ارزش 10 میلیارد دلار، سرمایه‌گذاری سنگین انویدیا! آیا Prime Intellect در حال حذف برچسب Web3 است؟

با تأمین مالی از انویدیا، اینتل و دل، Prime Intellect به آرامی آثار صدور ارز را پاک می‌کند و درآمد سالانه خود را 100 میلیون دلار اعلام می‌کند - این شرکت چه مسیری را طی کرده است؟

نویسنده: KarenZ، اخبار پیش‌بینی

شرکت زیرساخت AI که تنها دو سال از تأسیس آن می‌گذرد، در حالی که اعلام می‌کند از مؤسسات سرمایه‌گذاری انویدیا، اینتل و دل حمایت دریافت کرده، همچنین می‌گوید که درآمد سالانه آن به بیش از 100 میلیون دلار رسیده است - این دو عدد به اندازه کافی برای تبدیل Prime Intellect به یکی از پروژه‌های AI قابل توجه در بازنگری‌های اخیر کافی است.

در تاریخ 8 ژوئیه 2026، شبکه زیرساخت AI غیرمتمرکز Prime Intellect اعلام کرد که با ارزشی معادل 10 میلیارد دلار، 130 میلیون دلار در دور تأمین مالی A جمع‌آوری کرده است، که توسط مؤسسه سرمایه‌گذاری Radical Ventures که بر روی AI تمرکز دارد، رهبری می‌شود و مؤسسات سرمایه‌گذاری انویدیا، اینتل و دل به طور نادر در این سرمایه‌گذاری مشترک شرکت کرده‌اند و مجموع تأمین مالی به بیش از 150 میلیون دلار رسیده است.

در کنار افشای این تأمین مالی کلان، Prime Intellect به طور رسمی اعلام کرد که در کمتر از یک سال، درآمد سالانه (ARR) آن به سرعت به بیش از 100 میلیون دلار افزایش یافته و تعداد مشتریان شرکت‌ها و استارتاپ‌ها که از خدمات این پلتفرم استفاده می‌کنند، به بیش از 6000 رسیده است.

زمینه چگونه است؟

نویسنده در مارس 2025 در مقاله‌ای تحت عنوان «اعضای بنیان‌گذار OpenAI وارد عمل شدند! نگاهی به پروژه غیرمتمرکز AI، Prime Intellect» اشاره کرده بود که Prime Intellect در ژانویه 2024 توسط دو بنیان‌گذار مشترک، Vincent Weisser و Johannes Hagemann تأسیس شده است.

• مدیر عامل Vincent Weisser پیش از این به طور طولانی در زمینه تقاطع علم غیرمتمرکز (DeSci) و AI فعالیت داشته و یکی از بنیان‌گذاران پروژه‌هایی مانند Bio Protocol، VitaDAO و CryoDAO بوده و همچنین مسئول اکوسیستم و AI در پلتفرم DeSci Molecule بوده است.
• مدیر فناوری Johannes Hagemann نیز بر روی AI توزیع‌شده و مهندسی نیمه‌خودکار، رابط‌های مغز-کامپیوتر و غیره تمرکز دارد و پیش از این در شرکت AI آلمان Aleph Alpha به عنوان مهندس تحقیق AI فعالیت می‌کرد.

علاوه بر این، در اکتبر 2025، سرمایه‌گذار خطرپذیر Ash Arora به Prime Intellect پیوست و به عنوان مسئول بازاریابی کاربردی (Applied GTM) منصوب شد و مسئولیت تدوین استراتژی محصول، تجاری‌سازی، درآمد و محصولات AI کاربردی در زمینه پردازش پس از آموزش و یادگیری تقویتی را بر عهده گرفت. Ash Arora اخیراً اشاره کرده است که تعداد کارکنان تمام‌وقت Prime Intellect به 40 نفر رسیده است.

در زمینه تأمین مالی، مجموع تأمین مالی Prime Intellect به بیش از 150 میلیون دلار رسیده است، که در آن، تأمین مالی دور بذر 5.5 میلیون دلاری در آوریل 2024 توسط Distributed Global و CoinFund رهبری شده و مدیر عامل Hugging Face، Clem Delangue، به عنوان سرمایه‌گذار فرشته در این پروژه حضور داشته است.

کمتر از یک سال بعد، یعنی در مارس 2025، Prime Intellect دوباره 15 میلیون دلار تأمین مالی کرد که توسط Founders Fund متعلق به Peter Thiel رهبری می‌شد و سرمایه‌گذاران دیگری از جمله یکی از بنیان‌گذاران OpenAI، مدیر سابق AI تسلا، Andrej Karpathy و همچنین Tri Dao، دانشمند ارشد Together.AI و Emad Mostaque، یکی از بنیان‌گذاران Stability AI، در این سرمایه‌گذاری حضور داشتند.

اما ماهیت آخرین دور تأمین مالی متفاوت است. در تأمین مالی 130 میلیون دلاری دور A، NVIDIA Ventures، Intel Capital و Dell Technologies Capital نه تنها سرمایه‌گذاران مالی هستند، بلکه شرکت‌های مادر آنها در موقعیت‌های کلیدی در زیرساخت‌های GPU، CPU، سرورها و مراکز داده قرار دارند.

توضیحات Intel Capital در مورد این سرمایه‌گذاری نیز نشان می‌دهد که دلیل اینکه غول‌های سخت‌افزاری به این سرمایه‌گذاری روی آورده‌اند، این است که Prime Intellect در حال تلاش است تا محاسبات پایه، محیط‌های آموزشی، ارزیابی، یادگیری تقویتی پس از آموزش و استدلال‌های بالایی را در یک سطح کنترل یکپارچه جمع‌آوری کند.

پیشرفت‌های واقعی چه هستند؟

یکی از دستاوردهای اولیه قابل توجه Prime Intellect، اثبات این است که GPUهای دوردست و ناهمگن نیز می‌توانند به طور همزمان آموزش ببینند. با توجه به تکرارهای فناوری این شرکت در دو سال گذشته، می‌توان دید که پلتفرم چگونه به تدریج آزمایش‌های علمی را به خطوط تولید تجاری تبدیل کرده است.

در پایان نوامبر 2024، Prime Intellect مدل 10 میلیارد پارامتری INTELLECT-1 را منتشر کرد که گره‌های آموزشی آن در پنج کشور و سه قاره پخش شده بود. این شرکت اعلام کرد که در آن زمان 83% از کل بهره‌وری محاسباتی بین‌قاره‌ای را به دست آورده است، در حالی که هنگامی که تنها از گره‌های موجود در ایالات متحده برای آموزش استفاده می‌شد، بهره‌وری محاسباتی به 96% رسید.

کمتر از شش ماه بعد، Prime Intellect مدل INTELLECT-2 را منتشر کرد که هدف آن پیشبرد به 32 میلیارد پارامتر یادگیری تقویتی توزیع‌شده جهانی بود. برای این منظور، تیم یک چارچوب یادگیری تقویتی ناهمزمان به نام PRIME-RL، ابزاری برای انتشار وزن‌های مدل به نام SHARDCAST و ابزاری برای تأیید اینکه گره‌های استدلال «به درستی کار می‌کنند» به نام TOPLOC توسعه داد.

تغییرات کلیدی‌تر در INTELLECT-3 رخ داد. در نوامبر 2025، Prime Intellect مدل MoE با 106 میلیارد پارامتر را بر اساس GLM-4.5-Air منتشر کرد که تحت نظارت و یادگیری تقویتی تنظیم شده بود. این مدل در 64 گره و 512 GPU NVIDIA H200 به مدت تقریباً دو ماه آموزش دیده است؛ وزن‌های مدل، چارچوب آموزشی، داده‌ها، محیط RL و روش‌های ارزیابی به صورت متن‌باز منتشر شده‌اند. اهمیت اینجا فقط در انتشار یک مدل دیگر نیست، بلکه شرکت با پروژه‌های تحقیقاتی خود یک سیستم تولید کامل را تأیید کرده است: PRIME-RL مسئول آموزش ناهمزمان است، Verifiers و Environments Hub ابزارها و اکوسیستم‌های یکپارچه‌ای را برای ساخت و میزبانی محیط‌های RL و ارزیابی فراهم می‌کنند و Prime Sandboxes کد تولید شده توسط عامل‌های هوشمند را ایزوله می‌کند و لایه ترتیب محاسبات مسئول خوشه، ذخیره‌سازی و نظارت است.

در فوریه امسال، Prime Intellect یک پلتفرم آموزش AI تمام‌پشته به نام Prime Intellect Lab را راه‌اندازی کرد که به طور خاص به افراد، مهندسان و شرکت‌های AI کمک می‌کند تا مدل‌های خود را آموزش و بهینه‌سازی کنند (به ویژه مدل‌های هوشمند)، بدون نیاز به ساخت خوشه‌های گران‌قیمت GPU. در 7 مه، Lab آزمایش را به پایان رساند و به طور رسمی به طور کامل باز شد.

در ژوئن، Prime Intellect نسخه prime-rl 0.6.0 را منتشر کرد و به طور رسمی اعلام کرد که محدودیت‌های مهندسی را به مدل‌های MoE (مدل‌های متخصص مختلط) با مقیاس تریلیون پارامتر افزایش داده است. Prime Intellect فاش کرد که در وظایف مهندسی نرم‌افزار GLM-5، می‌تواند از 28 گره H200 برای پردازش توالی‌های حداکثر 131000 توکن استفاده کند و زمان آموزش یک مرحله‌ای کمتر از 5 دقیقه است.

کلید این تغییر نه یک الگوریتم خاص، بلکه بهینه‌سازی مشترک سیستم‌های آموزشی و استدلال است: در سمت استدلال از محاسبات با دقت پایین FP8 و اجزای DeepEP، DeepGEMM برای افزایش توان عملیاتی استفاده می‌شود، پیش‌پر کردن و جداسازی رمزگشایی از کندی تولید جلوگیری می‌کند و بارگذاری KV Cache بهبود همزمانی را افزایش می‌دهد؛ در سمت آموزش نیز به طور مشابه از FP8 مقیاس بلوکی استفاده می‌شود و از طریق Router Replay تفاوت‌های مسیریابی بین سمت آموزشی و استدلال مدل MoE کاهش می‌یابد و سپس FSDP، موازی‌سازی متخصص و موازی‌سازی زمینه‌ای به آن افزوده می‌شود. این بهینه‌سازی‌ها در نهایت بر بهره‌وری GPU، زمان آموزش و هزینه‌های استفاده مشتری تأثیر می‌گذارد.

در ژوئیه امسال، prime-rl همچنین یک لایه الگوریتمی یکپارچه را اضافه کرد که شامل شش نوع روش آموزشی GRPO، MaxRL، On-Policy Distillation، خودتقطیر، SFT Distillation و ECHO است و به کاربران اجازه می‌دهد در یک آموزش واحد برای محیط‌های مختلف الگوریتم‌های مختلفی انتخاب کنند. به زبان ساده، یک عامل هوشمند می‌تواند در یک وظیفه ریاضی از یک روش یادگیری استفاده کند و در یک وظیفه عملیاتی از روش دیگری استفاده کند، بدون اینکه نیاز به بازنویسی آموزش‌دهنده زیرین باشد. این باعث می‌شود Prime Intellect از «اجرای آموزش برای مشتریان» به یک سیستم عملیاتی RL قابل گسترش نزدیک‌تر شود.

همکاری سخت‌افزاری و نرم‌افزاری: انویدیا تنها یک سرمایه‌گذار نیست

از نظر ترکیب سرمایه‌گذاران در دور A، پیوند غول‌های سخت‌افزاری با Prime Intellect تنها به سطح سرمایه محدود نمی‌شود، بلکه به ساختار نرم‌افزاری و سخت‌افزاری نیز نفوذ کرده است.

همکاری Prime Intellect با انویدیا شامل دو سطح سخت‌افزاری و نرم‌افزاری است. از نظر سخت‌افزاری، بارهای کاری آموزشی و خدمات آن اکنون از سیستم‌های مقیاس‌پذیر NVIDIA Blackwell، Blackwell Ultra و NVL72 استفاده می‌کند و این شرکت ادعا می‌کند که این سیستم‌ها از خوشه‌های Hopper قبلی کارآمدتر هستند.

از نظر نرم‌افزاری، NVIDIA Dynamo برای ترتیب‌دهی استدلال جهانی، مقیاس‌پذیری خودکار، مسیریابی درخواست‌ها و بارگذاری KV Cache استفاده می‌شود و با استقرار مقیاس‌پذیر LoRA (یک تکنیک تنظیم مدل‌های زبان بزرگ) Prime Intellect ترکیب می‌شود.

وبلاگ فناوری انویدیا نیز تأیید کرده است که Prime Intellect چارچوب استدلال NVIDIA Dynamo را در جریان کار تولیدی خود مستقر کرده و در طراحی و یکپارچه‌سازی پشتیبانی از LoRA Adapter مشارکت داشته است.

شرکت Prime Intellect پیشتر در ماه مارس امسال اعلام کرده بود که در حال آزمایش بارگذاری RL در اطراف پردازنده NVIDIA Vera است و برنامه دارد که پس از در دسترس قرار گرفتن عمومی Vera، بخشی از محیط‌های آزمایشی را منتقل کند و محیط‌های GPU را بر روی سیستم Vera Rubin ارائه دهد. این شرکت در آزمایش‌های خود اعلام کرده است که هر اسلات پردازنده Vera می‌تواند به طور پایدار 176 ماشین مجازی را به صورت موازی اجرا کند؛ در بارگذاری کار RL که تعیین کرده‌اند، با فعال کردن چند رشته، میزان کارایی به طور متوسط حدود 30 درصد بالاتر از AMD Zen 5 در AWS با استفاده از هسته‌های فیزیکی تنها است.

این اعداد نشان‌دهنده مزایای بالقوه هزینه هستند، اما در حال حاضر از آزمایش‌های همکاری دو طرف ناشی می‌شوند و محیط‌های مقایسه‌ای کاملاً یکسان نیستند، بنابراین نمی‌توانند به عنوان نتیجه‌گیری مستقل و عمومی در نظر گرفته شوند. Vera Rubin و محیط‌های GPU نیز باید به عنوان "برنامه‌ریزی برای استفاده" بیان شوند، نه اینکه به طور گسترده‌ای در حال استفاده تجاری باشند.

با بلوغ محصول، تجاری‌سازی واقعی در حال وقوع است. بر اساس اطلاعات منتشر شده توسط Prime Intellect، شرکت فناوری مالی Ramp از Prime Intellect Lab برای آموزش زیرهوش FastAsk در Ramp Labs استفاده می‌کند: Ramp ویرایشگر صفحه‌گسترده AI خود به نام Ramp Sheets را به یک محیط قابل آموزش RL تبدیل کرده و از مدل پایه Qwen3.5-35B-A3B برای آموزش تقویت یادگیری استفاده می‌کند.

نتایج منتشر شده توسط Prime Intellect نشان می‌دهد که دقت FastAsk 66.25 درصد است که بالاتر از 61.88 درصد Claude Opus 4.6 است و زمان متوسط آن نیز حدود 27 درصد کمتر است.

از آنجا که مجموعه آزمایشی و ارزیابی توسط دو طرف همکاری تعریف شده است، این به این معنا نیست که این مدل 35B در توانایی عمومی از Opus پیشی گرفته است، اما این نشان می‌دهد که یک فرضیه باریک‌تر و با ارزش تجاری بیشتر وجود دارد: شرکت‌ها می‌توانند مدل‌های کوچکتر را به متخصصان جریان کار خاص آموزش دهند.

باید روشن شود که متن رسمی Prime Intellect به وضوح بیان می‌کند "درآمد سالانه بیش از 100 میلیون دلار" است، نه "درآمد 100 میلیون دلاری در سال گذشته".

درآمد سالانه معمولاً به سرعت درآمد یک ماه یا یک فصل اخیر را به یک سال گسترش می‌دهد؛ اگر کسب‌وکار به سرعت در حال رشد باشد، ممکن است به طور قابل توجهی بالاتر از درآمد واقعی دوازده ماه گذشته باشد. برای GPU، آموزش و کسب‌وکار استنتاج که بر اساس مصرف هزینه می‌شود، این معیار نیز نمایانگر این نیست که مشتریان قرارداد سالانه با مبلغ مشابهی امضا کرده‌اند که به طور خودکار تمدید می‌شود.

از اعلامیه Prime Intellect و محصولات پرداختی که در حال حاضر در دسترس هستند، به نظر می‌رسد که تجاری‌سازی این شرکت عمدتاً شامل چهار نوع محصول است: اول بازار محاسباتی، شامل نمونه‌های GPU که بر اساس زمان استفاده هزینه می‌شود، خوشه‌های چندنود و خوشه‌های رزرو؛ دوم آموزش تحت میزبانی Lab، که بر اساس ورودی، خروجی و توکن‌های آموزشی مدل هزینه می‌شود؛ سوم استنتاج و ارزیابی تحت میزبانی، که همچنین با میزان فراخوانی مدل مرتبط است؛ و چهارم Sandboxes، که بر اساس CPU، حافظه، دیسک و زمان اجرا هزینه می‌شود.

این ساختار درآمدی به راحتی قابل درک است. اولاً، خوشه‌های GPU خود منابعی با قیمت بالای مشتری هستند که به صورت ساعتی مصرف می‌شوند و مقیاس درآمد می‌تواند سریع‌تر از اشتراک نرم‌افزار خالص افزایش یابد. ثانیاً، Prime Intellect در حال گسترش مسیر مصرف مشتریان از "اجاره GPU" به "ایجاد محیط --- اجرای استنتاج --- انجام ارزیابی --- آموزش تقویت یادگیری --- استقرار" است، که به یک مشتری اجازه می‌دهد در چندین مرحله مصرف داشته باشد. ثالثاً، آموزش تقویت هوش مصنوعی نیاز به rollout موازی زیاد، استنتاج با زمینه طولانی و محیط‌های ایزوله دارد که به طور طبیعی بیشتر از سوالات API معمولی مصرف محاسباتی دارد.

بیش از 6000 مشتری که Prime Intellect اعلام کرده و همچنین مورد Ramp، حداقل نشان می‌دهد که این پلتفرم دیگر فقط یک نمایش تحقیقاتی نیست. با این حال، هنگام بررسی عدد 100 میلیون دلار، باید چندین مرز را در نظر گرفت. Prime Intellect یک شرکت خصوصی است و در حال حاضر هیچ گزارش مالی حسابرسی شده‌ای را منتشر نکرده است، و همچنین درآمد ماهانه یا فصلی که برای محاسبه درآمد سالانه استفاده شده، نرخ پرداخت مشتریان، تقسیم درآمد و تمرکز مشتریان را مشخص نکرده است. اینکه درآمد بازار محاسباتی بر اساس کل هزینه مشتریان یا درآمد خالص پلتفرم تأیید می‌شود، نیز به وضوح مشخص نشده است.

علاوه بر این، بازار محاسباتی Prime Intellect در حال حاضر هیچ توافق‌نامه سطح خدمات (SLA) رسمی ارائه نمی‌دهد و دلیل آن این است که زیرساخت‌های پایه از چندین تأمین‌کننده تأمین می‌شود. این شرکت به کاربران با نیازهای بالا به ثبات توصیه می‌کند که از Secure Cloud استفاده کنند؛ اگر نقصی از طرف تأمین‌کننده رخ دهد، ممکن است بازپرداخت یا اعتبار پلتفرم ارائه شود.

در مقایسه با یک عدد مالی واحد، پیشرفت‌هایی که به راحتی قابل تأیید هستند این است که Prime Intellect همکاری‌های توزیع‌شده را که قبلاً پراکنده بودند، به واقع به یک زیرساخت کامل تبدیل کرده است که "مدل‌های خود را دارد، اکوسیستم متن‌باز دارد، تأیید سخت‌افزار غول‌ها را دارد و همچنین فاکتورهای واقعی برای شرکت‌ها دارد".

یک جزئیات غیرقابل چشم‌پوشی این است که با ورود Prime Intellect به باشگاه ارزش 1 میلیارد دلاری و اعلام پر سر و صدای درآمد سالانه 100 میلیون دلار، نویسنده متوجه شد: عبارات بسیار مرتبط با Web3 در اسناد رسمی حذف شده‌اند: "قراردادها در شبکه آزمایشی Base Sepolia مستقر شده‌اند"، "انتقال به زنجیره خودساخته در آینده" و "توزیع پاداش‌ها به استخر محاسباتی بر اساس زمان فعالیت" ------ به طور کامل پاک شده‌اند.

این حذف در سطح اسناد، پیش از این در توییت رسمی منتشر شده در اوایل مارس 2025 پیش‌بینی شده بود.

در آن زمان، Prime Intellect اعلام کرد که 15 میلیون دلار سرمایه‌گذاری را با رهبری Founders Fund، یکی از معتبرترین سرمایه‌گذاران سیلیکون‌ولی، به پایان رسانده است و در فهرست سرمایه‌گذاران اصلی حتی نام‌هایی مانند Andrej Karpathy (هم‌بنیان‌گذار OpenAI)، Clem Delangue (مدیرعامل Hugging Face) و Balaji Srinivasan به چشم می‌خورد. از این لحظه به بعد، منطق پایه پروژه دچار تغییر و تحول شد.

روایت قبلی که به شدت به "توزیع توکن، جذب قدرت محاسباتی خرده‌فروشی و مشوق‌های ایردراپ" وابسته بود، به سرعت به یکی از خطرناک‌ترین مناطق برخورد با خطوط قرمز انطباق سرمایه‌گذاری سنتی تبدیل شد. برای جذب سرمایه‌گذاری در بازارهای مالی اصلی، Prime Intellect باید به ظاهر از "Crypto-first" به "AI-first" تغییر کند.

با این حال، آموزش مدل‌های توزیع‌شده هنوز هسته توپولوژی شبکه P2P را حفظ کرده است، اما غیرمتمرکز بودن دیگر به سمت روایت توکن‌های تبلیغاتی برای خرده‌فروشی نیست، بلکه به سمت یک لوله نامحسوس برای "مدیریت هزینه‌های پایین قدرت محاسباتی جهانی" برای شرکت‌های B-طرف تبدیل شده است.

اکنون Prime Intellect بیشتر شبیه یک شرکت خالص AI SaaS است و به احتمال زیاد به سمت IPO یا خرید با قیمت بالای غول‌های سخت‌افزاری سنتی پیش خواهد رفت.

سلب مسئولیت: این محتوا صرفاً برای اطلاع‌رسانی عمومی و برندینگ ارائه شده و به‌ منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌گردد. هیچ‌یک از رویدادها، جوایز، رویدادهای آنلاین یا اطلاعات مرتبط ذکرشده در اینجا نباید به‌عنوان توصیه، درخواست یا دعوت برای خرید، فروش، معامله یا هرگونه اقدام دیگر در رابطه با دارایی‌های رمزارزی یا استفاده از خدمات تلقی شوند. دارایی‌های رمزارزی با نوسانات بالایی همراه بوده و ممکن است منجر به زیان شوند. خدمات WEEX و رویدادهای آنلاین ممکن است در تمام مناطق در دسترس نبوده و مشمول قوانین، مقررات و شرایط احراز صلاحیت مربوطه هستند. شما مسئول رعایت قوانین محلی در استفاده از خدمات WEEX هستید و باید پیش از انجام هرگونه فعالیت مرتبط با ارزهای دیجیتال، ریسک‌های آن را به‌دقت بررسی کنید.