Wycena 1 miliarda, Nvidia inwestuje! Prime Intellect zdejmuje etykietę Web3?

Zbierając fundusze od Nvidii, Intela i Della, Prime Intellect cicho zatarł ślady po emisji tokenów, ogłaszając roczny przychód na poziomie 100 milionów dolarów - jaką drogę przeszedł?

Autor: KarenZ, Foresight News

Firma zajmująca się infrastrukturą AI, która powstała zaledwie dwa lata temu, ogłosiła wsparcie od inwestorów Nvidii, Intela i Della, jednocześnie twierdząc, że jej roczny przychód przekroczył 100 milionów dolarów - te dwa liczby sprawiają, że Prime Intellect staje się jednym z najbardziej interesujących projektów AI, które warto ponownie rozważyć.

8 lipca 2026 roku, zdecentralizowana sieć infrastruktury AI Prime Intellect ogłosiła zakończenie rundy A finansowania na poziomie 130 milionów dolarów przy wycenie 1 miliarda dolarów, prowadzonej przez fundusz venture capital Radical Ventures skoncentrowany na AI, z rzadkim udziałem inwestycyjnych instytucji Nvidii, Intela i Della, co łącznie przyniosło ponad 150 milionów dolarów finansowania.

Wraz z ujawnieniem ogromnego finansowania, Prime Intellect ogłosił, że w mniej niż rok roczny przychód (ARR) szybko wzrósł do ponad 100 milionów dolarów, a liczba klientów z sektora przedsiębiorstw i startupów korzystających z platformy przekroczyła 6000.

Jakie są tło?

W marcu 2025 roku wspomniałem w artykule „Członkowie OpenAI w akcji! Szybkie spojrzenie na zdecentralizowany projekt AI Prime Intellect”, że Prime Intellect został założony w styczniu 2024 roku przez dwóch współzałożycieli, Vincenta Weissersa i Johannesa Hagemanna.

• CEO Vincent Weisser wcześniej długo angażował się w obszarze przecięcia zdecentralizowanej nauki (DeSci) i AI, był współzałożycielem projektów takich jak Bio Protocol, VitaDAO, CryoDAO, a także pełnił funkcję lidera ekosystemu i AI w platformie DeSci Molecule.
• CTO Johannes Hagemann koncentruje się na rozproszonym AI oraz półautomatyzacji inżynierii, interfejsach mózg-maszyna i innych obszarach, wcześniej pracował jako inżynier badań AI w niemieckiej firmie AI Aleph Alpha.

Dodatkowo, w październiku 2025 roku, inwestor venture capital Ash Arora dołączył do Prime Intellect jako szef marketingu aplikacji (Applied GTM), odpowiedzialny za opracowanie strategii produktowej, komercjalizację, przychody oraz zastosowanie produktów AI w obszarze przetwarzania po treningu i uczenia przez wzmacnianie. Ash Arora ostatnio wskazał, że aktualnie liczba pracowników Prime Intellect wynosi 40 osób.

W zakresie finansowania, Prime Intellect zebrał łącznie ponad 150 milionów dolarów, w tym 5,5 miliona dolarów w rundzie seed w kwietniu 2024 roku, prowadzonej przez Distributed Global i CoinFund, a także inwestycje anielskie od takich osób jak Clem Delangue, CEO Hugging Face.

Niecały rok później, w marcu 2025 roku, Prime Intellect ponownie zakończył finansowanie na poziomie 15 milionów dolarów, prowadzone przez Founders Fund Petera Thiela, a wśród inwestorów znaleźli się także jeden z założycieli OpenAI, były dyrektor AI Tesli Andrej Karpathy oraz wielu innych znaczących postaci w dziedzinie AI, takich jak Tri Dao, główny naukowiec Together.AI oraz Emad Mostaque, współzałożyciel Stability AI.

Ostatnia runda ma jednak inny charakter. W rundzie A na poziomie 130 milionów dolarów, NVIDIA Ventures, Intel Capital i Dell Technologies Capital nie są tylko inwestorami finansowymi, ich macierzyste firmy znajdują się w kluczowych miejscach w infrastrukturze GPU, CPU, serwerów i centrów danych.

Wyjaśnienie Intel Capital dotyczące tej rundy inwestycyjnej również pokazuje, że powód, dla którego giganci sprzętowi decydują się na inwestycje, wynika z faktu, że Prime Intellect stara się zintegrować podstawowe obliczenia, środowisko treningowe, ocenę, przetwarzanie po treningu oraz wyższe wnioskowanie w jednym zjednoczonym płaszczyźnie kontrolnej.

Jakie są konkretne postępy?

Wczesnym osiągnięciem Prime Intellect było udowodnienie, że zdalne, heterogeniczne GPU mogą współpracować w treningu. Śledząc technologiczną ewolucję firmy w ciągu ostatnich dwóch lat, można zobaczyć, jak platforma krok po kroku przekształca badania w produkty komercyjne.

Pod koniec listopada 2024 roku, Prime Intellect ogłosił wydanie modelu INTELLECT-1 z 10 miliardami parametrów, którego węzły treningowe rozciągały się na pięć krajów i trzy kontynenty. Oficjalnie ogłoszono, że osiągnięto 83% ogólnej wydajności obliczeniowej w skali kontynentalnej, a gdy używano tylko węzłów rozmieszczonych w Stanach Zjednoczonych, wydajność obliczeniowa wyniosła 96%.

Niecałe pół roku później, Prime Intellect wydał INTELLECT-2, przesuwając cel na 32 miliardy parametrów w globalnym uczeniu przez wzmacnianie. W tym celu zespół opracował asynchroniczny framework uczenia przez wzmacnianie PRIME-RL, odpowiedzialny za rozprzestrzenianie wag modelu SHARDCAST oraz weryfikację, czy węzły wnioskowania „działają zgodnie z prawdą” TOPLOC.

Najważniejsza zmiana miała miejsce w INTELLECT-3. W listopadzie 2025 roku, Prime Intellect ogłosił wydanie modelu MoE z 106 miliardami parametrów, który przeszedł nadzór i uczenie przez wzmacnianie, bazując na GLM-4.5-Air. Model był trenowany przez około dwa miesiące na 64 węzłach z 512 kartami NVIDIA H200; wagi modelu, framework treningowy, dane, środowisko RL i metody oceny zostały udostępnione jako open source. Znaczenie tego nie polega tylko na wydaniu nowego modelu, ale na tym, że firma zweryfikowała cały system produkcyjny na podstawie własnych projektów badawczych: PRIME-RL odpowiada za asynchroniczny trening, Verifiers i Environments Hub dostarczają zintegrowane narzędzia i ekosystem społeczności do budowy i hostowania środowisk RL oraz ocen, a Prime Sandboxes izolują kod generowany przez agentów, podczas gdy warstwa orkiestracji obliczeń odpowiada za klastry, przechowywanie i monitorowanie.

W lutym tego roku, Prime Intellect uruchomił kompleksową platformę treningową AI Prime Intellect Lab, która ma na celu pomoc osobom, inżynierom i firmom AI w trenowaniu i optymalizacji własnych modeli (szczególnie modeli agentowych), bez potrzeby budowania kosztownych klastrów GPU. 7 maja Lab zakończył testy i został oficjalnie otwarty dla wszystkich.

W czerwcu Prime Intellect wydał wersję prime-rl 0.6.0, ogłaszając, że przesunął granice inżynierii do poziomu modeli MoE (mieszanych ekspertów) o trylionach parametrów. Prime Intellect ujawnił, że w zadaniach inżynieryjnych serii GLM-5 można wykorzystać 28 węzłów H200 do przetwarzania sekwencji o długości do 131 000 tokenów, a czas treningu na pojedynczym kroku wynosi mniej niż 5 minut.

Kluczowe jest to, że nie chodzi o jeden algorytm, ale o wspólną optymalizację systemów treningowych i wnioskowania: na końcu wnioskowania używa się obliczeń niskiej precyzji FP8 oraz komponentów takich jak DeepEP, DeepGEMM, aby zwiększyć przepustowość, a oddzielne wypełnianie i dekodowanie unika spowolnienia generacji przez długie wyjścia narzędzi, a warstwa KV Cache zwiększa równoległość; na końcu treningu również stosuje się blokowe skalowanie FP8 i zmniejsza różnice w routingu między treningiem a wnioskowaniem modeli MoE, a następnie dodaje FSDP, równoległość ekspertów i równoległość kontekstową. Te optymalizacje ostatecznie wpływają na wykorzystanie GPU, czas treningu i koszty dla klientów.

W lipcu tego roku, prime-rl dodał jednolitą warstwę algorytmiczną, wbudowując sześć metod treningowych: GRPO, MaxRL, On-Policy Distillation, samodystylizację, SFT Distillation i ECHO, oraz umożliwiając wybór różnych algorytmów dla różnych środowisk w trakcie jednego treningu. Mówiąc prościej, ten sam agent może używać jednej metody uczenia w zadaniach matematycznych, a innej w zadaniach operacyjnych, bez potrzeby przepisania podstawowego trenera. To sprawia, że Prime Intellect zbliża się do systemu operacyjnego RL, który można skalować, zamiast „uruchamiać trening dla klientów”.

Współpraca sprzętowa i programowa: Nvidia to nie tylko inwestor

Z perspektywy uczestników rundy A, powiązania gigantów sprzętowych z Prime Intellect nie ograniczają się tylko do poziomu kapitałowego, ale sięgają głęboko w budowę architektury sprzętowo-programowej.

Współpraca Prime Intellect z Nvidią obejmuje zarówno sprzęt, jak i oprogramowanie. W zakresie sprzętu, ich obciążenia treningowe i serwisowe już korzystają z systemów rackowych NVIDIA Blackwell, Blackwell Ultra i NVL72, a firma twierdzi, że te systemy są bardziej wydajne niż wcześniejsze klastry Hopper.

W zakresie oprogramowania, NVIDIA Dynamo jest wykorzystywane do globalnej orkiestracji wnioskowania, automatycznego skalowania, routingu żądań i odciążania KV Cache, a także w połączeniu z masową implementacją LoRA (niskiej rangi adaptacyjnej, techniki dostrajania dużych modeli językowych) Prime Intellect.

Własny blog technologiczny Nvidii również potwierdza, że Prime Intellect wdrożył framework wnioskowania NVIDIA Dynamo w produkcyjnych przepływach pracy i uczestniczył w wspólnym projektowaniu oraz integracji wsparcia dla LoRA Adapter.

Prime Intellect wcześniej w marcu tego roku ogłosił, że będzie testować obciążenie RL w piaskownicy wokół procesora NVIDIA Vera i planuje przenieść część piaskownicy po udostępnieniu Vera, oferując piaskownicę GPU na systemie Vera Rubin. Firma samodzielnie przetestowała, że każdy gniazdo CPU Vera może stabilnie uruchamiać 176 maszyn wirtualnych równolegle; w ustawionym przez nią obciążeniu roboczym RL, po włączeniu wielowątkowości, wydajność była średnio o około 30% wyższa niż w przypadku AMD Zen 5 na AWS, gdzie używane były tylko fizyczne rdzenie.

Te liczby pokazują potencjalne korzyści kosztowe, ale obecnie pochodzą z testów współpracy obu stron, a środowiska porównawcze nie są całkowicie identyczne, więc nie można ich traktować jako niezależnych ogólnych wniosków dotyczących wydajności. Vera Rubin i piaskownice GPU powinny być również określane jako „planowane do zastosowania”, a nie już szeroko stosowane komercyjnie.

Wraz z dojrzewaniem produktu, rzeczywista monetyzacja biznesowa ma miejsce. Zgodnie z ujawnieniem Prime Intellect, firma fintech Ramp korzysta z Prime Intellect Lab do szkolenia podagentów wyszukiwania FastAsk dla Ramp Labs: Ramp przekształca swój edytor arkuszy kalkulacyjnych AI Ramp Sheets w trenowalne środowisko RL, a następnie przeprowadza szkolenie wzmocnione na bazowym modelu Qwen3.5-35B-A3B.

Wyniki ujawnione przez Prime Intellect pokazują, że dokładność FastAsk wynosi 66,25%, co jest wyższe niż 61,88% Claude Opus 4.6, a średni czas odpowiedzi jest o około 27% niższy.

Ponieważ zestaw testowy i ocena są definiowane przez współpracujące strony, nie oznacza to, że ten model 35B przewyższa Opus pod względem ogólnych możliwości, ale udowadnia bardziej wąski i bardziej wartościowy komercyjnie temat: firmy mogą trenować mniejsze modele na specjalistów w określonych przepływach pracy.

Czy 100 milionów dolarów „ARR” jest prawdziwe?

Należy wyjaśnić, że oryginalny tekst użyty przez Prime Intellect brzmi „ponad 100 milionów dolarów rocznego przychodu”, a nie „osiągnięto 100 milionów dolarów przychodu w ciągu ostatniego roku”.

Roczny przychód zazwyczaj polega na ekstrapolacji tempa przychodu z ostatniego miesiąca lub kwartału na rok; jeśli działalność szybko rośnie, może być znacznie wyższy niż rzeczywisty przychód z ostatnich dwunastu miesięcy. Dla GPU, które są rozliczane na podstawie użycia, oraz działalności związanej z treningiem i wnioskowaniem, ten wskaźnik nie oznacza również, że klienci podpisali umowy roczne na równą kwotę, które mogą być automatycznie odnawiane.

Z ogłoszenia Prime Intellect i dostępnych produktów płatnych wynika, że komercjalizacja firmy obejmuje głównie cztery kategorie produktów: pierwsza to rynek obliczeniowy, w tym instancje GPU rozliczane według czasu użytkowania, klastry wielowęzłowe i zarezerwowane klastry; druga to trening w laboratoriach, rozliczany według wejścia, wyjścia i tokenów treningowych modelu; trzecia to wnioskowanie i ocena hostowana, również związana z ilością wywołań modelu; czwarta to piaskownice, rozliczane według CPU, pamięci, dysku i czasu działania.

Motory wzrostu tej struktury przychodów nie są trudne do zrozumienia. Po pierwsze, klastry GPU same w sobie są zasobami o wysokiej wartości jednostkowej, które są stale konsumowane na podstawie godzin, więc skala przychodów może rosnąć szybciej niż czysta subskrypcja oprogramowania. Po drugie, Prime Intellect wydłuża ścieżkę wydatków klientów od „wynajmu GPU” do „budowy środowiska - uruchamiania wniosków - przeprowadzania ocen - treningu wzmocnionego - wdrażania”, co pozwala temu samemu klientowi generować wydatki na wielu etapach. Po trzecie, trening wzmocniony agentów wymaga dużej liczby równoległych rolloutów, długiego kontekstu wnioskowania i izolowanych piaskownic, co naturalnie wymaga więcej mocy obliczeniowej niż zwykłe zapytania API.

Ujawnione przez Prime Intellect ponad 6000 klientów oraz przypadek Ramp przynajmniej pokazują, że platforma nie jest już tylko demonstracją badawczą. Jednak przy weryfikacji liczby 100 milionów dolarów należy zachować kilka granic. Prime Intellect jest firmą prywatną, która obecnie nie publikuje audytowanych raportów finansowych, obliczając miesięczne lub kwartalne przychody, wskaźniki płatności klientów, podział przychodów oraz koncentrację klientów. Nie wyjaśniono również, czy przychody z rynku mocy obliczeniowej są potwierdzane na podstawie całkowitych wydatków klientów, czy też czystych przychodów platformy.

Ponadto rynek obliczeniowy Prime Intellect obecnie nie oferuje formalnych umów o poziomie usług (SLA), a oficjalnie podano, że powodem jest to, że podstawowa infrastruktura pochodzi od wielu dostawców. Oficjalnie zaleca się, aby użytkownicy wymagający wysokiej stabilności wybierali Secure Cloud; w przypadku awarii po stronie dostawcy mogą być oferowane zwroty lub kredyty na platformie.

W porównaniu do pojedynczej liczby finansowej, łatwiejszym do zweryfikowania postępem jest to, że Prime Intellect przekształcił pierwotnie luźne rozproszone szkolenie współpracy w pełnoprawną infrastrukturę „z własnymi modelami, ekosystemem open source, wsparciem sprzętowym od gigantów oraz rzeczywistymi rachunkami firmowymi”.

Zniknięcie śladów emisji tokenów

Nie można zignorować jednego szczegółu: w miarę jak Prime Intellect wchodzi do klubu wycenionego na 1 miliard dolarów i głośno ogłasza 100 milionów dolarów ARR, zauważyłem, że w oficjalnych dokumentach usunięto wcześniej wyraźnie Web3 sformułowania: „Umowy wdrażane w sieci testowej Base Sepolia”, „przyszła migracja do własnego łańcucha” oraz „przydzielanie nagród tokenowych na podstawie aktywnego czasu do puli mocy obliczeniowej za pośrednictwem umowy RewardsDistributor” ------ zostały całkowicie usunięte.

To usunięcie na poziomie dokumentów zostało zapowiedziane już w marcu 2025 roku w tweetach wydanych przez Prime Intellect.

Wówczas Prime Intellect ogłosił zakończenie finansowania w wysokości 15 milionów dolarów, prowadzonego przez Founders Fund z Doliny Krzemowej, a wśród kluczowych inwestorów pojawiły się nawet takie osobistości jak Andrej Karpathy (współzałożyciel OpenAI), Clem Delangue (CEO Hugging Face) oraz Balaji Srinivasan. To właśnie w tym momencie logika projektu uległa dekonstrukcji.

Początkowo silnie grassroots narracja „emisji tokenów, pozyskiwania mocy obliczeniowej od detalistów, a następnie airdropów” natychmiast przekształciła się w obszar, który najbardziej narusza tradycyjne zasady zgodności inwestycyjnej. Aby przyjąć amunicję z głównego rynku kapitałowego, Prime Intellect musiał na powierzchni przeprowadzić całkowite oczyszczenie od „Crypto-first” do „AI-first”.

Jednak ich rozproszone modelowanie treningowe nadal zachowało topologię sieci P2P, ale decentralizacja nie jest już narracją tokenową skierowaną do detalistów, lecz stała się niewidocznym kanałem skierowanym do przedsiębiorstw B, aby „niskokosztowo zarządzać globalną niewykorzystaną mocą obliczeniową”.

Obecny Prime Intellect bardziej przypomina czystą firmę AI SaaS, a przyszłość prawdopodobnie zmierza w kierunku IPO lub przejęcia przez tradycyjnego giganta sprzętowego za wysoką premię.