據 Woofun AI 消息，去中心化 AI 基礎設施項目 Prime Intellect 已完成估值 10 億美元的 A 輪融資，英偉達作爲核心投資方罕見現身，標誌着該項目正從 Web3 實驗向主流 AI 基礎設施加速轉型。

2026 年 7 月 8 日，Prime Intellect 正式宣佈完成 1.3 億美元的融資，由專注於人工智能領域的 Radical Ventures 領投，英偉達、英特爾及戴爾旗下的投資機構共同參投，累計融資總額已突破 1.5 億美元。

與此同時，公司披露其年化收入（ARR）已躍升至 1 億美元以上，服務的企業及初創公司客戶數量超過 6000 家。這一系列數據表明，Prime Intellect 在成立短短兩年多時間內，已成功構建起具備商業造血能力的 AI 基礎設施網絡，並獲得了傳統科技巨頭的深度認可。

Prime Intellect 的崛起與其創始團隊的深厚背景密不可分。公司成立於 2024 年 1 月，由 Vincent Weisser 和 Johannes Hagemann 聯合創立。CEO Vincent Weisser 長期深耕去中心化科學（DeSci）與 AI 交叉領域，曾聯合發起 Bio Protocol、VitaDAO、CryoDAO 等項目，並擔任 DeSci 平臺 Molecule 的生態與 AI 負責人。CTO Johannes Hagemann 則專注於分佈式 AI、半自動化工程及腦機接口技術，此前曾在德國 AI 公司 Aleph Alpha 擔任 AI 研究工程師。2025 年 10 月，風險投資人 Ash Arora 加入公司擔任應用市場推廣（Applied GTM）負責人，負責產品戰略、商業化及強化學習應用，此時全職員工規模已達 40 人。融資歷程方面，2024 年 4 月，公司完成 550 萬美元種子輪融資，由 Distributed Global 和 CoinFund 聯合領投，Hugging Face CEO Clem Delangue 等擔任天使投資人。2025 年 3 月，公司再次完成 1500 萬美元融資，由 Founders Fund 領投，投資人包括 OpenAI 創始成員 Andrej Karpathy、Together.AI 首席科學家 Tri Dao、Stability AI 聯合創始人 Emad Mostaque 等 AI 領域重量級人物。

技術演進路徑清晰地展示了 Prime Intellect 從科研實驗向商業化產品的跨越。2024 年 11 月底，公司發佈 100 億參數模型 INTELLECT-1，訓練節點橫跨五個國家和三大洲，實現了跨洲 83% 的整體計算利用率，僅使用美國節點時利用率高達 96%。不到半年後，INTELLECT-2 將目標推進至 320 億參數的全球分佈式強化學習，團隊爲此開發了異步強化學習框架 PRIME-RL、負責傳播模型權重的 SHARDCAST 以及驗證推理節點真實性的 TOPLOC。2025 年 11 月，基於智譜 GLM-4.5-Air 發佈的 INTELLECT-3 成爲關鍵轉折點，該 1060 億參數 MoE 模型在 64 個節點、512 張 NVIDIA H200 GPU 上訓練約兩個月，模型權重、訓練框架、數據、RL 環境和評估方法均被開源。今年 2 月，全棧 AI 訓練平臺 Prime Intellect Lab 推出，幫助個人及企業訓練優化模型，無需自建昂貴 GPU 集羣；5 月 7 日，Lab 結束測試全面開放。6 月發佈的 prime-rl 0.6.0 版本將工程上限推至萬億參數量級，在 GLM-5 系列軟件工程任務中，可用 28 個 H200 節點處理最長 13.1 萬 token 的序列，單步訓練時間低於 5 分鐘。

算法層升級與軟硬件深度協同構成了 Prime Intellect 的核心競爭力。今年 7 月，prime-rl 加入統一算法層，內置 GRPO、MaxRL、On-Policy Distillation 等六類訓練方法，允許在同一次訓練中爲不同環境選擇不同算法，使平臺從"替客戶跑訓練"進化爲可擴展的 RL 操作系統。推理端採用 FP8 低精度計算及 DeepEP、DeepGEMM 等組件提高吞吐，預填充與解碼分離避免長工具輸出拖慢生成，KV Cache 分層卸載提高併發；訓練端採用塊縮放 FP8，通過 Router Replay 減少 MoE 模型訓練與推理端的路由差異，疊加 FSDP、專家並行和上下文並行。硬件層面，Prime Intellect 與英偉達合作覆蓋軟硬件兩層，訓練與服務工作負載已使用 NVIDIA Blackwell、Blackwell Ultra 和 NVL72 機架級系統，軟件方面 NVIDIA Dynamo 用於全球推理編排、自動擴縮容、請求路由和 KV Cache 卸載，並與大規模 LoRA 部署結合。今年 3 月，公司表示將圍繞 NVIDIA Vera CPU 測試 RL 沙箱負載，計劃在 Vera 公開可用後遷移部分沙箱，自測顯示每個 Vera CPU 插槽可穩定並行運行 176 個虛擬機，吞吐量較 AWS 上僅啓用物理核心的 AMD Zen 5 基線平均高約 30%。

商業落地案例與 ARR 數據解讀揭示了 Prime Intellect 的真實變現能力。金融科技公司 Ramp 使用 Prime Intellect Lab 爲 Ramp Labs 訓練檢索子智能體 FastAsk，將旗下 AI 電子表格編輯器 Ramp Sheets 做成可訓練的 RL 環境，以 Qwen3.5-35B-A3B 爲基礎模型進行強化學習訓練。結果顯示，FastAsk 準確率爲 66.25%，高於 Claude Opus 4.6 的 61.88%，平均耗時低約 27%。雖然測試集和評估由合作雙方定義，但這證明了企業可將較小模型訓練成特定工作流專家。

Woofun AI 整理數據顯示，Prime Intellect 商業化覆蓋計算市場、Lab 託管訓練、推理與託管評估、Sandboxes 四類產品，收入結構增長動力源於 GPU 集羣高客單價、客戶消費路徑延伸及智能體強化學習對算力的天然高消耗。

儘管官方未公開審計財報，但超過 6000 家客戶及 Ramp 案例表明平臺已超越研究演示階段。不過，計算市場目前不提供正式 SLA，官方建議穩定性要求高的用戶選擇 Secure Cloud。

Web3 痕跡的抹除與敘事轉型是 Prime Intellect 走向主流的關鍵一步。官方文檔中曾極具 Web3 色彩的表述，如"合約部署在 Base Sepolia 測試網"、"未來遷移至自研鏈"及"通過 RewardsDistributor 合約根據活躍時間向算力池分配代幣獎勵"，已被徹底刪除。

這種文檔層面的刪除早在 2025 年 3 月初其官方發佈的那條推文中就已寫下伏筆，當時宣佈完成由 Founders Fund 領投的 1500 萬美元融資，核心投資人名冊裏出現了 Andrej Karpathy、Clem Delangue 及 Balaji Srinivasan 等頂尖人士。從這一刻起，項目底層邏輯發生解構，原先"發幣、拉取散戶計算能力、空投激勵"的敘事被"AI-first"全面取代，以承接主流資本市場彈藥。

儘管分佈式模型訓練仍保留 P2P 網絡拓撲內核，但去中心化不再是面向散戶炒作的代幣敘事，而是變成了面向 B 端企業"低成本調度全球閒置算力"的隱形管道。

商業模式閉環與未來終局已逐漸清晰。Prime Intellect 通過 P2P 網絡拓撲連接全球閒置算力，服務於 B 端企業客戶，定位爲 AI SaaS 公司。其商業模式從單純的算力租賃延伸至全棧 AI 訓練、推理、評估及強化學習，形成完整的商業閉環。隨着產品成熟和商業化落地，公司未來的終局大概率是走向 IPO 或被傳統硬件巨頭高溢價併購。

這一路徑不僅符合當前 AI 基礎設施市場的發展趨勢，也體現了 Prime Intellect 在技術、資本和商業層面的全面成熟。

從去中心化實驗到主流基礎設施，Prime Intellect 的轉型之路具有標誌性意義。這家估值 10 億美元、ARR 破 1 億美元的公司，通過技術迭代、資本加持和敘事重構，成功實現了從 Web3 邊緣項目到 AI 核心基礎設施的跨越。其經驗表明，在 AI 時代，去中心化技術並非必須依賴代幣經濟，而是可以通過服務 B 端企業、提供高效算力調度來實現商業價值。Prime Intellect 的案例爲其他 Web3 項目提供了重要參考，即如何在保持技術優勢的同時，適應主流資本市場的合規要求，實現可持續發展。