La Cina ha appena presentato il suo più grande modello di intelligenza artificiale addestrato interamente senza chip NVIDIA. Meituan ha svelato LongCat-2.0, un modello open-source di intelligenza artificiale con 1,6 trilioni di parametri. Il gigante delle consegne di cibo con sede a Pechino ha gestito l’intero progetto su hardware domestico, dall’inizio alla fine.

Questa svolta ridefinisce adesso la prospettiva del settore globale dell’IA rispetto alla spinta cinese verso l’autosufficienza tecnologica.

Cosa porta LongCat-2.0 di Meituan nella corsa per l’IA

Un large language model è un sistema di intelligenza artificiale addestrato su enormi set di dati. Questi sistemi comprendono, generano e ragionano in linguaggio umano attraverso molteplici settori. LongCat-2.0 si posiziona tra i più grandi mai realizzati, con 1,6 trilioni di parametri e una finestra di contesto di 1 milione di token.

Il rilascio arriva mentre Inoltre, Meituan ha affermato che LongCat-2.0 è il primo modello dell’industria con trilioni di parametri a completare sia la fase di training che di inferenza su hardware domestico. Di conseguenza, il progetto segna un traguardo tecnico molto importante.

Seguici su X per ricevere le ultime notizie in tempo reale.

La differenza è fondamentale. DeepSeek V4-pro si è affidato a chip domestici solo per la fase di inferenza, ossia il compito meno impegnativo di rispondere alle domande degli utenti.

Al contrario, LongCat-2.0 ha utilizzato hardware sviluppato internamente sia per l’inferenza sia per la ben più impegnativa fase di pre-training.

Meituan ha spiegato in dettaglio che il cluster era basato su superpod ASIC su larga scala, ossia chip personalizzati per carichi di lavoro specifici. Inoltre, l’azienda ha utilizzato la Huawei Collective Communication Library (HCCL) per gestire la comunicazione tra chip su larga scala. Questa configurazione riflette il modo in cui la NCCL di NVIDIA coordina i propri cluster GPU.

“… Mi viene in mente quanto affermato da Jensen Huang nel podcast di Dwarkesh: i controlli all’esportazione sulle GPU Nvidia non fermeranno la Cina. Accelreranno soltanto lo sviluppo di IA che girano su chip cinesi,” ha spiegato l’analista Yuchen Jin su X.

Perché il lancio di LongCat-2.0 è rilevante a livello globale

LongCat-2.0 ha mostrato ottime prestazioni in diversi benchmark, superando la versione Gemini 3.1 Pro di Google su Terminal-Bench 2.1 e SWE-Bench Pro.

Tuttavia, il modello è ancora indietro rispetto ai sistemi leader mondiali, come GPT-5.5 di OpenAI e Opus 4.8 di Anthropic, nei compiti di ragionamento e agentic più complessi.

Gli osservatori del settore hanno reagito subito. L’analista tecnologico TP Huang ha spiegato che il lancio mette a tacere le preoccupazioni riguardo agli Atlas-950 SuperPoD di Huawei. Inoltre, la ricercatrice della Lehigh University Hanchi Sun lo ha definito il primo modello mai addestrato a prestazioni quasi di frontiera su 50.000 acceleratori domestici cinesi.

“… Se la Cina riesce a scalare l’addestramento ai massimi livelli su silicio locale in questo modo, la corsa agli armamenti nel calcolo sarà più aperta che mai”, ha osservato il venture partner Alvin Foo.

Andamento del prezzo delle azioni Meituan: Fonte: TradingView Cina ai

Andamento del prezzo delle azioni Meituan: Fonte: Trading View

Rimangono sfide significative nell’intera filiera dell’IA cinese. Meituan ha riconosciuto che il suo ecosistema software è ancora indietro rispetto alla community GPU di NVIDIA. Inoltre, i limiti di memoria sono stati il principale collo di bottiglia durante la fase di pre-training. Di conseguenza, gli acceleratori domestici dispongono di meno memoria per dispositivo rispetto ai chip H800 di NVIDIA, ora vietati.

Il segnale è comunque strutturale: il successo di Meituan dimostra che ora il training su scala di frontiera è tecnicamente possibile su hardware cinese.

Di conseguenza, il divario tra i modelli open-source cinesi e i principali sistemi closed occidentali potrebbe ridursi più rapidamente di quanto previsto dalle stime recenti.

Leggi la storia originale di Luis Blanco su