Valoración de 1.000 millones, ¡NVIDIA apuesta fuerte! ¿Está Prime Intellect despojándose de la etiqueta Web3?

Con financiamiento de NVIDIA, Intel y Dell, y borrando silenciosamente las huellas de emisión de tokens, Prime Intellect declara un ARR de 100 millones de dólares, ¿qué camino ha recorrido?

Escrito por: KarenZ, Foresight News

Una empresa de infraestructura de IA que se fundó hace poco más de dos años, anuncia el apoyo de los fondos de inversión de NVIDIA, Intel y Dell, mientras afirma que sus ingresos anuales han superado los 100 millones de dólares------ estos dos números juntos son suficientes para que Prime Intellect se convierta en uno de los proyectos de IA más dignos de ser revisados recientemente.

El 8 de julio de 2026, la red de infraestructura de IA descentralizada Prime Intellect anunció que completó una ronda de financiamiento Serie A de 130 millones de dólares con una valoración de 1.000 millones de dólares, liderada por la firma de capital de riesgo enfocada en IA Radical Ventures, con la participación inusual de los fondos de inversión de NVIDIA, Intel y Dell, acumulando más de 150 millones de dólares en financiamiento.

Al revelar esta enorme financiación, Prime Intellect anunció oficialmente que en menos de un año, sus ingresos anuales (ARR) han aumentado rápidamente a más de 100 millones de dólares, y el número de empresas y startups que utilizan sus servicios ha superado las 6.000.

¿Cuál es el contexto?

El autor mencionó en marzo de 2025 en "¡Los miembros fundadores de OpenAI intervienen! Lectura rápida del proyecto de IA descentralizada Prime Intellect" que Prime Intellect fue cofundada en enero de 2024 por Vincent Weisser y Johannes Hagemann.

• El CEO Vincent Weisser ha estado involucrado durante mucho tiempo en la intersección de la ciencia descentralizada (DeSci) y la IA, siendo cofundador de proyectos como Bio Protocol, VitaDAO y CryoDAO, y ha sido responsable de la ecología y la IA en la plataforma DeSci Molecule.
• El CTO Johannes Hagemann se ha centrado en la IA distribuida y la ingeniería semiautomatizada, así como en interfaces cerebro-máquina, habiendo trabajado anteriormente como ingeniero de investigación de IA en la empresa alemana de IA Aleph Alpha.

Además, en octubre de 2025, el inversor de capital de riesgo Ash Arora se unió a Prime Intellect como responsable de marketing de aplicaciones (Applied GTM), encargado de desarrollar la estrategia de producto, comercialización, ingresos y aplicaciones de productos de IA en el ámbito del procesamiento posterior y el aprendizaje por refuerzo. Ash Arora señaló recientemente que el número de empleados a tiempo completo en Prime Intellect ha alcanzado las 40 personas.

En términos de financiamiento, Prime Intellect ha acumulado más de 150 millones de dólares en financiamiento, de los cuales 5,5 millones de dólares en la ronda de semillas de abril de 2024 fueron liderados por Distributed Global y CoinFund, con el CEO de Hugging Face, Clem Delangue, entre los inversores ángeles.

Menos de un año después, en marzo de 2025, Prime Intellect completó nuevamente una financiación de 15 millones de dólares, liderada por el Founders Fund de Peter Thiel, con inversores que incluyen a uno de los miembros fundadores de OpenAI, el exdirector de IA de Tesla, Andrej Karpathy, así como a Tri Dao, científico jefe de Together.AI, y Emad Mostaque, cofundador de Stability AI, entre otros pesos pesados del campo de la IA.

La naturaleza de la última ronda es diferente. En la ronda de financiamiento de 130 millones de dólares, NVIDIA Ventures, Intel Capital y Dell Technologies Capital no son solo inversores financieros, sino que sus respectivas empresas matrices están en posiciones clave en la infraestructura de GPU, CPU, servidores y centros de datos.

La explicación de Intel Capital sobre esta ronda de inversión también indica que: la razón por la cual los gigantes del hardware están dispuestos a invertir es porque Prime Intellect está intentando consolidar el cálculo subyacente, el entorno de entrenamiento, la evaluación y el aprendizaje por refuerzo posterior al entrenamiento (Post-training) con la inferencia de nivel superior, todo en un mismo plano de control unificado.

¿Hay algún avance sustancial?

Uno de los logros más destacados de Prime Intellect en sus primeras etapas es demostrar que las GPU heterogéneas y de larga distancia también pueden entrenar de manera colaborativa. Siguiendo la iteración tecnológica de los últimos dos años, se puede observar cómo la plataforma ha ido transformando los experimentos de investigación en líneas de productos comercializables.

A finales de noviembre de 2024, Prime Intellect lanzó el modelo de 10 mil millones de parámetros INTELLECT-1, con nodos de entrenamiento distribuidos en cinco países y tres continentes. La empresa afirmó que en ese momento logró una tasa de utilización computacional global del 83% entre continentes, mientras que al usar solo nodos distribuidos en EE. UU., la tasa de utilización computacional alcanzó el 96%.

Menos de seis meses después, Prime Intellect lanzó INTELLECT-2, llevando el objetivo a 32 mil millones de parámetros en un aprendizaje por refuerzo distribuido globalmente. Para ello, el equipo desarrolló el marco de aprendizaje por refuerzo asíncrono PRIME-RL, SHARDCAST para la propagación de pesos del modelo, y TOPLOC para verificar si los nodos de inferencia "están trabajando correctamente".

El cambio más crucial ocurrió en INTELLECT-3. En noviembre de 2025, Prime Intellect lanzó un modelo MoE de 106 mil millones de parámetros, supervisado y ajustado mediante aprendizaje por refuerzo, basado en GLM-4.5-Air. Este modelo fue entrenado durante aproximadamente dos meses en 64 nodos con 512 GPU NVIDIA H200; los pesos del modelo, el marco de entrenamiento, los datos, el entorno de RL y los métodos de evaluación fueron todos de código abierto. La importancia aquí no es solo el lanzamiento de otro modelo, sino que la empresa validó todo un sistema de producción con su propio proyecto de investigación: PRIME-RL se encarga del entrenamiento asíncrono, Verifiers y Environments Hub proporcionan herramientas unificadas y un ecosistema comunitario para construir y alojar entornos de RL y evaluaciones, y Prime Sandboxes aíslan la ejecución del código generado por los agentes inteligentes, mientras que la capa de orquestación computacional se encarga de la agrupación, almacenamiento y monitoreo.

En febrero de este año, Prime Intellect lanzó una plataforma de entrenamiento de IA de pila completa, Prime Intellect Lab, diseñada para ayudar a individuos, ingenieros y empresas de IA a entrenar y optimizar sus propios modelos (especialmente modelos agentic/inteligentes), sin necesidad de construir costosos clústeres de GPU. El 7 de mayo, Lab finalizó las pruebas y se abrió oficialmente al público.

En junio, Prime Intellect lanzó la versión 0.6.0 de prime-rl, afirmando que ha llevado el límite de ingeniería a modelos MoE (Modelos de Expertos Mixtos) de billones de parámetros. Prime Intellect reveló que en tareas de ingeniería de software de la serie GLM-5, se pueden usar 28 nodos H200 para procesar secuencias de hasta 131,000 tokens, con un tiempo de entrenamiento por paso de menos de 5 minutos.

La clave detrás de esto no es un solo algoritmo, sino la optimización conjunta de los sistemas de entrenamiento e inferencia: el lado de inferencia utiliza cálculos de baja precisión FP8 y componentes como DeepEP y DeepGEMM para aumentar el rendimiento, la pre-carga y la separación de decodificación evitan que las salidas largas ralenticen la generación, y la descarga jerárquica de KV Cache mejora la concurrencia; el lado de entrenamiento también utiliza FP8 de escalado por bloques y reduce las diferencias de enrutamiento entre el lado de entrenamiento del modelo MoE y el de inferencia mediante Router Replay, además de sumar FSDP, paralelismo de expertos y paralelismo contextual. Estas optimizaciones finalmente afectan la utilización de GPU, el tiempo de entrenamiento y los costos para los clientes.

En julio de este año, prime-rl también incorporó una capa de algoritmo unificada, integrando seis tipos de métodos de entrenamiento: GRPO, MaxRL, destilación en política, auto-destilación, destilación SFT y ECHO, y permitiendo seleccionar diferentes algoritmos para diferentes entornos en un mismo entrenamiento. En términos simples, el mismo agente puede usar un método de aprendizaje para tareas matemáticas y otro para tareas de operación terminal, sin necesidad de reescribir el entrenador subyacente. Esto hace que Prime Intellect pase de "realizar entrenamientos para los clientes" a acercarse a un sistema operativo de RL escalable.

Colaboración de hardware y software: NVIDIA no es solo un inversor

Desde la alineación de inversores en la ronda A, la vinculación de los gigantes del hardware con Prime Intellect no se limita al capital, sino que se ha profundizado en la co-construcción de la arquitectura de hardware y software.

La colaboración de Prime Intellect con NVIDIA abarca dos niveles: hardware y software. En términos de hardware, su carga de trabajo de entrenamiento y servicio ya utiliza sistemas de rack NVIDIA Blackwell, Blackwell Ultra y NVL72, y la empresa afirma que estos sistemas son más eficientes que los clústeres Hopper anteriores.

En el ámbito del software, NVIDIA Dynamo se utiliza para la orquestación de inferencia global, escalado automático, enrutamiento de solicitudes y descarga de KV Cache, y se combina con el despliegue a gran escala de LoRA (una técnica de ajuste fino para grandes modelos de lenguaje) de Prime Intellect.

El propio blog técnico de NVIDIA también confirma que Prime Intellect ha desplegado el marco de inferencia NVIDIA Dynamo en flujos de trabajo de producción y ha participado en el diseño e integración conjunta del soporte para LoRA Adapter.

Prime Intellect había declarado anteriormente en marzo de este año que probaría cargas de trabajo de RL en un sandbox utilizando el CPU Vera de NVIDIA, y planea migrar parte del sandbox una vez que Vera esté disponible públicamente, ofreciendo un sandbox GPU en el sistema Vera Rubin. La autoevaluación de la compañía indica que cada ranura de CPU Vera puede ejecutar de manera estable 176 máquinas virtuales en paralelo; en su carga de trabajo de sandbox RL establecida, al habilitar el multihilo, el rendimiento es aproximadamente un 30% superior al promedio de la línea base de AMD Zen 5 en AWS, que solo utiliza núcleos físicos.

Estas cifras muestran una posible ventaja de costos, pero actualmente provienen de pruebas de colaboración entre ambas partes, y el entorno de comparación no es completamente el mismo, por lo que no se pueden considerar conclusiones de rendimiento general independientes. Vera Rubin y el sandbox GPU también deben expresarse como "planificados para adoptar", en lugar de ya estar en uso comercial a gran escala.

Con la madurez del producto, la monetización real está ocurriendo. Según lo revelado por Prime Intellect, la empresa fintech Ramp utiliza Prime Intellect Lab para entrenar el subagente de recuperación FastAsk para Ramp Labs: Ramp ha convertido su editor de hojas de cálculo AI, Ramp Sheets, en un entorno RL entrenable, utilizando Qwen3.5-35B-A3B como modelo base para el entrenamiento de aprendizaje reforzado.

Los resultados publicados por Prime Intellect muestran que la precisión de FastAsk es del 66.25%, superior al 61.88% de Claude Opus 4.6, y el tiempo promedio es aproximadamente un 27% menor.

Dado que el conjunto de pruebas y la evaluación son definidos por ambas partes colaboradoras, esto no significa que el modelo de 35B supere a Opus en capacidades generales, pero demuestra una proposición más estrecha y de mayor valor comercial: las empresas pueden entrenar modelos más pequeños para convertirse en expertos en flujos de trabajo específicos.

¿Es real el "ARR" de 100 millones de dólares?

Es necesario aclarar que el texto original utilizado oficialmente por Prime Intellect es "más de 100 millones de dólares en ingresos anuales", y no "se ha logrado 100 millones de dólares en ingresos en el último año".

Los ingresos anuales 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 los negocios de GPU, entrenamiento y razonamiento que cobran por uso, este indicador tampoco representa que los clientes hayan firmado contratos anuales de renovación automática por la misma cantidad.

A partir de los anuncios de Prime Intellect y los productos de pago que ya están en línea, la comercialización de la compañía cubre principalmente cuatro tipos de productos: el primero es el mercado de computación, que incluye instancias de GPU facturadas por tiempo de uso, clústeres multinodo y clústeres reservados; el segundo es el entrenamiento alojado en Lab, que cobra según la entrada, salida y tokens de entrenamiento del modelo; el tercero es el razonamiento y la evaluación alojada, que también está relacionada con la cantidad de llamadas al modelo; el cuarto son los Sandboxes, que cobran según CPU, memoria, disco y tiempo de ejecución.

No es difícil entender el impulso de crecimiento de esta estructura de ingresos. Primero, los clústeres de GPU son recursos de alto costo por cliente que se consumen continuamente por hora, lo que permite que la escala de ingresos crezca más rápido que la de una suscripción de software pura. En segundo lugar, Prime Intellect está extendiendo el camino de consumo del cliente desde "alquilar GPU" a "construir entornos --- ejecutar razonamientos --- hacer evaluaciones --- entrenamiento de aprendizaje reforzado --- implementación en producción", lo que permite que el mismo cliente genere uso en múltiples etapas. Además, el aprendizaje reforzado de agentes requiere un gran número de rollouts paralelos, razonamientos de contexto largo y sandboxes aislados, que naturalmente consumen más potencia de cálculo que las preguntas y respuestas de API ordinarias.

Los más de 6000 clientes revelados por Prime Intellect y el caso de Ramp al menos indican que la plataforma ya no es solo una demostración de investigación. Sin embargo, al revisar la cifra de 100 millones de dólares, aún se deben considerar algunas limitaciones. Prime Intellect es una empresa privada que actualmente no ha publicado informes financieros auditados, ni ha calculado los ingresos mensuales o trimestrales en los que se basa el ingreso anual, la tasa de pago de los clientes, la desagregación de ingresos y la concentración de clientes. La compañía tampoco ha aclarado si los ingresos del mercado de potencia de cálculo se reconocen según el gasto total del cliente o los ingresos netos de la plataforma.

Además, el mercado de computación de Prime Intellect actualmente no ofrece un acuerdo de nivel de servicio (SLA) formal, y la compañía afirma que la razón es que la infraestructura subyacente proviene de múltiples proveedores. La compañía sugiere que los usuarios con altos requisitos de estabilidad elijan Secure Cloud; si ocurre una falla del lado del proveedor, puede ofrecer reembolsos o créditos en la plataforma.

En comparación con una única cifra financiera, el progreso más fácil de verificar es que Prime Intellect ha logrado convertir el entrenamiento colaborativo distribuido, que anteriormente era bastante suelto, en una infraestructura de pila completa que "tiene modelos desarrollados internamente, un ecosistema de código abierto, respaldo de hardware de gigantes y facturas reales de empresas".

Pistas de emisión de tokens borradas en documentos

Un detalle que no se puede ignorar es que, a medida que Prime Intellect entra en el club de valoración de 1 mil millones de dólares y anuncia con bombos y platillos un ARR de 100 millones de dólares, he notado que las expresiones en los documentos oficiales que tenían un fuerte matiz de Web3: "contratos desplegados en la red de prueba Base Sepolia", "migración futura a la cadena desarrollada internamente" y "distribución de recompensas a través del contrato RewardsDistributor según el tiempo activo" han sido completamente eliminadas.

Esta eliminación a nivel documental ya había sido anticipada en un tweet oficial publicado a principios de marzo de 2025.

En ese momento, Prime Intellect anunció que había completado una financiación de 15 millones de dólares liderada por Founders Fund, uno de los principales fondos de Silicon Valley, y en la lista de inversores clave incluso aparecieron nombres como Andrej Karpathy (cofundador de OpenAI), Clem Delangue (CEO de Hugging Face) y Balaji Srinivasan, entre otros. Fue a partir de este momento que la lógica subyacente del proyecto comenzó a desestructurarse.

La narrativa originalmente rica en sabor grassroots de "emitir tokens, atraer la capacidad de cálculo de los minoristas, incentivos de airdrop" se convirtió de inmediato en un campo minado que toca las líneas rojas de cumplimiento de capital de riesgo tradicional. Para atraer el capital del mercado mainstream, Prime Intellect debe completar superficialmente una limpieza total de "Crypto-first" a "AI-first".

Sin embargo, su entrenamiento de modelos distribuidos aún conserva el núcleo topológico de la red P2P, pero la descentralización ya no se presenta como una narrativa de tokens para la especulación de minoristas, sino como un canal invisible para empresas B2B que "programan de manera económica la potencia de cálculo global ociosa".

Ahora, Prime Intellect se asemeja más a una empresa puramente de AI SaaS, y es muy probable que su futuro termine en una OPI o en una adquisición a alta prima por parte de un gigante del hardware tradicional.