估值 10 億，英偉達重注！Prime Intellect 正在洗掉 Web3 標籤？

拿英偉達、英特爾、戴爾融資，悄然抹去發幣痕跡，Prime Intellect 自報 1 億美元 ARR，走通了怎樣的路徑？

撰文：KarenZ，Foresight News

一家成立僅兩年多的 AI 基礎設施公司，一邊宣布獲得英偉達、英特爾和戴爾旗下投資機構支持，一邊稱年化收入已超過 1 億美元------這兩個數字放在一起，足以讓 Prime Intellect 成為近期最值得重新審視的 AI 項目之一。

2026 年 7 月 8 日，去中心化 AI 基礎設施網絡 Prime Intellect 宣布以 10 億美元估值完成 1.3 億美元的 A 輪融資，由專注於 AI 的風投機構 Radical Ventures 牽頭，英偉達、英特爾以及戴爾各自旗下的投資機構罕見合體參投，累計融資超過 1.5 億美元。

在披露巨額融資的同時，Prime Intellect 官方宣布其在不到一年的時間內，年化收入（ARR）已快速躍升至 1 億美元以上，平台服務的企業及初創公司客戶已超過 6000 家。

背景如何？

筆者曾於 2025 年 3 月在《OpenAI 創始成員出手！速讀去中心化 AI 黑馬項目 Prime Intellect》中提及，Prime Intellect 於 2024 年 1 月由 Vincent Weisser 和 Johannes Hagemann 兩位聯合創始人共同成立。

• CEO Vincent Weisser 此前長期參與去中心化科學（DeSci）與 AI 的交叉領域，曾是 Bio Protocol、VitaDAO、CryoDAO 等項目的聯合發起人，並曾擔任 DeSci 平台 Molecule 的生態與 AI 負責人。
• CTO Johannes Hagemann 則專注於分佈式 AI 與半自動化工程、腦機接口等領域，此前曾在德國 AI 公司 Aleph Alpha 擔任 AI 研究工程師。

另外，2025 年 10 月份，風險投資人 Ash Arora 加入 Prime Intellect 擔任應用市場推廣（Applied GTM）負責人，負責制定產品戰略、商業化、營收以及在訓練後處理和強化學習領域的應用人工智能產品。Ash Arora 最新指出，當前 Prime Intellect 的全職員工規模已達到 40 人。

融資方面，Prime Intellect 累計融資額超過 1.5 億美元，其中，2024 年 4 月的 550 萬美元種子輪融資由 Distributed Global 和 CoinFund 聯合牽頭，機器學習構建工具 Hugging Face 的 CEO Clem Delangue 等人為天使投資人。

不到一年後，即 2025 年 3 月，Prime Intellect 再次完成 1500 萬美元融資，由 Peter Thiel 的 Founders Fund 牽頭，投資人還包括 OpenAI 創始成員之一、特斯拉前 AI 總監 Andrej Karpathy 以及 Together.AI 首席科學家 Tri Dao、Stability AI 聯合創始人 Emad Mostaque 等 AI 領域多位重量級人物。

而最新一輪的性質有所不同。1.3 億美元 A 輪融資中，NVIDIA Ventures、Intel Capital、Dell Technologies Capital 不只是財務投資方，其背後的母公司分別處在 GPU、CPU、伺服器和數據中心基礎設施的關鍵位置。

Intel Capital 對本輪投資的說明也顯示：硬體巨頭之所以紛紛買單，是因為 Prime Intellect 正在試圖把底層的計算、訓練環境、評估、強化學習後訓練（Post-training）與上層的推理，全部收攏在同一個統一的控制平面上。

有啥實質進展？

Prime Intellect 早期比較醒目的成果，是證明遠距離、異構 GPU 也能協同訓練。順著其過去兩年的技術迭代，可以看出平台是如何一步步將科研實驗轉化為商業化產品線的。

2024 年 11 月底，Prime Intellect 發布的 100 億參數模型 INTELLECT-1，訓練節點橫跨五個國家和三大洲。官方稱，當時取得了跨洲 83% 的整體計算利用率的結果，而當僅使用分佈在美國各地的節點進行訓練時，計算利用率達到 96%。

不到半年後，Prime Intellect 發布 INTELLECT-2，把目標推進到 320 億參數的全球分佈式強化學習。為此，團隊開發了異步強化學習框架 PRIME-RL、負責傳播模型權重的 SHARDCAST，以及驗證推理節點是否「如實幹活」的 TOPLOC。

更關鍵的變化發生在 INTELLECT-3。2025 年 11 月，Prime Intellect 基於智譜 GLM-4.5-Air 發布經過監督微調和強化學習的 1060 億參數 MoE 模型。該模型在 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。這裡的意義不只是又發布了一個模型，而是公司用自己的研究項目驗證了一整套生產系統：PRIME-RL 負責異步訓練，Verifiers 和 Environments Hub 提供統一的工具和社區生態來構建和托管 RL 環境與評估，Prime Sandboxes 隔離執行智能體生成的代碼，計算編排層則負責集群、存儲和監控。

今年 2 月份，Prime Intellect 推出了個全棧 AI 訓練平台 Prime Intellect Lab，專門幫助個人、工程師、AI 公司自己訓練和優化自己的模型（尤其是 agentic / 智能體模型），不需要自己搭建昂貴的 GPU 集群。5 月 7 日，Lab 結束測試並正式全面開放。

6 月，Prime Intellect 發布 prime-rl 0.6.0 版本，官方稱把工程上限推到了萬億參數量級的 MoE（混合專家模型）模型。Prime Intellect 披露，其在 GLM-5 系列軟件工程任務上，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。

背後的關鍵並非某一種算法，而是對訓練和推理系統進行聯合優化：推理端使用 FP8 低精度計算以及 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 分層卸載提高並發；訓練端同樣採用塊縮放 FP8，並通過 Router Replay 減少 MoE 模型訓練端與推理端的路由差異，再疊加 FSDP、專家並行和上下文並行。這些優化最終都會影響 GPU 利用率、訓練時間和客戶使用成本

今年 7 月，prime-rl 又加入統一的算法層，內置 GRPO、MaxRL、On-Policy Distillation、自蒸餾、SFT Distillation 和 ECHO 六類訓練方法，並允許在同一次訓練中為不同環境選擇不同算法。通俗地說，同一個智能體可以在數學任務上使用一種學習方法，在終端操作任務上使用另一種，而無需改寫底層訓練器。這使 Prime Intellect 從「替客戶跑訓練」，更接近一套可擴展的 RL 操作系統。

軟硬體協同：英偉達不只是投資者

從 A 輪的參投陣容來看，硬體巨頭與 Prime Intellect 的綁定不僅停留在資本層面，而是深入到了軟硬體的架構共建中。

Prime Intellect 與英偉達的合作則覆蓋硬體和軟體兩層。硬體方面，其訓練與服務工作負載已經使用 NVIDIA Blackwell、Blackwell Ultra 和 NVL72 機架級系統，公司稱這些系統比此前的 Hopper 集群更高效。

軟體方面，NVIDIA Dynamo 被用於全球推理編排、自動擴縮容、請求路由和 KV Cache 卸載，並與 Prime Intellect 的大規模 LoRA（低秩自適應，一種大語言模型微調技術）部署結合。

英偉達自己的技術博客也確認，Prime Intellect 已在生產工作流中部署推理框架 NVIDIA Dynamo，並參與共同設計和集成 LoRA Adapter 支持。

Prime Intellect 此前在今年 3 月份表示，將圍繞 NVIDIA Vera CPU 測試 RL 沙箱負載，並計劃在 Vera 公开可用後遷移部分沙箱，在 Vera Rubin 系統上提供 GPU 沙箱。公司自測稱，每個 Vera CPU 插槽可穩定並行運行 176 個虛擬機；在其設定的 RL 沙箱工作負載中，開啟多線程後，吞吐量較 AWS 上僅啟用物理核心的 AMD Zen 5 基線平均高約 30%。

這些數字展示了潛在成本優勢，但目前來自雙方合作測試，且對比環境並不完全相同，不能當作獨立的通用性能結論。Vera Rubin 與 GPU 沙箱也應表述為「計劃採用」，而非已經大規模商用。

伴隨產品的成熟，真實的商業變現正在發生。根據 Prime Intellect 披露，金融科技公司 Ramp 使用 Prime Intellect Lab 為 Ramp Labs 訓練檢索子智能體 FastAsk：Ramp 將旗下 AI 電子表格編輯器 Ramp Sheets 做成可訓練的 RL 環境，再以 Qwen3.5-35B-A3B 為基礎模型進行強化學習訓練。

Prime Intellect 公布的結果顯示，FastAsk 的準確率為 66.25%，高於 Claude Opus 4.6 的 61.88%，平均耗時則低約 27%。

由於測試集和評估由合作雙方定義，這不意味著該 35B 模型在通用能力上超過 Opus，但它證明了一個更窄也更有商業價值的命題：企業可以把較小模型訓練成特定工作流專家。

1 億美元「ARR」是真的嗎？

必須釐清的是，Prime Intellect 官方使用的原文是「超過 1 億美元年化收入」，而不是「過去一年已經取得 1 億美元收入」。

年化收入通常是把近期某個月或某個季度的收入速度外推至一年；如果業務正在快速增長，它可能明顯高於過去十二個月實際收入。對按用量收費的 GPU、訓練和推理業務而言，這個指標也不代表客戶已簽下同等金額、可自動續費的年度合同。

從 Prime Intellect 公告和已上線的收費產品看，公司商業化主要覆蓋四類產品，第一是計算市場，包括按使用時長計費的 GPU 實例、多節點集群和預留集群；第二是 Lab 托管訓練，按照模型的輸入、輸出與訓練 token 收費；第三是推理與托管評估，同樣與模型調用量相關；第四是 Sandboxes，按照 CPU、內存、磁碟和運行時長計費。

這套收入結構的增長動力並不難理解。首先，GPU 集群本身就是高客單價、按小時持續消耗的資源，收入規模可以比純軟體訂閱爬升得更快。其次，Prime Intellect 正把客戶消費路徑從「租 GPU」延伸到「建環境---跑推理---做評估---強化學習訓練---上線部署」，同一客戶可以在多個環節產生用量。再次，智能體強化學習需要大量並行 rollout、長上下文推理和隔離沙箱，天然比普通 API 問答更消耗算力。

Prime Intellect 披露的超過 6000 家客戶以及 Ramp 案例，至少說明平台已不再只是研究演示。不過，審核 1 億美元這一數字時仍需保留幾項邊界。Prime Intellect 是一家私營公司，目前沒有公開審計財報、計算年化收入所依據的月度或季度收入、客戶付費率、收入拆分以及客戶集中度。算力市場收入究竟按照客戶總支出還是平台淨收入確認，官方也沒有說明。

此外，Prime Intellect 計算市場目前不提供正式服務等級協議（SLA），官方稱原因是底層基礎設施來自多家供應商。官方建議對穩定性要求較高的用戶選擇 Secure Cloud；如果出現供應商側故障，則可能提供退款或平台額度。

相比單一財務數字，更容易驗證的進展是，Prime Intellect 把原本鬆散的分佈式協作訓練，真正做成了一套「有自研模型、有開源生態、有巨頭硬體背書，且有企業落地真帳單」的全棧基礎設施。

文檔抹去的發幣線索

一個無法忽視的細節是，隨著 Prime Intellect 如今跨入 10 億美元估值俱樂部、高調宣布 1 億美元 ARR 的同時，筆者發現：官方文檔中曾極具 Web3 色彩的表述：「合約部署在 Base Sepolia 測試網」、「未來遷移至自研鏈」以及「通過 RewardsDistributor 合約根據活躍時間向算力池分配代幣獎勵」------已被徹底抹去。

這種文檔層面的刪除，早在 2025 年 3 月初其官方發布的那條推文中就已寫下了伏筆。

當時，Prime Intellect 宣布完成了由矽谷頂流 Founders Fund 领投的 1500 萬美元融資，核心投資人名冊裡甚至出現了 Andrej Karpathy（OpenAI 聯合創始人）、Clem Delangue（Hugging Face CEO）以及 Balaji Srinivasan 等頂尖人士。正是從這一刻起，項目的底層邏輯發生了解構。

原先草根味道濃郁的「發幣、拉取散戶計算能力、空投激勵」敘事，立刻變成了最觸碰傳統風投合規紅線的雷區。為了承接主流資本市場的彈藥，Prime Intellect 必須在表面上完成從「Crypto-first」向「AI-first」的全面清洗。

不過其分佈式模型訓練仍然保留了 P2P 網絡的拓撲內核，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。

現在的 Prime Intellect 更像是一家純粹的 AI SaaS 公司，未來的終局大概率是走向 IPO 或被傳統硬體巨頭高溢價並購。