据 Woofun AI 消息，去中心化 AI 基础设施网络 Prime Intellect 在资本市场上引发剧烈震动，其估值已跃升至 10 亿美元，核心驱动力来自英伟达、英特尔及戴尔等硬件巨头的罕见联合注资。

这一现象标志着该项目正从早期的 Web3 叙事向主流 AI 基础设施全面转型，试图通过深度绑定传统科技巨头来确立其在行业中的核心地位。

2026 年 7 月 8 日，Prime Intellect 正式宣布完成 A 轮融资，融资金额高达 1.3 亿美元，本轮由专注于人工智能领域的风险投资机构 Radical Ventures 领投。更为引人注目的是，英伟达、英特尔以及戴尔旗下的投资机构罕见地合体参投，使得该公司累计融资总额突破 1.5 亿美元。

这种由硬件产业链上下游巨头共同背书的投资组合，在 AI 初创企业中极为少见，显示出市场对其底层技术架构与商业化潜力的极高认可度。

在披露巨额融资消息的同时，Prime Intellect 公开了其令人瞩目的商业数据：在成立不到一年的时间内，公司年化收入（ARR）已快速攀升至 1 亿美元以上，平台服务企业及初创公司客户数量超过 6000 家。

Woofun AI 整理数据显示，这一增长速度远超行业平均水平，表明其全栈 AI 训练与推理平台已具备大规模商业化落地的能力，而非仅仅停留在概念验证阶段。

追溯公司背景，Prime Intellect 于 2024 年 1 月由 Vincent Weisser 和 Johannes Hagemann 两位联合创始人共同创立。CEO Vincent Weisser 长期深耕去中心化科学（DeSci）与人工智能交叉领域，曾是 Bio Protocol、VitaDAO、CryoDAO 等知名项目的联合发起人，并担任过 DeSci 平台 Molecule 的生态与 AI 负责人。CTO Johannes Hagemann 则专注于分布式 AI 与半自动化工程、脑机接口等前沿技术，此前曾在德国 AI 公司 Aleph Alpha 担任 AI 研究工程师。创始团队的深厚背景为项目早期的技术积累奠定了坚实基础。

随着业务扩张，团队规模也在迅速扩充。2025 年 10 月，资深风险投资人 Ash Arora 加入 Prime Intellect，担任应用市场推广（Applied GTM）负责人，全面负责产品战略制定、商业化落地、营收增长以及在训练后处理和强化学习领域的人工智能产品应用。Ash Arora 最新透露，当前 Prime Intellect 的全职员工规模已达到 40 人，这一精简而高效的团队结构支撑起了其庞大的技术生态与商业版图。

回顾其融资历程，Prime Intellect 展现了极强的资本吸引力。2024 年 4 月，公司完成 550 万美元种子轮融资，由 Distributed Global 和 CoinFund 联合领投，机器学习构建工具 Hugging Face 的 CEO Clem Delangue 等人为天使投资人。不到一年后的 2025 年 3 月，Prime Intellect 再次完成 1500 万美元融资，由 Peter Thiel 掌舵的 Founders Fund 领投，投资人阵容包括 OpenAI 创始成员之一、特斯拉前 AI 总监 Andrej Karpathy，以及 Together.AI 首席科学家 Tri Dao、Stability AI 联合创始人 Emad Mostaque 等 AI 领域重量级人物。这些早期投资人的加入，为项目后续的技术迭代与商业化转型提供了关键资源。

技术演进路径清晰地展示了 Prime Intellect 从科研实验到商业化产品的跨越。2024 年 11 月，公司发布的首个模型 INTELLECT-1 拥有 100 亿参数，其训练节点横跨五个国家和三大洲，官方数据显示跨洲整体计算利用率达到 83%，而在仅使用美国境内节点时，这一数字更是高达 96%。随后，INTELLECT-2 将目标推进至 320 亿参数的全球分布式强化学习，为此团队开发了异步强化学习框架 PRIME-RL、负责传播模型权重的 SHARDCAST，以及验证推理节点是否'如实干活'的 TOPLOC 机制。2025 年 11 月，基于智谱 GLM-4.5-Air 发布的 INTELLECT-3 更是实现了质的飞跃，该模型拥有 1060 亿参数，在 64 个节点、512 张 NVIDIA H200 GPU 上训练约两个月，且模型权重、训练框架、数据、RL 环境和评估方法均被开源，验证了一整套生产系统的可行性。

产品落地与性能优化方面，Prime Intellect 今年 2 月推出了全栈 AI 训练平台 Prime Intellect Lab，专门帮助个人、工程师及 AI 公司自行训练和优化模型，尤其是智能体模型，无需自建昂贵 GPU 集群。5 月 7 日，Lab 结束测试并正式全面开放。6 月，Prime Intellect 发布 prime-rl 0.6.0 版本，宣称工程上限已推至万亿参数量级的 MoE 模型，在 GLM-5 系列软件工程任务上，可用 28 个 H200 节点处理最长 13.1 万 token 的序列，单步训练时间低于 5 分钟。今年 7 月，prime-rl 进一步加入统一的算法层，内置 GRPO、MaxRL、On-Policy Distillation、自蒸馏、SFT Distillation 和 ECHO 六类训练方法，允许在同一次训练中为不同环境选择不同算法，使平台从'替客户跑训练'进化为一套可扩展的 RL 操作系统。

在硬件协同与商业案例层面，英伟达与 Prime Intellect 的绑定已深入软硬件架构共建。硬件方面，其训练与服务工作负载已全面采用 NVIDIA Blackwell、Blackwell Ultra 和 NVL72 机架级系统，效率显著优于 Hopper 集群。软件方面，NVIDIA Dynamo 被用于全球推理编排、自动扩缩容、请求路由和 KV Cache 卸载，并与大规模 LoRA 部署深度结合。英伟达技术博客确认，Prime Intellect 已在生产工作流中部署 NVIDIA Dynamo，并参与共同设计集成 LoRA Adapter 支持。

此外，公司还在测试围绕 NVIDIA Vera CPU 的 RL 沙箱负载，自测显示每个 Vera CPU 插槽可稳定并行运行 176 个虚拟机，吞吐量较 AWS 上仅启用物理核心的 AMD Zen 5 基线平均高约 30%。真实商业案例中，金融科技公司 Ramp 使用 Prime Intellect Lab 为 Ramp Labs 训练检索子智能体 FastAsk，基于 Qwen3.5-35B-A3B 模型进行强化学习训练，结果显示 FastAsk 准确率为 66.25%，高于 Claude Opus 4.6 的 61.88%，平均耗时低约 27%，证明了企业可将小模型训练成特定工作流专家的商业价值。

尽管 Prime Intellect 已跨入 10 亿美元估值俱乐部并高调宣布 1 亿美元 ARR，但其官方文档中曾极具 Web3 色彩的表述——如'合约部署在 Base Sepolia 测试网'、'未来迁移至自研链'以及'通过 RewardsDistributor 合约根据活跃时间向算力池分配代币奖励'——已被彻底抹去。

这种文档层面的删除早在 2025 年 3 月 Founders Fund 领投 1500 万美元融资时便埋下伏笔，当时 Balaji Srinivasan 等顶尖人士加入投资人名单，标志着项目底层逻辑从'发币、拉取散户计算能力、空投激励'向'低成本调度全球闲置算力'的 B 端叙事解构。现在的 Prime Intellect 更像一家纯粹的 AI SaaS 公司，其未来终局大概率是走向 IPO 或被传统硬件巨头高溢价并购，这不仅是资本市场的选择，更是技术演进与商业逻辑重塑的必然结果。