LongCat-2.0 sfida NVIDIA: il maxi modello AI cinese può rivoluzionare il settore?

La competizione globale sull’Intelligenza Artificiale continua a evolversi, anche per quanto riguarda l’ambito hardware.

La società cinese Meituan, nota soprattutto per i servizi di consegna a domicilio, ha presentato LongCat-2.0, un modello linguistico open source da 1,6 trilioni di parametri addestrato senza utilizzare acceleratori NVIDIA.

L’annuncio segna un passaggio importante nella corsa all’autonomia tecnologica cinese, resa ancora più rilevante dalle restrizioni statunitensi sull’esportazione dei chip AI più avanzati. Secondo quanto dichiarato dall’azienda, LongCat-2.0 rappresenta il primo modello di questa scala ad aver completato sia il pre-training sia l’inferenza interamente su hardware prodotto in Cina, senza alcuna dipendenza da componenti americani.

Caratteristiche tecniche e addestramento

LongCat-2.0 è stato distribuito come progetto open source e introduce caratteristiche tipiche dei modelli di frontiera, tra cui una finestra di contesto da 1 milione di token, capacità avanzate nel coding e un’architettura orientata agli agenti AI.

Per dimensioni si colloca nella stessa fascia delle soluzioni più avanzate degli ultimi mesi, come DeepSeek V4-Pro, con risultati competitivi in diversi benchmark dedicati allo sviluppo software, pur restando indietro rispetto ai modelli proprietari nelle valutazioni cognitive generali.

L’aspetto che ha attirato maggiore attenzione riguarda l’infrastruttura di addestramento. Meituan afferma di aver impiegato oltre 50.000 acceleratori AI sviluppati in Cina, organizzati in cluster basati su ASIC dedicati, senza ricorrere in nessuna fase a GPU NVIDIA. Per coordinare la comunicazione tra decine di migliaia di processori l’azienda ha utilizzato la Huawei Collective Communication Library (HCCL), libreria che svolge un ruolo analogo a NCCL nell’ecosistema NVIDIA, permettendo la sincronizzazione efficiente dei dati distribuiti durante il training su larga scala.

Le difficoltà tecniche superate

Realizzare un modello di questa scala su hardware alternativo non significa sostituire semplicemente un componente con un altro.

Gli acceleratori domestici disponibili sul mercato cinese dispongono generalmente di una capacità di memoria inferiore rispetto ai chip NVIDIA più avanzati, il che ha costretto gli sviluppatori a progettare sistemi di ottimizzazione dedicati per la gestione della memoria, il bilanciamento dei carichi e la comunicazione tra i nodi del cluster.

Secondo Meituan, gran parte del lavoro di ingegnerizzazione ha riguardato proprio la stabilità del training distribuito, affinché decine di migliaia di acceleratori potessero operare come un’unica piattaforma di calcolo senza compromettere prestazioni e affidabilità del sistema complessivo.

Dal 2022 le restrizioni statunitensi hanno limitato l’accesso della Cina alle GPU più potenti di NVIDIA, spingendo numerose aziende cinesi ad accelerare gli investimenti in chip nazionali e software alternativo. LongCat-2.0 rappresenta uno dei primi esempi dichiarati di addestramento completo di un modello così ampio su infrastrutture interamente domestiche.

Verifiche indipendenti ancora attese

Come accade per ogni nuovo modello, molte delle prestazioni pubblicizzate dall’azienda devono ancora essere validate da benchmark gestiti da soggetti esterni.

Al momento LongCat-2.0 non compare in alcune delle principali classifiche indipendenti dedicate alla valutazione dei modelli di frontiera. Ciò non riduce comunque il valore tecnico dell’iniziativa: l’elemento più significativo riguarda la dimostrazione pratica che una piattaforma composta esclusivamente da acceleratori cinesi può sostenere l’addestramento di un modello da 1,6 trilioni di parametri, ampliando le infrastrutture potenzialmente in grado di supportare la prossima generazione di modelli linguistici.