Trong nhiều năm, giả định phổ biến trong giới chính sách công nghệ là một khẳng định thẳng thừng: không có chip NVIDIA, không có AI tiên phong. Các biện pháp kiểm soát xuất khẩu đối với các dòng GPU cao cấp như H100 và dòng Blackwell mới hơn được thiết kế chính xác xoay quanh nút thắt đó. Lý thuyết cho rằng, chỉ cần cắt đứt khả năng tiếp cận các loại silicon tốt nhất, bạn sẽ làm chậm khả năng huấn luyện các mô hình lớn nhất và mạnh mẽ nhất của một quốc gia. Meituan vừa mới chứng minh giả định đó là sai lầm.

Gã khổng lồ công nghệ Trung Quốc, vốn nổi tiếng nhất với việc thống lĩnh mảng giao đồ ăn và dịch vụ địa phương, vừa phát hành LongCat 2.0. Đây là một mô hình 1,6 nghìn tỷ tham số được xây dựng trên kiến trúc Mixture-of-Experts. Điều bất ngờ là gì? Đội ngũ đã huấn luyện nó hoàn toàn trên các chip nội địa của Trung Quốc. Không có NVIDIA H100. Không có GPU Blackwell. Và thay vì che giấu nó đằng sau một API, Meituan đã công khai trọng số (weights), mã nguồn huấn luyện và toàn bộ quy trình dữ liệu (data pipeline) trên GitHub để bất kỳ ai cũng có thể kiểm tra.

Những gì LongCat 2.0 thực sự mang lại

Hãy cùng xem xét những sự thật không phụ thuộc vào phần cứng trước tiên. Với 1,6 nghìn tỷ tham số, LongCat 2.0 nằm trong số những mô hình công khai trọng số lớn nhất từng được phát hành. Tham số không phải là thước đo duy nhất của chất lượng, nhưng ở quy mô này, chúng cho thấy tham vọng kỹ thuật nghiêm túc. Vì sử dụng thiết kế Mixture-of-Experts, chỉ một phần các tham số đó được kích hoạt cho bất kỳ tác vụ cụ thể nào. Điều này giúp chi phí suy luận không tăng vọt mất kiểm soát trong khi vẫn cho phép mô hình lưu trữ một lượng kiến thức và các mẫu lập luận khổng lồ.

Cửa sổ ngữ cảnh (context window) đạt tới một triệu token. Con số này tương đương với các sản phẩm cao cấp từ OpenAI và Anthropic, và nó thay đổi những gì mô hình có thể thực hiện trên thực tế. Với một cửa sổ lớn như vậy, bạn có thể đưa vào toàn bộ các hợp đồng pháp lý, hàng tháng nhật ký trò chuyện hoặc các kho lưu trữ mã nguồn khổng lồ chỉ trong một câu lệnh (prompt). Đối với các nhà phát triển đang xây dựng các ứng dụng yêu cầu bộ nhớ qua các tài liệu dài, đây không phải là một sự cải tiến nhỏ. Đó là một sự cần thiết về mặt chức năng.

Tiếp theo là tính mở. Meituan không phát hành một bản demo đã qua chỉnh sửa hay một API bị hạn chế. Trọng số mô hình luôn sẵn có, mã nguồn huấn luyện là công khai, và quy trình dữ liệu cũng vậy. Điều này rất quan trọng đối với các nhà nghiên cứu muốn tái lập kết quả, đối với các doanh nghiệp cần kiểm chứng hành vi, và đối với các kỹ sư cần tinh chỉnh mô hình trên dữ liệu độc quyền mà không cần gửi bất cứ thứ gì đến máy chủ của bên thứ ba.

Câu chuyện phần cứng mà mọi người đã bỏ lỡ

Tiêu điểm ở đây không chỉ là số lượng tham số. Đó là lớp silicon bên dưới. LongCat 2.0 được huấn luyện trên các bộ tăng tốc nội địa, cụ thể là các dòng chip như Huawei Ascend. Đây là một cách tiếp cận hoàn toàn khác biệt so với việc áp đặt một khung làm việc (framework) có sẵn lên một cụm NVIDIA rồi nhấn nút chạy.

Việc huấn luyện một mô hình nghìn tỷ tham số đòi hỏi phải giải quyết các vấn đề tính toán phân tán ở giới hạn cực độ. Băng thông bộ nhớ, giao tiếp giữa các chip và hiệu suất dấu phẩy động đều phải được quản lý với sự chính xác cực độ. Lợi thế của NVIDIA chưa bao giờ chỉ nằm ở các GPU thô. Đó là hệ sinh thái CUDA, các nhân (kernels) được tối ưu hóa và kiến thức tập thể về cách khai thác tối đa hiệu suất từ ngăn xếp (stack) đó. Việc xây dựng một mô hình tương đương trên phần cứng Ascend đồng nghĩa với việc các kỹ sư của Meituan đã phải thực hiện công việc cực nhọc là thích ứng các khung huấn luyện, viết lại các thao tác cấp thấp và gỡ lỗi các lượt huấn luyện phân tán trên một kiến trúc khác biệt về mặt nền tảng.

Việc họ thành công cho thấy một điều gì đó lớn lao hơn là chỉ một mô hình đơn lẻ. Nó cho thấy việc thiết kế đồng bộ phần cứng-phần mềm của Trung Quốc đang trưởng thành đến mức sự thiếu vắng các chip phương Tây không còn là một điểm dừng tuyệt đối. Đó là một sự hạn chế, và là một sự hạn chế đắt đỏ, nhưng không phải là một rào cản bất khả thi.

Hiệu suất thực tế

LongCat 2.0 đạt điểm cao trong khả năng lập luận tiếng Trung, toán học và truy xuất ngữ cảnh dài. Đây là những điểm chuẩn (benchmarks) cụ thể và có giá trị cao. Lập luận toán học kiểm tra khả năng xử lý logic và thao tác ký hiệu của mô hình. Truy xuất ngữ cảnh dài kiểm tra xem liệu mô hình có thể tìm thấy một mẩu thông tin nhỏ giữa một "đống cỏ khô" triệu token mà không bị mất dấu hay không. Vượt qua cả hai là sự khác biệt giữa một mô hình nghe có vẻ thông minh và một mô hình thực sự có thể làm việc.

Meituan đang định vị sản phẩm này như một giải pháp thay thế trực tiếp cho Llama, DeepSeek và Qwen. Đối với các tác vụ tiếng Trung, sự cạnh tranh này đặc biệt gay gắt. Các mô hình được huấn luyện chủ yếu trên dữ liệu internet tiếng Anh thường gặp khó khăn với các tham chiếu tiếng Hán cổ, ngôn ngữ quy định địa phương, thuật ngữ tài chính được sử dụng tại thị trường đại lục, và các lối viết tắt không chính thức đang thống trị mạng xã hội Trung Quốc. Một mô hình được xây dựng với kỹ năng ngôn ngữ tiếng Trung sâu sắc, được cung cấp dữ liệu bởi một công ty có hoạt động kinh doanh cốt lõi dựa trên hành vi người tiêu dùng Trung Quốc, sẽ có lợi thế về mặt cấu trúc trong những kịch bản đó.

Điều này quan trọng hơn cả các chatbot. Các công ty công nghệ pháp lý (Legaltech) đang phân tích luật hợp đồng của CHND Trung Hoa, các nhà nghiên cứu đang giải mã các văn bản lịch sử, các ngân hàng đang xử lý hồ sơ vay vốn bằng tiếng Quan Thoại, và các nền tảng dịch vụ khách hàng xử lý các phương ngữ vùng miền đều cần những mô hình hiểu được sắc thái thay vì chỉ dịch thông qua lăng kính lấy tiếng Anh làm trung tâm.

Vũ khí bí mật của Meituan: Quy mô và Dữ liệu

Meituan không phải là một phòng thí nghiệm nghiên cứu có thêm một ứng dụng giao hàng phụ trợ. Đó là một "gã khổng lồ" vận hành, điều phối hàng triệu tài xế, nhà hàng và thương nhân trên khắp Trung Quốc mỗi ngày. Quy mô đó tạo ra một dòng thác dữ liệu ngôn ngữ thực tế. Những khiếu nại của khách hàng được chuyển đến chatbot. Những mô tả nhà hàng pha trộn giữa tiếng lóng địa phương với các chi tiết đăng ký kinh doanh chính thức. Các hướng dẫn điều hướng kết hợp giữa hệ thống địa chỉ với các mốc tham chiếu không chính thức. Các yêu cầu hỗ trợ của thương nhân liên quan đến thuế, quy định vệ sinh và các sắc lệnh địa phương.

Dữ liệu này lộn xộn, mang tính ngữ cảnh và mang đậm tính địa phương theo cách mà dữ liệu thu thập từ web (web crawl) thông thường không bao giờ có thể sao chép được. Việc đưa dữ liệu đó vào LongCat 2.0 mang lại cho mô hình một nền tảng thực tế mà các đợt huấn luyện thuần túy mang tính học thuật còn thiếu. Huấn luyện trên các văn bản Wikipedia trau chuốt là một chuyện. Huấn luyện trên ngôn ngữ giao dịch hỗn loạn của thương mại thực tế lại là một chuyện khác.

Tại sao cục diện đang thay đổi

Nếu các công ty có thể huấn luyện các mô hình đẳng cấp tiên phong (frontier-class) trên chip nội địa, toàn bộ logic chiến lược đằng sau các lệnh cấm xuất khẩu chip sẽ bắt đầu bị xói mòn. Các lệnh cấm được xây dựng trên tiền đề rằng việc kiểm soát chuỗi cung ứng của NVIDIA sẽ kiểm soát được năng lực AI. Tiền đề đó giả định rằng không có hệ sinh thái thay thế khả thi nào tồn tại.

LongCat 2.0 không phải là một lời tuyên bố rằng chip Trung Quốc đã bắt kịp NVIDIA trên mọi chỉ số. Đó là minh chứng cho thấy họ không cần phải bắt kịp một cách hoàn hảo để hoàn thành công việc. Bộ nhớ đủ lớn, băng thông đủ rộng và tối ưu hóa phần mềm đủ thông minh có thể thu hẹp khoảng cách vừa đủ để tạo ra các kết quả cạnh tranh. Đó là một tiêu chuẩn thấp hơn nhiều so với sự tương đương hoàn toàn, và đó là một tiêu chuẩn dường như đã được vượt qua.

Đối với các chuỗi cung ứng AI toàn cầu, hàm ý rất rõ ràng. Giả định rằng tất cả các đợt huấn luyện nghiêm túc đều phải thông qua phần cứng NVIDIA giờ đây đã không còn đúng nữa. Điều đó chuyển dịch quyền lực hướng tới chủ quyền quốc gia trong phát triển AI. Các quốc gia và công ty đang quan sát từ bên lề không còn coi một nhà cung cấp độc quyền tại điểm nghẽn là con đường duy nhất để đạt được năng lực tiên phong. Họ thấy một sự phân tách, và có thể là một bối cảnh phần cứng đa cực, đang trỗi dậy nhanh hơn dự đoán của hầu hết mọi người.

Bài học thực sự

LongCat 2.0 không chỉ là một bản phát hành kỹ thuật. Nó là một bài kiểm tra cho một giả thuyết chính trị, và giả thuyết đó vừa thất bại. Meituan đã chứng minh rằng một công ty công nghệ tiêu dùng với dữ liệu phù hợp, đội ngũ kỹ sư phù hợp và phần cứng phù hợp có thể huấn luyện một mô hình mở 1,6 nghìn tỷ tham số mà không cần chạm vào bất kỳ một GPU bị cấm nào của phương Tây.

Đối với các nhà phát triển, điều này có nghĩa là một lựa chọn trọng số mở (open-weight) mới với chiều sâu thực sự trong ngôn ngữ tiếng Trung và các tác vụ ngữ cảnh dài. Đối với các nhà hoạch định chính sách, điều này có nghĩa là các lệnh trừng phạt dựa trên việc ngăn chặn phần cứng phải tính đến khả năng thích ứng, chứ không chỉ là khả năng mua sắm. Đối với phần còn lại của ngành công nghiệp, điều này có nghĩa là bản đồ về việc ai có thể xây dựng cái gì, và bằng công cụ nào, đang được vẽ lại trong thời gian thực.

Các lệnh cấm xuất khẩu có thể đã mua thêm thời gian. Nhưng chúng cũng dường như đã tạo ra một sự thay thế.