业界首个国产芯片上跑出的万亿参数模型LongCat-2.0于近日发布。

和LongCat-2.0同月发布的，还有一份独立升级的——美团LongCat顶尖人才校招计划。这两个动作背后，美团争夺顶尖AI人才的决心，逐渐浮出水面。

大模型竞速，争夺AI顶尖人才

又一家大厂正面加入日益激烈的顶尖AI人才争夺战。

6月，美团发布一项全新人才计划——LongCat顶尖人才校招。该计划从美团运行近10年的北斗计划中独立出来，意在以更快的速度、更大的投入力度招揽顶尖AI人才。

两项人才计划的区别是：

LongCat顶尖人才校招计划为LongCat大模型团队在全球范围内吸引顶尖人才，目标是搭建一支高人才密度的基座大模型团队，攀登模型能力的最前沿。岗位包括基础模型、AI Infra、Agentic模型训练、多模态交互与Embodied AI、模型评测等。

北斗计划延续此前定位，除基座大模型相关岗位单独拆分出来之外，顶尖技术人才依然在北斗计划的框架内：面向全球校园精尖人才，覆盖大模型应用、自动驾驶、无人机、具身智能、智能决策等。

美团招聘团队制定了一系列与市场匹配的人才策略：提供行业领先的薪酬激励、提供行业TOP人均算力、精简组织层级、团队间不赛马。

AI竞赛变化速度极快，要争夺顶尖人才，这支招聘团队必须对市场的变化做出更灵活、更敏捷的反应。

薪酬是反映市场行情波动的一个显性指标。对于招聘团队而言，这也是一项确定性的、可调节的砝码。LongCat顶尖人才校招对于薪酬的策略是：以能力、价值贡献定薪，不设绝对值限制。

如今，头部公司都在为同一批年轻人下重注。

顶尖人才，是AI竞赛中最关键的资源，这几乎是所有AI公司的共识。

LongCat业务负责人频频出现在各大顶会，与学生们兴奋地交流技术路线、下一代模型与未来的技术愿景。

聊天中，这些候选人同样在意这些问题，在LongCat：

算力是不是充足？

有没有研究自由？

研究成果能否快速落地？

争夺顶尖人才，不仅仅是薪酬单一因素的比拼，要留住人才，组织土壤同样重要。

LongCat组织

扁平、目标第一、内部创业

AI时代的组织范式究竟是什么？没有标准答案。

但可以肯定的是，各家必须要以全新的组织形态，为顶尖人才创造让创新易于发生的土壤。

LongCat团队试图创建一个这样的技术氛围：弱化职级、目标第一、紧密协作、不内部赛马。

像在公司内部创业。多位LongCat团队成员分享。

LongCat团队讨论和决策的第一原则是：先看目标。

团队的长期目标是构建从数字世界到物理世界的全球标杆AGI。在这一目标之下，怎么分配资源、怎么做决策、意见不合时怎么达成共识，都会回归到目标本身。

LongCat大模型家族

团队相信，设立一个正确的目标，这件事就已经成功了一半。

至于研究自由，LongCat提供行业TOP的人均算力，有想法，就去验证——即使这个想法是有争议的。

LongCat-Next提出最初的想法时，有不少内部质疑的声音认为这一技术路线会造成视觉上对微小感知任务的明显损失。

这是因为模型训练思路采用了一个不太常规的技术选择：用纯离散的方案，去统一表达文本、语音和视觉。

但团队还是决定放手一试。结果超出预期：在OCR这类视觉感知任务上，在同样的训练条件下，纯离散表达做到了和连续表达一样好。

但如果验证结果恰恰相反，LongCat团队会给到容错空间。

因为，大模型是一门实验科学。成功或失败，都会帮助团队将拿到更清晰的关键认知。

大模型也是一个系统工程。这意味着，不断提升模型能力的上限，需要一群优秀的人紧密协同。

在LongCat，大家都在一个团队里做事，而不是A团队给B团队提需求。这使得工程与算法团队紧密协同，能够在很多技术点上做深入的联合设计。

国产卡适配、模型架构创新——团队的诸多技术突破都在这样的协作模式下诞生。

这个团队的做事风格是：把事情做得很扎实、把关键认知拿得很清晰、把基建搭得很牢固。

在此基础上，还有一个关键点是：执行力要快。模型更新速度日新月异，LongCat团队始终面临着外部竞争带来的紧迫感。

在一个内部创业的土壤中，会长出什么？

成长的速度。

一位通过AI顶尖人才计划入职美团的校招生，加入LongCat团队后参与预训练工作，毕业两年多成为模型预训练主要负责人之一，负责最新万亿参数模型LongCat-2.0的预训练工作。

人才的决心，战略的决心

人才的决心，也是战略的决心。

美团早在2023年布局大模型，组建LongCat大模型团队，并在此后的三年，不断提升模型能力。

在AI领域，我们的策略是进攻，而不是防守。美团CEO王兴在2026年3月的美团财报会议中说。

这背后有一个关键认知——底层模型能力，是最关键的事。

因此，美团做大模型的起点并不局限于和已有商业生态结合，而在于攀登模型能力的最前沿。

决心自研大模型的这一年，LongCat大模型团队还有一个战略选择：提前布局国产算力集群。

如果只是短期试试水，LongCat团队完全可以在生态更成熟、即拿即用的算力上进行模型训练，这样更快。

但要在长期竞争中赢得优势，保障训练资源，这一看似慢的选择势在必行。

这也有利于吸引人才：充足的算力资源，意味着让好想法得到充分验证的可能性。

明确战略之后，LongCat团队的每一年都有明确的主线：

2023年，快速构建千亿模型的Infra能力，从0到1跑通模型训练流程；

2024年，LongCat团队已经规模化地将国产卡用起来，跑出更先进、更高效的MoE模型架构；

2025年，进一步上推模型训练规模至数千亿；

2026年，继续上推模型训练规模参数至万亿水平，探索SOTA水平的Agent和Coding模型……

今年6月底，LongCat-2.0发布并开源，成为业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型。

正式版发布前，LongCat-2.0预览版本已通过OpenRouter平台和longcat.ai面向全球开发者开放调用——该模型一度跻身OpenRouter全球大模型调用量前三。

首个在国产算力集群上跑出来的大模型让外界意识到，美团对于自研大模型的决心被低估了。

LongCat团队每发布一个新模型，都站在一个新的起点上，重新划定起跑线。

模型能力还在飞速发展期，谁来定义下一代模型，谁能走在模型能力的最前沿，谁能真正抓住这个影响整个世界的机会……

一切都是未知数。

但毫无疑问，顶尖人才，是这场竞赛中最关键的变量。

美团必须拿出诚意。这家大厂用一份顶尖人才计划，向全球有志于探索大模型前沿的人才发出邀请——共同构建从数字世界到物理世界的全球标杆AGI。

本文转自：凤凰网科技

原文地址： https://tech.ifeng.com/c/8uxlWUGxkue