據 Woofun AI 消息，去中心化 AI 基礎設施網絡 Prime Intellect 在資本市場上引發劇烈震動，其估值已躍升至 10 億美元，核心驅動力來自英偉達、英特爾及戴爾等硬件巨頭的罕見聯合注資。

這一現象標誌着該項目正從早期的 Web3 敘事向主流 AI 基礎設施全面轉型，試圖通過深度綁定傳統科技巨頭來確立其在行業中的核心地位。

2026 年 7 月 8 日，Prime Intellect 正式宣佈完成 A 輪融資，融資金額高達 1.3 億美元，本輪由專注於人工智能領域的風險投資機構 Radical Ventures 領投。更爲引人注目的是，英偉達、英特爾以及戴爾旗下的投資機構罕見地合體參投，使得該公司累計融資總額突破 1.5 億美元。

這種由硬件產業鏈上下游巨頭共同背書的投資組合，在 AI 初創企業中極爲少見，顯示出市場對其底層技術架構與商業化潛力的極高認可度。

在披露鉅額融資消息的同時，Prime Intellect 公開了其令人矚目的商業數據：在成立不到一年的時間內，公司年化收入（ARR）已快速攀升至 1 億美元以上，平臺服務企業及初創公司客戶數量超過 6000 家。

Woofun AI 整理數據顯示，這一增長速度遠超行業平均水平，表明其全棧 AI 訓練與推理平臺已具備大規模商業化落地的能力，而非僅僅停留在概念驗證階段。

追溯公司背景，Prime Intellect 於 2024 年 1 月由 Vincent Weisser 和 Johannes Hagemann 兩位聯合創始人共同創立。CEO Vincent Weisser 長期深耕去中心化科學（DeSci）與人工智能交叉領域，曾是 Bio Protocol、VitaDAO、CryoDAO 等知名項目的聯合發起人，並擔任過 DeSci 平臺 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、腦機接口等前沿技術，此前曾在德國 AI 公司 Aleph Alpha 擔任 AI 研究工程師。創始團隊的深厚背景爲項目早期的技術積累奠定了堅實基礎。

隨着業務擴張，團隊規模也在迅速擴充。2025 年 10 月，資深風險投資人 Ash Arora 加入 Prime Intellect，擔任應用市場推廣（Applied GTM）負責人，全面負責產品戰略制定、商業化落地、營收增長以及在訓練後處理和強化學習領域的人工智能產品應用。Ash Arora 最新透露，當前 Prime Intellect 的全職員工規模已達到 40 人，這一精簡而高效的團隊結構支撐起了其龐大的技術生態與商業版圖。

回顧其融資歷程，Prime Intellect 展現了極強的資本吸引力。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，機器學習構建工具 Hugging Face 的 CEO Clem Delangue 等人爲天使投資人。不到一年後的 2025 年 3 月，Prime Intellect 再次完成 1500 萬美元融資，由 Peter Thiel 掌舵的 Founders Fund 領投，投資人陣容包括 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 領域重量級人物。這些早期投資人的加入，爲項目後續的技術迭代與商業化轉型提供了關鍵資源。

技術演進路徑清晰地展示了 Prime Intellect 從科研實驗到商業化產品的跨越。2024 年 11 月，公司發佈的首個模型 INTELLECT-1 擁有 100 億參數，其訓練節點橫跨五個國家和三大洲，官方數據顯示跨洲整體計算利用率達到 83%，而在僅使用美國境內節點時，這一數字更是高達 96%。隨後，INTELLECT-2 將目標推進至 320 億參數的全球分佈式強化學習，爲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 機制。2025 年 11 月，基於智譜 GLM-4.5-Air 發佈的 INTELLECT-3 更是實現了質的飛躍，該模型擁有 1060 億參數，在 64 個節點、512 張 NVIDIA H200 GPU 上訓練約兩個月，且模型權重、訓練框架、數據、RL 環境和評估方法均被開源，驗證了一整套生產系統的可行性。

產品落地與性能優化方面，Prime Intellect 今年 2 月推出了全棧 AI 訓練平臺 Prime Intellect Lab，專門幫助個人、工程師及 AI 公司自行訓練和優化模型，尤其是智能體模型，無需自建昂貴 GPU 集羣。5 月 7 日，Lab 結束測試並正式全面開放。6 月，Prime Intellect 發佈 prime-rl 0.6.0 版本，宣稱工程上限已推至萬億參數量級的 MoE 模型，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。今年 7 月，prime-rl 進一步加入統一的算法層，內置 GRPO、MaxRL、On-Policy Distillation、自蒸餾、SFT Distillation 和 ECHO 六類訓練方法，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'進化爲一套可擴展的 RL 操作系統。

在硬件協同與商業案例層面，英偉達與 Prime Intellect 的綁定已深入軟硬件架構共建。硬件方面，其訓練與服務工作負載已全面採用 NVIDIA Blackwell、Blackwell Ultra 和 NVL72 機架級系統，效率顯著優於 Hopper 集羣。軟件方面，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，並與大規模 LoRA 部署深度結合。英偉達技術博客確認，Prime Intellect 已在生產工作流中部署 NVIDIA Dynamo，並參與共同設計集成 LoRA Adapter 支持。

此外，公司還在測試圍繞 NVIDIA Vera CPU 的 RL 沙箱負載，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%。真實商業案例中，金融科技公司 Ramp 使用 Prime Intellect Lab 爲 Ramp Labs 訓練檢索子智能體 FastAsk，基於 Qwen3.5-35B-A3B 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%，證明了企業可將小模型訓練成特定工作流專家的商業價值。

儘管 Prime Intellect 已跨入 10 億美元估值俱樂部並高調宣佈 1 億美元 ARR，但其官方文檔中曾極具 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'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 Founders Fund 領投 1500 萬美元融資時便埋下伏筆，當時 Balaji Srinivasan 等頂尖人士加入投資人名單，標誌着項目底層邏輯從'發幣、拉取散戶計算能力、空投激勵'向'低成本調度全球閒置算力'的 B 端敘事解構。現在的 Prime Intellect 更像一家純粹的 AI SaaS 公司，其未來終局大概率是走向 IPO 或被傳統硬件巨頭高溢價併購，這不僅是資本市場的選擇，更是技術演進與商業邏輯重塑的必然結果。