中国・美団が1.6兆パラモデル「LongCat-2.0」を国産チップ5万枚だけで全学習——Nvidia抜きでフロンティアAIの前工程が成立

2026年7月14日 2026年7月14日

susumoooon

総合スコア

インパクト

新規性

未注目度

衝撃度

証拠強度

実現性

情報源：https://www.scmp.com/tech/tech-trends/article/3358854/china-debuts-biggest-ai-model-trained-local-chips-meituan-releases-longcat-20
収集日：2026年7月14日
スコア：インパクト18 / 新規性16 / 注目度10 / 衝撃度20 / 根拠9 / 実現性8 = 81点

変化の核心：『国産チップは推論止まり』という常識が崩れ、兆パラ級フロンティアモデルの“前工程まで”を非Nvidia国産ハードで完結できることが実証された。米国の輸出規制を迂回するAI自給の臨界点である。

概要

フードデリバリー大手の美団（Meituan）が、総パラメータ1.6兆・トークンあたり約480億を活性化するMoE（Mixture of Experts）モデル「LongCat-2.0」を公開した。最大の特筆点は、前工程（事前学習）と推論の双方を約5万枚の国産AI ASICスーパーポッドだけで完遂し、Nvidia製GPUを一切使用していないことだ。事前学習は35兆トークン超に及び、ネイティブで100万トークンの文脈長に対応する。コーディング能力を測るSWE-bench Proでは、報告上GPT-5.5を僅かに上回ったという。DeepSeek-V4-proが国産チップを推論のみに用いたのに対し、LongCatは学習まで国産ハードで回した初のケースとされる。

何が新しいか

これまで中国の国産AIアクセラレータは、主に推論（学習済みモデルを動かす工程）で使われ、桁違いの計算量と安定性が要求される事前学習はNvidia GPUに依存するのが定石だった。LongCat-2.0は、その事前学習という最も重い前工程を国産チップだけで走らせた点で一線を画す。単に「動いた」だけでなく、兆パラメータ級というフロンティア規模で成立させたことが革新的だ。ハードウェアの自給自足とモデル性能の両立を同時に示した事例は、これまで存在しなかった。

なぜまだ注目されていないか

ベンチマークのスコアそのものは既存のフロンティアモデルと同水準で、性能面だけを見ると「また新しい大規模モデルが出た」という印象に埋もれやすい。多くの報道はモデルの賢さ（性能）に注目し、それを支えたハードウェアの構成にまで踏み込まないため、真の意味が伝わりにくい。また、美団はAI企業ではなくフードデリバリー企業という先入観があり、フロンティアAIの担い手として警戒されにくい。地政学的な含意が大きいがゆえに、技術記事としては過小評価される構造がある。

実現性の根拠

事前学習が35兆トークン超・数百万アクセラレータ時という具体的な計算規模で報告されており、単なる発表以上の実体を伴う。約5万枚のASICでスーパーポッドを構成したという記述は、中国国内のAIチップ量産体制が実運用レベルに達していることを裏づける。オープンモデルとして公開されている点も、第三者検証を通じた実現性の担保になる。米国の対中輸出規制が継続する中で、国産スタックへの投資インセンティブは今後さらに強まるため、この方向性は持続可能性が高い。

構造分析

AI開発の競争軸は、これまで「モデルの賢さ」に集中していたが、本件は「誰のハードで学習できるか」という供給網の主権へと軸を移す。Nvidia依存からの脱却が兆パラ級で成立するなら、米国の輸出規制はAI能力の抑止手段として効きにくくなる。中国国内では国産チップメーカーの需要が構造的に増大し、独自エコシステムの内製化が加速する。結果として、世界のAIインフラは米系スタックと中国系スタックへと二極分化し、標準・部材・人材の分断が進む。

トレンド化シナリオ

今後1年で、他の中国企業も国産チップによる事前学習の実績を相次いで公表し、「学習まで国産」が新たな到達点として定着していく可能性が高い。1〜2年のうちに、国産ASICの性能・歩留まり・供給が改善し、フロンティア規模の学習が例外ではなく選択肢の一つになる。米国側は規制の実効性低下を受け、より上流の製造装置・EDA・素材への締め付けを強める展開が予想される。3年程度の視野では、AIサプライチェーンの二極化が固定化し、各国はどちらの陣営のスタックに接続するかを迫られる地政学的局面に入る。