Автор: KarenZ, Foresight News
Инфраструктурная компания в области ИИ, существующая чуть более двух лет, с одной стороны, объявила о поддержке инвестиционных подразделений Nvidia, Intel и Dell, а с другой — заявила, что её годовой доход превысил 100 миллионов долларов. Эти две цифры, взятые вместе, делают Prime Intellect одним из наиболее достойных переосмысления ИИ-проектов в последнее время.
8 июля 2026 года децентрализованная сеть инфраструктуры ИИ Prime Intellect объявила о завершении финансирования серии A на 130 миллионов долларов при оценке в 1 миллиард долларов. Раунд возглавила венчурная компания Radical Ventures, специализирующаяся на ИИ, при участии инвестиционных подразделений Nvidia, Intel и Dell. Общий объём привлечённых средств превысил 150 миллионов долларов.
Параллельно с раскрытием информации о крупном финансировании Prime Intellect официально объявила, что за менее чем год её годовой доход (ARR) быстро вырос до уровня выше 100 миллионов долларов, а количество корпоративных клиентов и стартапов, использующих платформу, превысило 6000.
Каков бэкграунд?
Автор уже упоминал в статье «Участник-основатель OpenAI в деле! Быстрый обзор тёмной лошадки децентрализованного ИИ — проекта Prime Intellect» в марте 2025 года, что Prime Intellect была основана в январе 2024 года двумя соучредителями: Винсентом Вайссером и Йоханнесом Хагеманном.
- Генеральный директор Винсент Вайссер ранее долгое время был вовлечён в пересечение областей децентрализованной науки (DeSci) и ИИ, был соучредителем таких проектов, как Bio Protocol, VitaDAO, CryoDAO, а также занимал должность руководителя экосистемы и ИИ на платформе DeSci Molecule.
- Технический директор Йоханнес Хагеманн специализируется на распределённом ИИ, полуавтоматической инженерии, интерфейсах мозг-компьютер и других областях, ранее работал инженером по исследованиям ИИ в немецкой компании Aleph Alpha.
Кроме того, в октябре 2025 года венчурный инвестор Эш Арора присоединился к Prime Intellect в качестве руководителя направления развития рынка приложений (Applied GTM), отвечая за разработку продуктовой стратегии, коммерциализацию, выручку и прикладные ИИ-продукты в областях пост-тренинговой обработки и обучения с подкреплением. Эш Арора недавно отметил, что теперь общая численность штатных сотрудников Prime Intellect достигла 40 человек.
Что касается финансирования, общий объём привлечённых Prime Intellect средств превысил 150 миллионов долларов. В апреле 2024 года состоялся посевной раунд на 5,5 миллионов долларов, совместно возглавляемый Distributed Global и CoinFund; ангельскими инвесторами выступили, среди прочих, генеральный директор Hugging Face Клем Деланг.
Менее чем через год, в марте 2025 года, Prime Intellect привлекла ещё 15 миллионов долларов в раунде, возглавленном Founders Fund Питера Тиля. Среди инвесторов также были сооснователь OpenAI, бывший директор по ИИ Tesla Андрей Карпати, главный научный сотрудник Together.AI Три Дао, сооснователь Stability AI Эмад Мостак и другие влиятельные лица в сфере ИИ.
Последний раунд носит иной характер. В финансировании серии A на 130 миллионов долларов NVIDIA Ventures, Intel Capital, Dell Technologies Capital выступили не просто финансовыми инвесторами; их материнские компании занимают ключевые позиции в области GPU, CPU, серверов и инфраструктуры центров обработки данных.
Заявление Intel Capital о данном раунде инвестиций также показывает: гиганты аппаратного обеспечения делают ставку на Prime Intellect, потому что она пытается объединить на единой унифицированной панели управления базовые вычисления, среду обучения, оценку, пост-тренинговое обучение с подкреплением (Post-training) и вывод (инференс).
Каковы реальные достижения?
Ранним заметным результатом Prime Intellect стало доказательство возможности совместного обучения на разнородных GPU, географически удалённых друг от друга. Прослеживая технические итерации платформы за последние два года, можно увидеть, как она шаг за шагом превращала научные эксперименты в коммерческие продуктовые линии.
В конце ноября 2024 года Prime Intellect представила модель INTELLECT-1 с 10 миллиардами параметров, узлы обучения которой были распределены по пяти странам и трём континентам. По заявлению компании, тогда был достигнут результат общей вычислительной утилизации в 83% при межконтинентальном обучении, а при обучении только на узлах, расположенных в США, вычислительная утилизация достигла 96%.
Менее чем через полгода Prime Intellect выпустила INTELLECT-2, продвинувшись до глобального распределённого обучения с подкреплением для 32 миллиардов параметров. Для этого команда разработала асинхронный фреймворк обучения с подкреплением PRIME-RL, SHARDCAST для распространения весов модели и TOPLOC для проверки того, «честно ли работают» узлы вывода.
Более ключевые изменения произошли с INTELLECT-3. В ноябре 2025 года Prime Intellect на основе модели GLM-4.5-Air от Zhipu AI выпустила MoE-модель с 106 миллиардами параметров, прошедшую контролируемое тонкое обучение и обучение с подкреплением. Модель обучалась около двух месяцев на 64 узлах с 512 GPU NVIDIA H200; веса модели, фреймворк обучения, данные, среда RL и методы оценки были открыты. Значение здесь не только в выпуске ещё одной модели, но и в том, что компания собственным исследовательским проектом проверила целую производственную систему: PRIME-RL отвечает за асинхронное обучение, Verifiers и Environments Hub предоставляют единые инструменты и экосистему сообщества для создания и хостинга сред RL и оценки, Prime Sandboxes изолируют выполнение кода, сгенерированного агентом, а слой оркестрации вычислений отвечает за кластеры, хранение и мониторинг.
В феврале этого года Prime Intellect представила полноценную платформу для обучения ИИ Prime Intellect Lab, специально разработанную для помощи частным лицам, инженерам и ИИ-компаниям в самостоятельном обучении и оптимизации собственных моделей (особенно агентных моделей) без необходимости создания дорогостоящих GPU-кластеров. 7 мая Lab завершила бета-тестирование и была полностью открыта для всех.
В июне Prime Intellect выпустила версию prime-rl 0.6.0, которая, по утверждению компании, подняла инженерный потолок до уровня MoE-моделей (моделей со смесью экспертов) с триллионами параметров. Prime Intellect раскрыла, что на задачах программной инженерии серии GLM-5 она может обрабатывать последовательности длиной до 131 тыс. токенов, используя 28 узлов H200, при времени одного шага обучения менее 5 минут.
Ключом к этому стала не какая-то одна алгоритмическая инновация, а совместная оптимизация систем обучения и вывода: на стороне вывода используются вычисления с низкой точностью FP8, а также компоненты DeepEP, DeepGEMM для повышения пропускной способности; предварительное заполнение отделено от декодирования, чтобы избежать замедления генерации из-за длинных выходных данных инструментов; KV Cache разгружается послойно для повышения параллелизма. На стороне обучения также применяется масштабирование блоков FP8, а Router Replay уменьшает разницу в маршрутизации между обучением и выводом в MoE-моделях, в сочетании с FSDP, экспертным параллелизмом и контекстным параллелизмом. Все эти оптимизации в конечном итоге влияют на утилизацию GPU, время обучения и стоимость использования для клиентов.
В июле этого года в prime-rl добавили унифицированный алгоритмический слой, встроив шесть типов методов обучения: GRPO, MaxRL, On-Policy Distillation, Self-Distillation, SFT Distillation и ECHO, и позволив выбирать разные алгоритмы для разных сред в рамках одного сеанса обучения. Проще говоря, один и тот же агент может использовать один метод обучения для математических задач и другой — для задач операций с терминалом, без переписывания базового тренировщика. Это приближает Prime Intellect от «запуска обучения для клиента» к расширяемой операционной системе для RL.
Программно-аппаратная синергия: Nvidia — не просто инвестор
Судя по составу участников раунда A, связь гигантов аппаратного обеспечения с Prime Intellect выходит за рамки капитала и углубляется в совместное проектирование архитектуры программного и аппаратного обеспечения.
Сотрудничество Prime Intellect с Nvidia охватывает как аппаратный, так и программный уровни. На аппаратном уровне её рабочие нагрузки для обучения и обслуживания уже используют системы NVIDIA Blackwell, Blackwell Ultra и стойки уровня NVL72, которые, по словам компании, эффективнее предыдущих кластеров Hopper.
На программном уровне NVIDIA Dynamo используется для глобальной оркестрации вывода, автоматического масштабирования, маршрутизации запросов и разгрузки KV Cache, а также интегрируется с развёртыванием LoRA (низкоранговой адаптации, техники тонкой настройки больших языковых моделей) в Prime Intellect.
Технический блог Nvidia также подтверждает, что Prime Intellect уже развернула фреймворк вывода NVIDIA Dynamo в рабочих процессах и участвует в совместном проектировании и интеграции поддержки адаптеров LoRA.
Ранее, в марте этого года, Prime Intellect заявила, что будет тестировать нагрузки RL-песочниц на базе NVIDIA Vera CPU и планирует после публичной доступности Vera перенести часть песочниц, предоставляя GPU-песочницы на системах Vera Rubin. По собственным замерам компании, каждый сокет Vera CPU может стабильно параллельно запускать 176 виртуальных машин; в заданных рабочих нагрузках RL-песочниц включение многопоточности дало в среднем примерно на 30% более высокую пропускную способность по сравнению с базовой линией AMD Zen 5 на AWS с использованием только физических ядер.
Эти цифры демонстрируют потенциальное преимущество в стоимости, однако на данный момент они получены в результате совместных тестов сторон, и сравнительные среды не полностью идентичны, поэтому их нельзя считать независимыми универсальными выводами о производительности. Vera Rubin и GPU-песочницы следует описывать как «планируемые к внедрению», а не как уже широко используемые в коммерческих целях.
По мере созревания продуктов происходит реальная коммерциализация. Согласно данным Prime Intellect, финтех-компания Ramp использует Prime Intellect Lab для обучения под-агента поиска FastAsk в рамках Ramp Labs: Ramp превратила свой ИИ-редактор электронных таблиц Ramp Sheets в обучаемую среду RL, а затем провела обучение с подкреплением на базовой модели Qwen3.5-35B-A3B.
Опубликованные Prime Intellect результаты показывают, что точность FastAsk составила 66,25%, что выше 61,88% у Claude Opus 4.6, а среднее время выполнения примерно на 27% меньше.
Поскольку тестовый набор и оценка были определены сотрудничающими сторонами, это не означает, что эта 35B-модель превосходит Opus в общих способностях, но доказывает более узкое и коммерчески ценное утверждение: предприятия могут обучить меньшую модель стать экспертом в конкретном рабочем процессе.
Правда ли, что «ARR» в 100 миллионов долларов?
Важно прояснить: официальная формулировка Prime Intellect — «более 100 миллионов долларов годового дохода (ARR)», а не «за последний год уже получен доход в 100 миллионов долларов».
Годовой доход (ARR) обычно экстраполирует скорость дохода за последний месяц или квартал на год; если бизнес быстро растёт, этот показатель может быть заметно выше фактического дохода за последние двенадцать месяцев. Для бизнеса, взимающего плату за использование (GPU, обучение, вывод), этот показатель также не означает, что клиенты подписали контракты на эквивалентную сумму с автоматическим продлением.
Судя по анонсам Prime Intellect и запущенным платным продуктам, коммерциализация компании в основном охватывает четыре категории продуктов: первая — вычислительный рынок, включающий GPU-инстансы с почасовой оплатой, многоУзловые кластеры и резервируемые кластеры; вторая — управляемое обучение в Lab, с оплатой за входные, выходные и обучающие токены модели; третья — вывод и управляемая оценка, также связанная с объёмом вызовов модели; четвёртая — Sandboxes, с оплатой за CPU, память, диск и время работы.
Движущие силы роста этой структуры доходов понять нетрудно. Во-первых, GPU-кластеры сами по себе являются ресурсами с высокой ценой за клиента и постоянным почасовым потреблением, что позволяет объёму выручки расти быстрее, чем в случае чисто программных подписок. Во-вторых, Prime Intellect расширяет путь потребления клиента от «аренды GPU» до «создания среды — запуска вывода — проведения оценки — обучения с подкреплением — развёртывания в продакшн», позволяя одному клиенту генерировать использование на нескольких этапах. В-третьих, обучение с подкреплением для агентов требует большого количества параллельных rollout, вывода с длинным контекстом и изолированных песочниц, что по своей природе потребляет больше вычислительных ресурсов, чем обычные API-запросы вопрос-ответ.
Заявленные Prime Intellect более 6000 клиентов и кейс с Ramp, по крайней мере, показывают, что платформа перестала быть лишь исследовательской демонстрацией. Однако при оценке цифры в 100 миллионов долларов следует учитывать несколько ограничений. Prime Intellect — частная компания, которая в настоящее время не раскрывает аудированную финансовую отчётность, помесячные или поквартальные доходы, на основе которых рассчитывался ARR, уровень оплаты клиентов, разбивку доходов и концентрацию клиентов. Также официально не уточняется, признаётся ли доход от рынка вычислений как общие расходы клиентов или как чистая выручка платформы.
Кроме того, вычислительный рынок Prime Intellect в настоящее время не предоставляет формальных соглашений об уровне обслуживания (SLA), что, по словам компании, связано с тем, что базовая инфраструктура поступает от нескольких поставщиков. Официальная рекомендация для пользователей с высокими требованиями к стабильности — выбирать Secure Cloud; в случае сбоя на стороне поставщика может быть предоставлен возврат средств или баланс на платформе.
По сравнению с одной лишь финансовой цифрой, более легко проверяемым прогрессом является то, что Prime Intellect превратила изначально разрозненное распределённое совместное обучение в полноценную инфраструктуру «с собственной моделью, экосистемой с открытым исходным кодом, поддержкой гигантов аппаратного обеспечения и реальными счетами от корпоративных внедрений».
Стёртые в документации следы выпуска токена
Нельзя игнорировать одну деталь: по мере того как Prime Intellect сейчас вступает в клуб оценок в 1 миллиард долларов и громко заявляет об ARR в 100 миллионов долларов, автор обнаружил, что из официальной документации были полностью стёрты формулировки, которые ранее носили явный отпечаток Web3: «контракт развёрнут в тестовой сети Base Sepolia», «будущая миграция на собственную цепочку» и «распределение токен-наград пулам вычислительных ресурсов через контракт RewardsDistributor в зависимости от времени активности».
Эта стирание на уровне документации было предсказано ещё в твите, опубликованном компанией в начале марта 2025 года.
Тогда Prime Intellect объявила о привлечении 15 миллионов долларов в раунде, возглавляемом элитным фондом Founders Fund из Кремниевой долины, и в списке ключевых инвесторов даже появились такие выдающиеся личности, как Андрей Карпати (сооснователь OpenAI), Клем Деланг (генеральный директор Hugging Face) и Баладжи Шринивасан. Именно с этого момента произошла деконструкция исходной логики проекта.
Повествование с явным налётом grassroots — «выпуск токена, привлечение вычислительных мощностей от частных лиц, аирдроп-стимулы» — мгновенно превратилось в зону риска, касающуюся красных линий комплаенса традиционного венчурного капитала. Чтобы получить поддержку основного рынка капитала, Prime Intellect должна была на поверхности завершить полную «чистку» от «Crypto-first» к «AI-first».
Тем не менее, её распределённое обучение моделей сохранило ядро топологии P2P-сети, но децентрализация перестала быть нарративом о токенах, ориентированным на розничных спекулянтов, превратившись в невидимый канал для B2B-предприятий по «низкозатратному распределению глобальных неиспользуемых вычислительных мощностей».
Сейчас Prime Intellect больше похожа на чистую SaaS-компанию в сфере ИИ, и её конечная цель, вероятнее всего, — IPO или приобретение традиционными гигантами аппаратного обеспечения с высокой премией.
