Autor: KarenZ, Foresight News
Una empresa de infraestructura de IA fundada hace poco más de dos años, que anuncia el respaldo de los brazos de inversión de Nvidia, Intel y Dell, y afirma tener unos ingresos anualizados superiores a 100 millones de dólares. Combinar estas dos cifras es suficiente para convertir a Prime Intellect en uno de los proyectos de IA que más vale la pena reexaminar últimamente.
El 8 de julio de 2026, la red de infraestructura de IA descentralizada Prime Intellect anunció la finalización de una ronda de financiación Serie A de 130 millones de dólares con una valoración de 1000 millones. La ronda fue liderada por la firma de capital riesgo Radical Ventures, especializada en IA, con la inusual participación conjunta de los brazos de inversión de Nvidia, Intel y Dell, acumulando una financiación total de más de 150 millones de dólares.
Al revelar esta enorme financiación, Prime Intellect anunció oficialmente que, en menos de un año, sus ingresos anualizados (ARR) habían crecido rápidamente hasta superar los 100 millones de dólares, y que la plataforma ya servía a más de 6000 empresas y clientes startups.
¿Cuál es su trasfondo?
En marzo de 2025, en mi artículo "¡Miembro fundador de OpenAI interviene! Un vistazo rápido al prometedor proyecto de IA descentralizada Prime Intellect", ya mencioné que Prime Intellect fue fundada en enero de 2024 por sus dos cofundadores, Vincent Weisser y Johannes Hagemann.
- El CEO Vincent Weisser participó previamente durante mucho tiempo en el campo interdisciplinario de la ciencia descentralizada (DeSci) y la IA. Fue cofundador de proyectos como Bio Protocol, VitaDAO y CryoDAO, y también fue responsable de ecosistema e IA en la plataforma DeSci Molecule.
- El CTO Johannes Hagemann se ha centrado en áreas como la IA distribuida, la ingeniería semi-automatizada y las interfaces cerebro-máquina. Anteriormente trabajó como ingeniero de investigación en IA en la empresa alemana Aleph Alpha.
Además, en octubre de 2025, la inversora de riesgo Ash Arora se unió a Prime Intellect como directora de Aplicación y Comercialización (Applied GTM), responsable de definir la estrategia de producto, la comercialización, los ingresos y los productos de IA aplicada en procesamiento posterior al entrenamiento y aprendizaje por refuerzo. Ash Arora señaló recientemente que la plantilla de tiempo completo de Prime Intellect ha alcanzado las 40 personas.
En cuanto a financiación, Prime Intellect ha acumulado más de 150 millones de dólares. Su ronda inicial de 5,5 millones de dólares en abril de 2024 fue copilotada por Distributed Global y CoinFund, con el CEO de Hugging Face, Clem Delangue, entre otros, como inversores ángel.
Menos de un año después, en marzo de 2025, Prime Intellect completó otra ronda de 15 millones de dólares, liderada por Founders Fund de Peter Thiel. Entre los inversores también se encontraban figuras importantes del campo de la IA como Andrej Karpathy (miembro fundador de OpenAI y exdirector de IA de Tesla), Tri Dao (científico jefe de Together.AI) y Emad Mostaque (cofundador de Stability AI).
La última ronda tiene un carácter diferente. En la ronda Serie A de 130 millones, NVIDIA Ventures, Intel Capital y Dell Technologies Capital no son solo inversores financieros; sus empresas matrices ocupan posiciones clave en infraestructuras de GPU, CPU, servidores y centros de datos, respectivamente.
La explicación de Intel Capital sobre esta inversión también muestra por qué los gigantes del hardware están invirtiendo: Prime Intellect está intentando unir el cómputo subyacente, el entorno de entrenamiento, la evaluación, el pos-entrenamiento con aprendizaje por refuerzo y la inferencia en un mismo plano de control unificado.
¿Qué progresos sustanciales hay?
Un logro temprano destacado de Prime Intellect fue demostrar que las GPU heterogéneas en ubicaciones distantes también podían colaborar en el entrenamiento. Siguiendo la evolución técnica de los últimos dos años, se puede ver cómo la plataforma convirtió gradualmente experimentos de investigación en líneas de productos comercializables.
A finales de noviembre de 2024, Prime Intellect lanzó el modelo INTELLECT-1 de 10 mil millones de parámetros, entrenado en nodos distribuidos en cinco países y tres continentes. Afirmaron haber logrado una utilización computacional global del 83% en el entrenamiento transcontinental, y del 96% cuando solo se utilizaron nodos distribuidos en EE. UU.
Menos de medio año después, Prime Intellect lanzó INTELLECT-2, llevando el objetivo al aprendizaje por refuerzo distribuido globalmente para un modelo de 32 mil millones de parámetros. Para ello, el equipo desarrolló el marco de aprendizaje por refuerzo asíncrono PRIME-RL, SHARDCAST para propagar los pesos del modelo y TOPLOC para verificar si los nodos de inferencia "trabajan honestamente".
El cambio clave ocurrió con INTELLECT-3. En noviembre de 2025, Prime Intellect lanzó un modelo MoE de 106 mil millones de parámetros, basado en GLM-4.5-Air de Zhipu AI y sometido a ajuste fino supervisado y aprendizaje por refuerzo. El modelo fue entrenado durante unos dos meses en 64 nodos con 512 GPU NVIDIA H200; se abrieron los pesos del modelo, el marco de entrenamiento, los datos, los entornos de RL y los métodos de evaluación. La importancia no fue solo lanzar otro modelo, sino que la empresa validó un sistema de producción completo con su proyecto de investigación: PRIME-RL para el entrenamiento asíncrono, Verifiers y Environments Hub proporcionando herramientas unificadas y un ecosistema comunitario para construir y alojar entornos y evaluaciones de RL, Prime Sandboxes aislando la ejecución del código generado por agentes, y la capa de orquestación computacional gestionando clústeres, almacenamiento y monitorización.
En febrero de este año, Prime Intellect lanzó una plataforma de entrenamiento de IA de pila completa llamada Prime Intellect Lab, diseñada específicamente para ayudar a individuos, ingenieros y empresas de IA a entrenar y optimizar sus propios modelos (especialmente modelos de agentes) sin necesidad de construir costosos clústeres de GPU. El 7 de mayo, Lab salió de la fase beta y se abrió completamente al público.
En junio, Prime Intellect lanzó la versión 0.6.0 de prime-rl, afirmando haber elevado el límite de ingeniería a modelos MoE (Modelo de Mezcla de Expertos) a escala de billones de parámetros. Prime Intellect reveló que, en tareas de ingeniería de software de la serie GLM-5, podían procesar secuencias de hasta 131 mil tokens usando 28 nodos H200, con un tiempo de entrenamiento por paso inferior a 5 minutos.
La clave subyacente no es un algoritmo específico, sino la optimización conjunta de los sistemas de entrenamiento e inferencia: el lado de inferencia utiliza cómputo de baja precisión FP8 y componentes como DeepEP y DeepGEMM para aumentar el rendimiento; separa el prellenado y la decodificación para evitar que salidas largas de herramientas ralenticen la generación; y la caché KV se descarga por capas para mejorar la concurrencia. El lado de entrenamiento también adopta FP8 con escalado por bloques, y reduce la diferencia de enrutamiento entre entrenamiento e inferencia en modelos MoE mediante Router Replay, combinado con FSDP, paralelismo de expertos y paralelismo de contexto. Todas estas optimizaciones afectan finalmente a la utilización de GPU, el tiempo de entrenamiento y el coste para el cliente.
En julio de este año, prime-rl incorporó una capa algorítmica unificada, que incluye seis métodos de entrenamiento: GRPO, MaxRL, Distillation On-Policy, auto-distillation, SFT Distillation y ECHO, y permite seleccionar algoritmos diferentes para distintos entornos dentro de un mismo entrenamiento. En términos sencillos, un mismo agente puede usar un método de aprendizaje para tareas matemáticas y otro diferente para tareas de operación de terminal, sin necesidad de reescribir el entrenador subyacente. Esto acerca a Prime Intellect de "ejecutar entrenamientos para clientes" a un sistema operativo de RL escalable.
Colaboración software-hardware: Nvidia no es solo un inversor
Juzgando por la composición de inversores en la Serie A, la vinculación de los gigantes del hardware con Prime Intellect no se limita al nivel de capital, sino que se profundiza en la co-construcción de arquitecturas software-hardware.
La colaboración de Prime Intellect con Nvidia abarca tanto hardware como software. En hardware, sus cargas de trabajo de entrenamiento y servicio ya utilizan sistemas NVIDIA Blackwell, Blackwell Ultra y a nivel de bastidor NVL72, que la empresa afirma son más eficientes que los clústeres Hopper anteriores.
En software, NVIDIA Dynamo se utiliza para la orquestación global de inferencia, el escalado automático, el enrutamiento de solicitudes y la descarga de caché KV, y se combina con los despliegues a gran escala de LoRA (Adaptación de Bajo Rango, una técnica de ajuste fino para LLMs) de Prime Intellect.
El blog técnico de Nvidia también confirma que Prime Intellect ya ha desplegado el marco de inferencia NVIDIA Dynamo en sus flujos de trabajo de producción y participa en el co-diseño e integración del soporte para adaptadores LoRA.
Prime Intellect indicó previamente en marzo que probaría cargas de trabajo de sandbox de RL en torno a la CPU NVIDIA Vera, y planeaba migrar parte de los sandbox una vez que Vera estuviera disponible públicamente, ofreciendo sandbox de GPU en sistemas Vera Rubin. La empresa afirma mediante pruebas propias que cada socket de CPU Vera puede ejecutar de forma estable 176 máquinas virtuales en paralelo; en sus cargas de trabajo definidas para sandbox de RL, con multihilo habilitado, el rendimiento es aproximadamente un 30% mayor en promedio que la línea base AMD Zen 5 en AWS con solo núcleos físicos habilitados.
Estas cifras muestran una ventaja de coste potencial, pero actualmente provienen de pruebas conjuntas de ambas partes, y los entornos de comparación no son idénticos, por lo que no pueden tomarse como conclusiones de rendimiento genéricas e independientes. Vera Rubin y los sandbox de GPU deben describirse como "planeados para adopción", no como ya comercializados a gran escala.
A medida que los productos maduran, está ocurriendo una monetización comercial real. Según lo revelado por Prime Intellect, la empresa de fintech Ramp utiliza Prime Intellect Lab para entrenar a su subagente de recuperación FastAsk para Ramp Labs: Ramp convirtió su editor de hojas de cálculo con IA, Ramp Sheets, en un entorno de RL entrenable, y luego realizó entrenamiento por refuerzo basándose en el modelo base Qwen3.5-35B-A3B.
Los resultados publicados por Prime Intellect muestran que FastAsk tiene una precisión del 66.25%, superior al 61.88% de Claude Opus 4.6, con un tiempo promedio de respuesta aproximadamente un 27% menor.
Dado que el conjunto de pruebas y la evaluación fueron definidos por ambas partes colaboradoras, esto no significa que este modelo de 35B supere a Opus en capacidades generales, pero prueba una proposición más específica y comercialmente valiosa: las empresas pueden entrenar modelos más pequeños para convertirlos en expertos en flujos de trabajo específicos.
¿Son reales los 100 millones de dólares de "ARR"?
Es necesario aclarar que el texto original usado por Prime Intellect es "más de 100 millones de dólares en ingresos anualizados", no "ha obtenido 100 millones de dólares en ingresos en el último año".
Los ingresos anualizados (ARR) suelen extrapolar la velocidad de ingresos de un mes o trimestre reciente a un año; si el negocio está creciendo rápidamente, puede ser significativamente mayor que los ingresos reales de los últimos doce meses. Para negocios de GPU, entrenamiento e inferencia que cobran por uso, esta métrica tampoco implica que los clientes hayan firmado contratos anuales renovables automáticamente por un monto equivalente.
Según el anuncio de Prime Intellect y sus productos de pago ya disponibles, la comercialización de la empresa cubre principalmente cuatro categorías de productos. Primero, el mercado de cómputo, incluyendo instancias de GPU, clústeres multinodo y clústeres reservados, cobrados por tiempo de uso. Segundo, el entrenamiento alojado en Lab, cobrado según los tokens de entrada, salida y entrenamiento del modelo. Tercero, la inferencia y evaluación alojada, también relacionada con el volumen de llamadas al modelo. Cuarto, los Sandboxes, cobrados por CPU, memoria, disco y tiempo de ejecución.
La lógica de crecimiento de esta estructura de ingresos no es difícil de entender. Primero, los clústeres de GPU son en sí mismos recursos de alto precio por cliente y consumo continuo por horas, lo que puede hacer que la escala de ingresos aumente más rápido que las suscripciones de software puro. Segundo, Prime Intellect está extendiendo la ruta de consumo del cliente desde "alquilar GPU" hasta "crear entorno - ejecutar inferencia - realizar evaluación - entrenamiento por refuerzo - despliegue en producción", permitiendo que un mismo cliente genere uso en múltiples etapas. Tercero, el aprendizaje por refuerzo para agentes requiere numerosas ejecuciones en paralelo (rollouts), inferencia de contexto largo y sandboxes aislados, consumiendo naturalmente más potencia de cómputo que una simple API de preguntas y respuestas.
Los más de 6000 clientes y el caso de Ramp revelados por Prime Intellect muestran al menos que la plataforma ya no es solo una demostración de investigación. Sin embargo, al examinar la cifra de 100 millones de dólares, aún es necesario mantener ciertos límites. Prime Intellect es una empresa privada y actualmente no publica estados financieros auditados, los ingresos mensuales o trimestrales en los que se basa el cálculo del ARR, la tasa de pago de clientes, el desglose de ingresos o la concentración de clientes. Tampoco ha especificado oficialmente si los ingresos del mercado de cómputo se reconocen según el gasto total del cliente o los ingresos netos de la plataforma.
Además, el mercado de cómputo de Prime Intellect actualmente no ofrece Acuerdos de Nivel de Servicio (SLA) formales, debido, según la empresa, a que la infraestructura subyacente proviene de múltiples proveedores. Recomiendan a los usuarios con altos requisitos de estabilidad que elijan Secure Cloud; si ocurre una falla del lado del proveedor, pueden ofrecer reembolsos o créditos en la plataforma.
En comparación con una cifra financiera aislada, un progreso más fácilmente verificable es que Prime Intellect ha convertido lo que originalmente era un entrenamiento colaborativo distribuido disperso, en una infraestructura de pila completa "con modelos propios, un ecosistema de código abierto, respaldo de hardware de gigantes y facturación real con empresas".
Pistas borradas en la documentación sobre la emisión de tokens
Un detalle que no se puede pasar por alto es que, mientras Prime Intellect entra ahora en el club de las empresas valoradas en 1000 millones de dólares y anuncia ruidosamente un ARR de 100 millones, he descubierto que las expresiones con un marcado carácter Web3 que antes figuraban en su documentación oficial: "contrato desplegado en la testnet Base Sepolia", "migración futura a una cadena propia" y "distribución de recompensas de tokens a pools de cómputo a través del contrato RewardsDistributor según el tiempo activo" — han sido completamente eliminadas.
Esta eliminación a nivel de documentación ya estaba insinuada en el tuit oficial que publicaron a principios de marzo de 2025.
En ese momento, Prime Intellect anunció la finalización de una ronda de financiación de 15 millones de dólares liderada por la prestigiosa firma Founders Fund de Silicon Valley, y en la lista de inversores principales aparecían incluso figuras destacadas como Andrej Karpathy (cofundador de OpenAI), Clem Delangue (CEO de Hugging Face) y Balaji Srinivasan. Fue precisamente en este momento cuando la lógica subyacente del proyecto se desestructuró.
La narrativa original, con un marcado sabor comunitario de "emitir tokens, captar potencia de cómputo de pequeños inversores, incentivos con airdrops", se convirtió de inmediato en una zona de riesgo que tocaba la línea roja de cumplimiento normativo del capital riesgo tradicional. Para recibir la inversión del mercado de capitales convencional, Prime Intellect tuvo que realizar superficialmente una limpieza completa de "Crypto-first" a "AI-first".
Sin embargo, su entrenamiento distribuido de modelos aún conserva el núcleo de topología de red P2P, pero la descentralización ya no es una narrativa de tokens dirigida a la especulación de pequeños inversores, sino que se ha convertido en un canal invisible orientado a empresas B2B para "programar a bajo costo la potencia de cómputo global ociosa".
Hoy, Prime Intellect se parece más a una empresa pura de SaaS de IA, y su desenlace final probablemente sea una OPI o una adquisición con una alta prima por parte de gigantes tradicionales del hardware.
