火X2.5的发布延续了国产大模型近期的竞争主线。业内观察显示，多家厂商正把”编程能力+多智能体协同”作为差异化主战场：一方面提升代码生成、补全与调试的准确性，另一方面强化模型调用工具、拆解任务、跨步骤执行的能力，以适配真实的软件工程与企业业务流程。

从公开信息看，星火X2.5在智能体方向上的强化，意味着其不仅可用于问答与文本生成，还可承担更复杂的多步骤任务编排，例如根据需求自动拆解子任务、调用外部接口、生成并执行代码。这类能力正成为衡量新一代大模型工程实用性的重要指标。

行业背景

据行业监测数据，国产大模型的周调用量已达到较高规模，并在全球开源与开放模型榜单中占据多席。在代码与智能体这一细分方向上，国内外厂商的迭代节奏明显加快，模型能力正从”能对话”向”能干活”演进。

对于国内开发者与企业而言，基于全国产算力训练、并可通过开放平台调用的模型，提供了在合规与供应链层面更具确定性的选择。星火X2.5的开放，也进一步丰富了国产大模型在代码与智能体场景下的可选项。

来源：人民网安徽频道、科学网、中国证券网

9月11日，燧原科技正式登陆科创板。至此，摩尔线程、沐曦股份、壁仞科技、燧原科技这四家被业界称为”AI芯片四小龙”的国产算力芯片企业，全部完成资本化登场。这意味着四家公司已走过初步的技术验证阶段，国产AI芯片的竞争正式进入以规模化交付和盈利能力比拼为核心的新阶段。

四小龙：从技术验证到资本化

过去数年，国产GPU与AI加速芯片大多停留在中小规模试点与细分场景适配，能否承载大规模训练与推理始终受市场质疑。随着四家头部企业相继上市，”AI芯片四小龙”这一称呼本身，也从一个融资叙事变成了一组可被公开财务数据检验的实体。

资本化的意义不止于募资。它意味着这些企业必须开始接受市场对营收、毛利与盈利节奏的定期审视，竞争逻辑从”谁的架构更先进”转向”谁能把芯片变成持续赚钱的生意”。

上半年营收：增速亮眼，盈利待解

从已披露的上半年数据看，四家公司的营收均录得高速增长，但整体仍未跨过盈利线。

需求侧的拉动力来自真实的算力缺口。中国信通院数据显示，2026年一季度国内AI算力需求同比增长417%，而有效供给增速为128%，供需缺口持续扩大，为国产芯片打开了历史性窗口。

盈利拐点则初现轮廓：摩尔线程上半年扣非后归母净利润为-1.51亿元，较去年同期的-3.17亿元明显收窄；沐曦股份扣非后归母净利润-0.49亿元，同比减亏75.83%，且二季度单季已实现0.54亿元扣非盈利。沐曦股份董事长兼总经理陈维良曾预测，公司最早有望在2026年实现盈亏平衡。

估值回撤与系统性竞争

资本市场对”四小龙”的态度，正从初期的热情转向对业绩兑现能力的审视。截至9月10日收盘，已上市的摩尔线程、沐曦股份、壁仞科技（港股）市值分别为1711亿元、1975亿元、971亿港元，三家公司普遍较年内高点回撤约四至五成。

北京社科院研究员王鹏分析认为，在国产替代的刚性需求下，”四小龙”已进入营收高速增长阶段，但盈利拐点仍待观察。下一阶段比拼的是系统性能力：支撑大规模智算集群落地的规模化交付能力、快速完成主流大模型与行业场景适配的软硬件全栈效率、以年为单位快速迭代产品的能力，以及在特定行业与算力场景建立专属优势的能力。

国产替代窗口

能把研发投入、产品性能、软件生态与客户订单串成一条持续盈利商业链条的公司，才有望真正站稳脚跟。对下游客户而言，国产芯片”是否好用、能否稳定支撑真实生产流量”仍是采购决策的核心顾虑；而对”四小龙”而言，能否把当前的窗口期转化为可验证的盈利能力，将决定下一轮分化的方向。

*本文事实据证券时报、今日头条及中国信通院公开数据整理。*

2026 年 9 月 11 日至 13 日，2026 中国算力大会在河北廊坊举行。本届大会首次设置”算力首创首发发布会”，集中发布国产算力芯片、智能体与绿色算力等突破性成果。大会释放的最强信号，不是某款芯片的单点参数，而是一个产业逻辑的确立——国产算力竞争正从”单卡比拼”走向”系统级较量”。

从单卡到系统：超节点成为主战场

渤海证券在会前指出，国内头部大模型企业持续深化”芯模协同”，把国产算力芯片作为模型推理的核心底座；上海证券同样认为，在海外芯片出口管制背景下，算力自主可控愈加凸显。过去行业讨论的焦点是”单卡算力能否追上英伟达“，而本届大会展示的方向，是把芯片、集群、模型、调度作为一个整体系统来优化。

标志性成果在 9 月 12 日揭晓的”年度重大突破成果”共 15 项中集中体现：润泽科技的单体 200MW、10 万卡超大规模智算中心入选”年度卓越成就”，可承载 10 万张 AI 加速卡，兼容风冷与液冷，PUE 稳定低于 1.2；中兴通讯基于 OEX 架构的国产高性能 Matrix 集群超节点，将芯片适配周期压缩至 3 到 6 个月；天翼云的国产超节点架构全液冷万卡智算集群，算力利用率突破 80%，国产星辰大模型迭代周期压缩 50%。这些成果的共同特征是：不秀单颗芯片，秀的是系统级能力。

一体化算力网：从”建好”走向”用好”

大会期间，国信数算一体化算力网试验场珠三角核心枢纽正式上线，这是继 6 月 28 日京津冀试验场之后，”13N”产业链生态布局的又一关键落子。京津冀试验场已可提供 5000P 以上算力，兼容 21 款芯片与 6 类国产模型；珠三角上线后，试验场网络从”一点突破”扩展为”南北联动”，为跨区域、跨主体的算力调度提供真实网络验证环境。

制度层面同步补位。论坛发布《智能计算算力服务成本度量与评价》团体标准初步成果意见征询稿，由 51 家产学研用单位联合编制。该标准首创跨芯片 Token 计量基准，把计价单位从”GPU 卡时”切到”有效词元”，构建三级度量体系与六因子成本模型，推出成本效能评价指数（CEER），将算力服务划分为五个等级。这意味着全国一体化算力网正从”建好”走向”用好”。

政策目标：五年增长超五倍

工信部近日印发的《信息通信行业发展”十五五”规划》提出：到 2030 年，智能算力规模达到 9800 EFLOPS，相较 2025 年的 1590 EFLOPS 增长超过 5 倍；信息基础设施累计投资 3.8 万亿元；新建大型、超大型算力设施 PUE 降至 1.2 以下。规划特别强调”加大力度适配国产算力芯片”——国产化是这轮投资的核心约束条件之一。

芯片端：昇腾 950 超节点将至，HBM 是短板

最受关注的国产算力系统是华为昇腾 950 超节点（Atlas 950 SuperPoD）：以单柜 64 卡为基本单元，支持 1024 张 NPU 卡高速互联，实现 256TB 跨物理节点统一内存编址，NPU 往返时延压缩至 3 微秒，FP8 算力达 1 EFLOPS。华为给出的上市时间表为 2026 年第四季度，满配状态下由 128 个计算柜和 32 个互联柜组成，共 160 个机柜、约 1000 平方米，搭载 8192 颗昇腾 950DT 芯片。上一代 384 卡超节点已实现 750 多套商用落地，覆盖互联网、运营商、金融、医疗、交通、制造等行业。

值得关注的是”国芯训国模”的工程验证：DeepSeek V4 已同时在英伟达 GPU 与华为昇腾 NPU 上完成细粒度专家并行方案验证，通用推理任务实现 1.50 至 1.73 倍加速，延迟敏感场景最高加速 1.96 倍。2026 年中国 AI 加速卡国产市占率已突破 41%，国产化率约 40%、自给率约 42%，2030 年预计自给率达 70%。

但瓶颈同样清晰。HBM（高带宽内存）是当前国产算力供应链最难快速补齐的缺口。据韩媒报道，长鑫存储主力研发的 8 层堆叠 HBM3 产线良率长期卡在 25% 至 30%，约为量产黄金良率 80% 的三分之一，原因指向硅通孔（TSV）技术成熟度不足。长鑫已进入 HBM3E 风险试产，由寒武纪、阿里平头哥等测试，最快可能于 2027 年迈向商用。

三个量化标准看进度

综合大会信息，可从三个维度跟踪国产算力产业的真实进度：第一，超节点部署规模，从千卡级走向万卡、十万卡级，是算力系统从”验证”走向”生产”的标志；第二，芯片适配周期，中兴 OEX 架构压缩至 3 至 6 个月，意味着国产芯片与大模型的适配效率在提升；第三，HBM 的良率与产能，从 25% 到 80% 是从”试产”走向”量产”必须跨越的台阶。

芯模协同的飞轮已经开始转动，但要让飞轮真正高速运转，还需要 HBM 等关键环节的同步突破。

本文基于 2026 中国算力大会公开报道、东方财富及中国经济新闻网资料整理。

官方对新结构的设计目标表述得很直接：能力上限更高、推理速度更快、吞吐更大，并且可以扩展到更大的参数规模。

5520 亿参数，输入和输出用两套算力

V4.1 Flash 是一个总参数量 552B 的混合专家（MoE）模型，采用了全新的 Causal-Encoder-Decoder（因果编码器—解码器）结构。

这套结构最大的特点是输入与输出不对称：处理输入时只激活 80 亿参数，生成输出时激活 160 亿参数。也就是说，读取信息和生成内容被分配了不同的计算规模。DeepSeek 称，其成本显著低于已知的同尺寸模型。

这种设计与智能体（Agent）的工作方式高度契合。处理代码仓库、长文档和历史对话时，模型往往需要”读很多、写很少”——吞下海量上下文，再输出相对有限的判断、代码或操作指令。把输入环节的计算开销压下来，对这类任务的整体效率改善是直接的。

除结构外，V4.1 Flash 还采用了新的预训练方式，并经过了更大规模的强化学习后训练。官方公布的基准成绩包括：科学问答 GPQA Diamond 得分 90.9，Codeforces 竞赛编程评级 3471，MathArena Apex 得分 65.6。在考察终端任务执行的 Terminal-Bench 2.1 上得分为 90.6，网络安全测试 CyberGym 上得分 88.1——而 V4 Pro 此前公布的对应成绩分别为 87.9 和 83.3。

KV Cache 再瘦身：HBM 需求降到 1/4

另一项关键改进在缓存。V4.1 Flash 大幅减少了 KV Cache 的大小，与上一代模型相比，对 HBM（高带宽内存）的需求减少到 1/4，对 SSD 的需求减少到 1/8。

这个数字对 Agent 类场景的意义尤其突出。缓存命中的费用在长任务账单里往往占比不低，把 KV Cache 压缩下来，等于直接降低了调用成本。从官方披露的演进曲线看，相对初代模型，KV Cache 已经缩小了 437 倍。

API 变更与 V4 Pro 的下线时间表

V4.1 Flash 已同步上线 DeepSeek API，原生支持多模态，开发者将模型名称更改为 deepseek-flash 即可调用。旧版本模型 V4 Flash 与 V4 Flash Vision Exp 现已下线；出于兼容考虑，模型名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 会被暂时路由到 V4.1 Flash。

更值得注意的是 V4 Pro 的退场安排。DeepSeek 表示，经多方测试，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro，因此计划有序下线 V4 Pro：北京时间 2026 年 9 月 14 日 12:00 之后，至未来 V4.1 Pro 上线之前，用户访问 deepseek-v4-pro 的请求将全部路由到 V4.1 Flash，并按 V4.1 Flash 单价计费。

国家超算互联网同步开放

在算力侧，用户可登录国家超算互联网官网（www.scnet.cn）PC 端，从首页进入「模型服务」页面，即可快速打开 V4.1 Flash 的 API 调用界面，无需繁琐的环境配置。依托平台的国产算力资源池与 Notebook 开发环境，企业、科研机构及开发者也可以在 AI 社区下载模型权重文件，开展二次开发、本地部署与技术研究。

据介绍，国家超算互联网作为全国一体化算力网的核心载体，已接入 30 余家骨干算力中心，汇聚近 70 种规格算力资源；其 AI 社区现已汇集 1800 余款国内外热门开源大模型，并陆续接入 DeepSeek、GLM、Qwen、Kimi 等主流国产大模型 API，覆盖文本、图像、视频生成、语音合成、多模态等能力。

一个用更低单价接替自家旗舰、同时把上下文存储开销继续往下压的模型，对高频调用 Agent 的开发者来说，吸引力可能比榜单名次本身更实际。

算力底座：国产 10 万卡集群落地

京东云已与摩尔线程等合作伙伴建成国产万卡智算集群，并规划进一步建设国产 10 万卡集群，目标是为大模型训练、机器人仿真推演、产业 AI 规模化运行提供稳定算力支撑。算力集群实现多类国产算力的异构统一调度，通过软硬件协同提升算力利用效率，对内承接京东自身的大模型训练与机器人仿真，对外向机器人企业、制造厂商和科研机构开放算力服务。京东 2026 上半年体系研发投入同比增长 53.2%，已连续三个季度加速投入。

数据底座：1000 万小时具身视频

物理 AI 需要的不是互联网文本，而是人类在真实场景中”如何干活”的视频。京东规划两年内累计采集超过 1000 万小时真实操作视频，发动最多 60 万人参与。配套建设了覆盖”采、存、标、训、评、仿、测”全流程的具身数据基础设施；首批开源数据集 EgoLive 已对外开放，包含约 2000 小时第一视角数据、65866 个任务片段，覆盖 346 项真实世界任务，已获得超过 8 个国家、百所高校和科研机构申请使用。

模型底座：JoyAI 矩阵首度亮相

京东已形成覆盖多模态模型、世界模型和具身模型的 JoyAI 基础模型矩阵。本届大会发布了两款新模型：JoyAI-Video 定位统一音视频基础模型，从视听生成迈向物理模拟；JoyAI-Echo WM 作为实时可交互的世界模型，在公开测评基准 WBench Navigation 中以 81.6 分位列第一。配套更新的还有京东物流”超脑”3.0（亿级包裹路径规划从分钟级压缩到秒级、具身模型多任务执行成功率 96.7%）、京东工业 JoyIndustrial 2.0、京东健康京医千询 3.0 等垂直模型。

五年规划：百万台机器人

围绕机器人产业规模化落地，京东公布了”六项全球领先”目标：两年内建成全球最大具身数据采集中心、五年内布局 80 余个机器人产业基地（RoboBase）、联合发起机器人零部件产业发展联盟、京东零售 2028 年前投入百亿资源支持 100 个品牌独立销售额突破 10 亿元。物流侧规划五年内采购 300 万台机器人、100 万台无人车及 10 万架无人机，目前京东物流已部署”九狼”系列机器人及升级版具身灵巧臂，”狼族”机器人家族覆盖物流存储、搬运、分拣、配送全链路，集群已在国内 20 多个省份、海外 10 多个国家规模化部署。

全国产算力全流程训练

星火 X2.5 的一个鲜明标签是全程依托国产算力完成训练与推理。科大讯飞表示，模型全面适配国内软硬件生态，并针对国产平台持续优化超长序列的训练与推理效率。在当前算力供应存在不确定性的背景下，全栈国产化意味着模型训练和交付能力不受外部供应链波动影响，这也是星火系列区别于多数国产大模型的核心特征。

模型支持 256K 超长上下文窗口，可处理长文档解析、长代码库理解等任务。在能力侧重上，X2.5 重点强化了代码生成的可靠性与规范性，并增强了多轮交互的稳定性，面向智能体（Agent）开发场景进行了专门优化。

限时五折：输入 1.6 元、输出 6 元

定价方面，星火 X2.5 当前提供限时五折优惠：每百万 Token 输入费用 1.6 元，缓存命中输入 0.24 元，输出 6 元；对应原价分别为 3.2 元、0.48 元和 12 元。与大模型 API 常见的”低价引流后回调”不同，这一价格直接对标主流开源模型 API，对企业用户批量调用具有一定吸引力。

两款端侧模型已开源

除基座模型外，科大讯飞此前已开源星火 X2.5-4B 和 1.7B 两款轻量级端侧模型。两款模型均支持最长 100 万 Token 的上下文长度，可本地部署于长文档处理、代码辅助、数据分析等场景，适合对数据隐私和离线可用性有要求的政企用户。

从端侧 100 万 Token 上下文到云端 2930 亿参数基座，星火 X2.5 形成了覆盖云端推理、本地部署和终端侧运行的完整产品矩阵。对于关注国产算力生态和混合部署方案的开发者与企业而言，这款模型提供了除开源通用模型之外的另一个选择。

全栈自研：从芯片到科学计算一条龙

太初元碁的 AI4S 平台于今年 7 月正式上线，覆盖硬件、基础组件、加速库、模型框架和开发套件全链路。平台以自研异构众核 AI 芯片为算力底座，兼容龙芯、申威、飞腾、x86 等国内外主流中央处理器，并深度适配 PyTorch、JAX、飞桨、MindSpore 等主流 AI 框架。

配套的 DevKit 开发套件大幅降低了算子开发和性能调优门槛。算法工程师杜非凡表示，平台的目标是让”中国芯”直接赋能科学计算，让科研团队不必再依赖国外专用硬件。目前平台已在气象预报、量子模拟、基因分析、材料仿真等方向与清华大学、湖南大学、山东大学、百度、东润等高校与机构落地合作。

TecoWeatherNext：把台风轨迹装进 AI 大模型

此次外滩大会首次公开的 TecoWeatherNext 台风追踪系统，把气象数据、AI 预报模型与台风识别技术整合在一起，可在一套界面内同时展示台风轨迹、风场、海平面气压、温度、降水等图层，并适配国产气象大模型输出。

系统支持数据获取、智能预测与台风识别的一体化流程，目标是让气象防灾减灾工作从单点台风路径预报，扩展到完整气象要素场的滚动预测。对沿海省份的应急、海洋与农业部门来说，这意味着可以在同一个国产计算平台上跑出更细粒度的台风风险评估。

生态与人才：联合近 20 家高校发起倡议

平台已上架量子力学、化学材料、生物医药、气象预测、能源科学、低空经济等多款场景应用模块，并联合近 20 家国内高校、科研机构与企业发起”AI4S 国产算力创新生态校企共建倡议”，推动人工智能与科学研究的纵深融合。

在外滩大会同步设置的科技人才招聘专场上，太初元碁现场开放 AI 工程、芯片研发、基础软件等十余个核心岗位，覆盖 AI 芯片推理架构研究员、高性能算子库研究员、解决方案架构师等热门方向。校招负责人刘锐涵介绍，太初元碁硕博学历人才占比超过 70%，两年来在北京、上海、无锡累计引进校招人才 50 余位，”新任干部内培率达 90%”，并通过”启航”培养计划孵化内部高阶业务骨干超 80 位。

对正在寻找算力底座的科研团队而言，国产 AI4S 计算平台的出现，意味着从天气预报到量子模拟的关键算力，第一次有了从芯片到框架再到场景模块的完整国产路径。