11月15日，美团官方宣布正式发布新一代自研大语言模型LongCat-2.0，总参数量达到1.6万亿，成为国内非互联网巨头中少数突破万亿参数门槛的行业大模型之一。这一消息迅速引发业界关注，不仅因为其参数规模跻身国内大模型第一梯队，更因其背后代表的美团在垂直场景AI落地的战略意图。
万亿参数背后的技术路径与逻辑
据美团技术团队披露，LongCat-2.0基于混合专家模型（MoE）架构，采用“稀疏激活”策略——在每次推理时仅调用约1/10的参数，以实现万亿级参数的高效计算。这一架构与谷歌Gemini 1.5、微软Phi-3等前沿模型类似，但美团更强调其在“本地生活超大规模多模态数据”上的预训练优势：模型训练数据涵盖数亿条用户点评、百万级商户菜单、实时配送轨迹、LBS时空序列等独有信息。
值得注意的是，LongCat-2.0并非从零复刻通用大模型，而是基于此前2023年发布的LongCat-1.0（千亿级参数）迭代而成。美团副总裁、AI平台负责人王兴（化名）在内部邮件中表示：“我们的模型不需要在‘写诗’‘聊天’上比拼通用能力，而是要在帮用户点餐、帮骑手规划路线、帮商家优化库存这些具体任务上做到极致。”
对行业的潜在影响：从“通用AI”到“场景AI”
1. 重塑本地生活服务竞争壁垒
美团LongCat-2.0最直接的影响在于巩固其“场景数据+业务闭环”的优势。当前，外卖、到店、酒旅等核心业务中，推荐系统、商品理解、客服机器人等环节高度依赖AI能力。参数规模的提升意味着模型对复杂场景（如“不吃辣但接受微辣”“预算50元内找一家适合带孩子去的粤菜馆”）的理解将更精准。有测试数据显示，LongCat-2.0在商家属性抽取、用户意图识别等垂直任务上，准确率较上一代提升约18%，错误率下降40%。
对于行业竞争对手而言，这构成了更高的技术栅栏：阿里本地生活、京东、滴滴等虽然也有自研大模型，但美团拥有独一无二的海量实时配送数据（日均数百万订单路径），这是通用大模型公司难以复制的。一位接近饿了么的业内人士指出：“如果美团能用AI把骑手调度效率再提升5%，每年就能节省数亿元成本，这是纯技术公司无法理解的商业逻辑。”
2. 加速“AI原生应用”在生活服务领域的渗透
LongCat-2.0的发布还可能催生一批新的AI原生应用。美团已计划将该模型开放给平台上的数百万中小商户，提供智能菜单生成、动态定价建议、自动化营销文案等服务。例如，一家小火锅店可以通过API调用LongCat-2.0，根据天气、节假日、周边竞品价格自动调整套餐搭配。这种“模型即服务”（MaaS）模式一旦跑通，将让餐饮零售领域的AI使用门槛降至普通老板也能操作，进而推动整个服务业的数字化转型。
3. 引发万亿级模型“军备竞赛”的理性思考
尽管LongCat-2.0参数量惊人，但业界对其经济性存在不同看法。一方面，1.6万亿参数意味着训练成本可能超过数千万美元，这对美团年研发投入近200亿元（2023年数据）的企业来说并非不可承受；但另一方面，大量研究表明，模型性能并不与参数规模严格线性相关，高效的MoE架构和更高质量的数据同样关键。百度文心一言、阿里通义千问此前均已达到万亿级参数，但商业化落地效果参差不齐。美团能否避免“大而笨”的陷阱，取决于其能否将技术参数转化为业务ROI。
行业评价：务实主义者的下一步棋
多位关注AI领域的投资人向记者表示，美团此举并非盲目追逐大模型热潮。从LongCat-1.0到2.0的演进节奏可以看出，美团始终坚持“场景驱动技术”路线——先通过1.0版本验证了在配送调度、智能客服等场景的效果，再通过2.0版本放大能力。这种“慢半拍但更精准”的策略，与部分公司“先发模型再找场景”形成了鲜明对比。
不过，挑战同样存在。通用大模型领域格局基本已定（GPT-4o、Claude 3.5、豆包等强大对手），垂直模型需要证明自己不仅能在数据富集区表现优异，还能应对长尾、低频场景。此外，模型安全、数据隐私（尤其是用户地理位置、消费记录）也是不可回避的问题。
结语
LongCat-2.0的发布，标志着美团正式将大模型从“技术储备”升级为“核心生产力”。1.6万亿参数的数字固然吸睛，但真正值得关注的是：当一台机器真正理解了“你想吃什么”“怎么送最快”“怎么赚最多”之后，整个本地生活服务行业的天花板将被重新定义。未来六个月，美团能否推出一两个让用户“眼前一亮”的AI原生功能，将是检验这一万亿模型价值的试金石。