AI 日报 · 2026年8月12日

「五万张国产算力卡完成全流程训练推理」——美团LongCat 2.0最值得关注的不是1.6T的参数规模，而是这个工程成就。此前，国产算力卡在训练效率、通信带宽和软件生态上均落后于英伟达A100/H100，导致大规模模型训练几乎只能用进口卡。LongCat 2.0的出现意味着：国产算力卡已经达到可以完成万亿级别端到端训练的成熟度，软硬件协同的工程积累已经足够。

结合企业AI Agent规模化部署的趋势——CatPaw的3万个Agent在7×24运行——推理侧的算力成本是持续的运营成本。能用国产卡完成推理，意味着美团可以规避对英伟达算力的依赖，也意味着CatPaw可以更激进地扩大Agent规模。这与黄仁勋开源公开信的逻辑形成闭环：国产开源模型+国产算力卡，正在构建一条平行于英伟达生态的完整技术路线。

对AI工程团队的含义：国产算力卡的训练能力已经证明，推理能力是下一个验证点。关注CatPaw在大规模Agent部署中的推理延迟和吞吐量数据——这将是评估国产算力卡企业级可用性的重要指标。

Midjourney收购Co-Star表面上是跨界（图像生成+占星），实质上是一个清醒的产品决策：Co-Star有430万月活用户，更重要的是它有一套成熟的「个性化画像+社区互动」机制。用户在Co-Star里分享星盘、互相匹配，这套社交图谱和偏好数据，正是Midjourney在V8.2里努力用AI去拟合的东西——个人对「构图、色调与氛围的隐秘偏好」。

换句话说，Midjourney在用收购换一条「数据飞轮」捷径：与其依赖生成反馈慢慢校准用户美学偏好，不如直接买一个已经有数百万用户自我画像的社区。AI系统的真正竞争壁垒不在于模型能力（可以替换），而在于能否持续积累用户行为数据和偏好信号。

值得注意的是，Midjourney同时在做「全身超声仪」等八个软硬件项目，以「人文主题」贯穿。这暗示一个更大的野心：不止是图像生成工具，而是一个以AI创意为核心的「生活方式平台」——类似Apple以设计审美统一产品线的逻辑。

DLD26大会上一个判断值得记录：「即使AI是泡沫，它也会实现，只是时间线错了。」这个逻辑用互联网泡沫类比——pets.com倒了，但Chewy活着；网上买家具是笑话，现在是常识——暗示当前AI投资热潮即使存在过度，最终结果仍是技术普及，只是时间更长。核心张力：模型能力在快速提升，但应用层的变现速度与市场预期之间有明显的时间差。

这次与互联网泡沫真正不同的地方，在于「算力需求的即时性」。互联网泡沫期间，带宽和服务器的消耗是渐进的；而AI训练和推理对GPU算力的消耗是立竿见影的——巨头们边争论边实际花钱，英伟达的收入数字每季度都在刷新。这意味着即使是「泡沫」，也是一个有真实现金流的泡沫，破裂方式会与互联网泡沫不同。

黄仁勋的开源公开信在这个背景下更显策略性：如果AI应用变现时间线更长，维持算力需求的增长就需要更广泛的生态——开源模型能让更多开发者消耗算力，哪怕这些应用短期内不盈利。

美团CatPaw的数字值得认真看：9万员工、3万个Agent、7×24运行——这已经不是「试点」或「内测」，而是全面的生产级部署。3万个Agent意味着平均每3名员工就有1个专属Agent在持续工作。这个规模下，「AI辅助人工作」的表述已经不够准确，更接近「人监督AI工作」。

企业微信大圆的定位与之呼应：一句指令自动生成周报、处理数十项能力——核心价值不是「帮你更快做」，而是「替你做，你只需最后审阅」。这是工作流程控制权从人向AI迁移的关键节点信号。No Priors播客讨论的Netic案例（HVAC维修的自主调度）则展示了这个逻辑扩展到实体服务行业的样子：AI不只是软件工具，而是服务链路的主控节点。

对组织管理者的实质含义：当AI能「接管流程」时，人的价值从「执行」转向「判断边界与例外处理」。这是一个组织能力结构的根本性变化，而不只是效率提升。企业AI部署的重心将从「哪些任务可以AI化」转向「哪些决策必须保留人工」。