国产卡万亿参数模型发布背后，美团的 AI 人才决心

但「和现有业务结合」并非美团做大模型的唯一出发点。

作者｜李苏

编辑｜郑玄

「在 AI 领域，我们的策略是进攻，而不是防守。」美团 CEO 王兴在 2026 年 3 月的美团财报会议中说。

紧接着，美团 LongCat 大模型团队接连发布了两个动作：

6 月 30 日，美团正式发布最新自研大模型LongCat-2.0——业界首个在五万卡国产算力集群上完成的全流程训练与推理的万亿参数模型。

7 月 6 日，万亿参数大模型 LongCat-2.0 正式开源，将模型能力与推理优化成果完整开放，盘活更多存量国产算力，释放国产算力生态的长期价值。

更早一些时候，美团面向全球发布了一项人才计划——LongCat 顶尖人才校招。

两个动作都在向外界释放一个信号：美团要坚定投入自研大模型，并为此积极招揽人才。面向顶尖 AI 人才，美团的薪酬计划将「以能定薪，不设绝对值」。

在这场 AI 战役中，美团如何「主动进攻」，逐渐浮现出更加清晰的图景。

01

AI 抢人大战，美团瞄准顶尖校园人才

AI 顶尖人才，毫无疑问是近年抢人大战最激烈的赛道：短短三年，大模型研究员的年薪水涨船高。

人才金字塔的顶端，永远是有限供给。美团不想错过这批人，和各家比拼的是出手的速度和投入的决心。

实际上，美团对 AI 人才早有布局。早在 2016 年，当时的人才计划名为「AI 算法提前批」，即北斗计划的前身。北斗计划正式启动于 2017 年，是面向全球精尖级校园科技人才的招聘项目，长期关注大模型应用、自动驾驶、无人机、具身智能、智能决策等方向。

今年 6 月，美团启动了一项新的人才计划：LongCat 顶尖人才校招。这项人才计划直接为美团 LongCat 大模型团队在全球范围内吸引人才，研究方向涵盖基础模型、AI Infra、Agentic 模型训练、多模态交互与Embodied AI、模型评测…… 和「攀登模型能力最前沿」有关的一切。

都是面向全球顶尖技术人才，为什么美团要将 LongCat 顶尖人才校招单独拆分出来？

要做到出手速度更快、展现更大的投入决心，美团首先必须摆脱原有招聘体系的重力，在招聘侧的动作包括：一个独立的人才计划、一个专门负责招揽顶尖 AI 人才的团队，以及频频出现在全球各大顶会，游说候选人加入的身影。

美团的人才理念极为重视人的培养与成长，而在 LongCat，成长最快的方式是通过实战。一个典型的例子是，一个通过美团 AI 顶尖人才计划入职的校招生，在加入 LongCat 大模型团队后参与预训练工作，随即展现出非常出色的专业能力，很快成为预训练方向的技术核心骨干。毕业两年多，这名校招生成长为预训练主要负责人之一，负责 LongCat-2.0 万亿模型的预训练工作。

一个绕不开的话题是薪酬。用 LongCat 人才计划招聘负责人的话来说，在招聘过程中，薪酬是「确定性的竞争力」。在薪酬层面，这项人才计划提供行业第一梯队、极具竞争力的薪酬，以能力、价值贡献定薪，并且「没有绝对值限制」。

02

一个被反复追问的问题：

美团为什么要自研大模型？

在游说人才加入的过程中，LongCat 大模型团队负责人、招聘负责人都被问到过很多次：美团为什么要做大模型？

在这个语境中，候选人往往会将 AI 与美团现有的商业生态结合在一起：餐饮外卖、即时零售、无人配送等等。这的确是美团需要持续回答的命题：在 AI 时代，如何让用户「吃得更好，生活更好」。

但「和现有业务结合」并非美团做大模型的唯一出发点。

探索大模型本身，已经是一个价值足够大、天花板足够高的赛道。对于全球互联网大厂、大模型公司而言都是如此——持续突破模型能力的上限。

模型更新速度以天为单位变化。有时甚至一天之内，多家公司争先恐后地发布自家大模型，抢夺用户心智。尽管模型智能的最前沿是一场长期竞争，但在阶段性比拼中，各家公司都希望能领先对手一个身位。

美团也不例外。早在 2023 年，美团便决心布局大模型。在此后长达 3 年多的时间，一直以「攀登模型能力的最前沿」为最高目标。

这种决心体现在：在一个快到几乎失去理性的赛道上，美团 LongCat 大模型团队做了一个看似「慢」的选择——规模化训练国产卡集群。

这一选择极其考验战略定力。此前，没有公司大规模地训练过国产算力集群，所有人都认为这件事「非常难」「到处都是问题」。如果只考虑短期竞争，这一选择毫无疑问会「拖慢进度」；但 LongCat 团队判断，这一动作会为美团在长期竞争中赢得优势、甚至有机会弯道超车。

此后的每一年，美团 LongCat 的大模型团队的关键动作均沿着「攀登模型能力最前沿」这一主线：2023 年，快速构建千亿模型的 Infra 能力，从 0 到 1 跑通模型训练流程；2024 年，规模化地把国产卡用起来，跑出更先进、更高效的MoE模型架构；2025 年，进一步提升模型训练规模至数千亿水平；2026 年，继续提升模型训练规模参数至万亿水平，探索 SOTA 水平的 Agent 和 Coding 模型。

6 月 30 日，LongCat-2.0 发布并开源。LongCat-2.0 是业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型（总参数 1.6 T，平均激活约 48 B，动态范围 33 B~56 B），在不少 AI 自媒体的测评中，LongCat-2.0 模型能力约能追平 Claude Opus 4.6。

03

LongCat 团队工作原则：目标第一

AI 抢人大战，为什么选美团？候选人究竟最在意什么？

一系列影响因素被摆在桌面上：谁开价更高、谁付出更多的留人成本、谁提供最多的算力资源、有没有自由选择研究方向的空间、能不能出研究成果、研究成果能不能被看见……

薪酬、激励、资源，这些都可以用数字衡量，而真正进入一家公司的创新土壤——一个好想法从诞生到落地，创新的阻力是不是最小——这或许是大模型研究员实际工作体验千差万别的地方。

LongCat 团队工作的第一原则是：目标第一。

抵达目标的方式有很多种，但目标是北极星，牵引团队成员同向而行。LongCat 的长期目标是：构建从数字世界到物理世界的全球标杆 AGI。由此逐层向下拆解，如何分配资源、如何定模型训练方向、出现分歧时如何达成共识，都是先看目标。

当一个研究员有一个新想法，想要试一试时，LongCat 团队要确保两件事：给到算力资源，让想法不仅仅停留在想法层面，而是去实验；给到容错空间，即使发现错了，立即从失败中汲取经验，转向下一个实验。LongCat 业务负责人认为，「大模型是一个实验科学，如果要在这个过程中将关键认知拿得很清晰，那就一定要试错。」

LongCat-Next 模型是一个典型的例子。这个模型采用了突破惯性的技术选择——用纯离散的方案统一表达文本、语音和视觉。起初，团队对于这个技术选择有所顾虑，担心会造成视觉上对微小感知任务出现明显损失，比如看不清图片上的文字。但真正试过之后发现，这一技术路线能够做到在同样的训练条件下，和连续的表达方式一样好。

这次技术尝试同样符合 LongCat 团队的长期目标。要追求模型智能的最前沿，只有将文本、视觉、语音不同的数据完全同等训练、统一表达，才能实现真正意义上的平等训练—— 这是 LongCat 团队对未来模型理想架构的一种设想。

追求模型上限，还需要组织层面的支撑。LongCat 团队最早从美团内部核心技术骨干抽调组成，想要建立一个小而精、人才密度极高的大模型团队。它的组织形态从一开始就带有 AI 原生的特点：取消 KPI/OKR、弱化职级、不内部赛马、紧密协作、实习生也能直接与 LongCat 团队负责人交流。

尤其在工作方式上，团队内倡导紧密协作，给足 context，而不是 A 团队给 B 团队提需求。在 LongCat 团队内部，工程和算法团队紧密协同，能够在很多技术点上做深入的联合设计——国产卡适配、LongCat 模型架构创新，各项成果都在这样的协作模式下诞生。LongCat 大模型团队负责人曾在内部分享中提到：「如果一件事变成 A 给 B 提需求，这件事情的上限已经下来了。」

「在美团内部创业。」一位核心技术成员分享自己在 LongCat 团队的工作体验。谈及加入美团的理由，他提到一个具体的图景——美好生活小帮手。他认为在美团，最有几率做成这件事。人们对美好生活的追求是无止境的，而模型能力的上限，将会是其中一个最为关键的变量。

坚定的战略方向、灵活的组织形态、激进的人才策略……美团正在调动几乎一切优质资源，为顶尖 AI 人才提供通往大模型前沿的船票。「AI 已经到来，只是分布上还不均匀。」王兴在多个场合表达自己对 AI 的笃信。对于这样一个如潮水般涌来的未来，美团 LongCat 顶尖人才计划，只是一个开始。

*头图来源：视觉中国

本文为极客公园原创文章，转载请联系极客君微信 geekparkG