Valutazione di 1 miliardo, Nvidia scommette! Prime Intellect sta rimuovendo l'etichetta Web3?

Con finanziamenti da Nvidia, Intel e Dell, Prime Intellect sta silenziosamente cancellando le tracce di emissione di token, dichiarando un ARR di 100 milioni di dollari. Qual è il percorso che ha seguito?

Articolo di: KarenZ, Foresight News

Un'azienda di infrastrutture AI fondata poco più di due anni fa, che annuncia di aver ottenuto il supporto di istituzioni di investimento di Nvidia, Intel e Dell, e afferma che il fatturato annuale ha superato i 100 milioni di dollari------questi due numeri insieme sono sufficienti per rendere Prime Intellect uno dei progetti AI più degni di essere riesaminati recentemente.

L'8 luglio 2026, la rete di infrastrutture AI decentralizzate Prime Intellect ha annunciato di aver completato un finanziamento di Serie A da 130 milioni di dollari con una valutazione di 1 miliardo di dollari, guidato dalla società di venture capital focalizzata sull'AI Radical Ventures, con la partecipazione rara delle istituzioni di investimento di Nvidia, Intel e Dell, per un totale di oltre 150 milioni di dollari di finanziamenti.

Mentre rivelava il finanziamento massiccio, Prime Intellect ha annunciato ufficialmente che in meno di un anno, l'ARR è rapidamente salito a oltre 100 milioni di dollari, con oltre 6000 clienti aziendali e startup che utilizzano i suoi servizi.

Qual è il contesto?

L'autore ha menzionato nel marzo 2025 in "I membri fondatori di OpenAI intervengono! Leggi rapidamente il progetto AI decentralizzato Prime Intellect" che Prime Intellect è stata fondata nel gennaio 2024 dai co-fondatori Vincent Weisser e Johannes Hagemann.

* **CEO Vincent Weisser** ha precedentemente partecipato a lungo nel campo dell'intersezione tra scienza decentralizzata (DeSci) e AI, ed è stato co-fondatore di progetti come Bio Protocol, VitaDAO e CryoDAO, e ha ricoperto il ruolo di responsabile dell'ecosistema e dell'AI sulla piattaforma DeSci Molecule. * **CTO Johannes Hagemann** si è concentrato su AI distribuita e ingegneria semi-automatica, interfacce cervello-macchina, e ha precedentemente lavorato come ingegnere di ricerca AI presso l'azienda tedesca AI Aleph Alpha.

Inoltre, nell'ottobre 2025, l'investitore di venture capital Ash Arora è entrato in Prime Intellect come responsabile del marketing applicato (Applied GTM), responsabile della strategia di prodotto, commercializzazione, ricavi e applicazioni di prodotti AI nel campo del post-training e dell'apprendimento rinforzato. Ash Arora ha recentemente indicato che attualmente il numero di dipendenti a tempo pieno di Prime Intellect ha raggiunto 40.

Per quanto riguarda il finanziamento, Prime Intellect ha accumulato oltre 150 milioni di dollari in finanziamenti, di cui 5,5 milioni di dollari nella fase di seed round di aprile 2024, guidato da Distributed Global e CoinFund, con investitori angelici come Clem Delangue, CEO di Hugging Face.

Meno di un anno dopo, nel marzo 2025, Prime Intellect ha completato nuovamente un finanziamento di 15 milioni di dollari, guidato da Founders Fund di Peter Thiel, con investitori che includono Andrej Karpathy, uno dei membri fondatori di OpenAI e ex direttore AI di Tesla, e Tri Dao, scienziato capo di Together.AI, e altri pesi massimi nel campo dell'AI.

L'ultima tornata di finanziamenti ha una natura diversa. Nella Serie A da 130 milioni di dollari, NVIDIA Ventures, Intel Capital e Dell Technologies Capital non sono solo investitori finanziari, ma le loro aziende madri occupano posizioni chiave nelle infrastrutture di GPU, CPU, server e data center.

La spiegazione di Intel Capital per questo investimento indica anche che: i giganti dell'hardware stanno investendo perché Prime Intellect sta cercando di unificare il calcolo di base, l'ambiente di addestramento, la valutazione e l'apprendimento rinforzato post-training con l'inferenza di alto livello, tutto in un unico piano di controllo unificato.

Quali sono i progressi concreti?

Uno dei risultati più evidenti di Prime Intellect nelle fasi iniziali è stata la dimostrazione che GPU eterogenee a lunga distanza possono anche collaborare nell'addestramento. Seguendo le iterazioni tecnologiche degli ultimi due anni, è possibile vedere come la piattaforma ha gradualmente trasformato esperimenti di ricerca in linee di prodotto commerciali.

Alla fine di novembre 2024, Prime Intellect ha rilasciato il modello da 10 miliardi di parametri INTELLECT-1, con nodi di addestramento distribuiti in cinque paesi e tre continenti. L'azienda ha dichiarato che ha raggiunto un tasso di utilizzo computazionale complessivo dell'83% tra i continenti, mentre utilizzando solo nodi distribuiti negli Stati Uniti, il tasso di utilizzo computazionale ha raggiunto il 96%.

Meno di sei mesi dopo, Prime Intellect ha rilasciato INTELLECT-2, spingendo l'obiettivo a 32 miliardi di parametri per l'apprendimento rinforzato distribuito a livello globale. A tal fine, il team ha sviluppato il framework di apprendimento rinforzato asincrono PRIME-RL, SHARDCAST per la diffusione dei pesi del modello, e TOPLOC per verificare se i nodi di inferenza "stanno lavorando correttamente".

Un cambiamento ancora più significativo è avvenuto con INTELLECT-3. Nel novembre 2025, Prime Intellect ha rilasciato un modello MoE da 106 miliardi di parametri, supervisionato e ottimizzato tramite apprendimento rinforzato, basato su GLM-4.5-Air. Questo modello è stato addestrato su 64 nodi, utilizzando 512 GPU NVIDIA H200 per circa due mesi; i pesi del modello, il framework di addestramento, i dati, l'ambiente RL e i metodi di valutazione sono stati tutti open source. Il significato qui non è solo il rilascio di un altro modello, ma l'azienda ha convalidato un intero sistema di produzione con il proprio progetto di ricerca: PRIME-RL è responsabile dell'addestramento asincrono, Verifiers e Environments Hub forniscono strumenti unificati e un ecosistema comunitario per costruire e ospitare ambienti RL e valutazioni, mentre Prime Sandboxes isola l'esecuzione del codice generato dagli agenti intelligenti, e il livello di orchestrazione computazionale si occupa di cluster, archiviazione e monitoraggio.

A febbraio di quest'anno, Prime Intellect ha lanciato una piattaforma di addestramento AI full-stack, Prime Intellect Lab, progettata per aiutare individui, ingegneri e aziende AI a addestrare e ottimizzare i propri modelli (soprattutto modelli agentic/intelligenti), senza la necessità di costruire costosi cluster GPU. Il 7 maggio, il Lab ha concluso i test ed è stato ufficialmente aperto al pubblico.

A giugno, Prime Intellect ha rilasciato la versione 0.6.0 di prime-rl, affermando di aver spinto il limite ingegneristico a modelli MoE (mixture of experts) di livello trilione di parametri. Prime Intellect ha rivelato che, nella serie di software GLM-5 per compiti ingegneristici, è possibile utilizzare 28 nodi H200 per elaborare sequenze lunghe fino a 131.000 token, con un tempo di addestramento per passo inferiore a 5 minuti.

La chiave non è un singolo algoritmo, ma l'ottimizzazione congiunta dei sistemi di addestramento e inferenza: il lato inferenziale utilizza calcoli a bassa precisione FP8 e componenti come DeepEP e DeepGEMM per aumentare il throughput, la separazione del pre-riempimento e della decodifica evita che le lunghe uscite degli strumenti rallentino la generazione, e il caricamento a livelli del KV Cache migliora la concorrenza; anche il lato di addestramento adotta FP8 a scala a blocchi e riduce le differenze di routing tra il lato di addestramento e quello di inferenza del modello MoE, aggiungendo FSDP, parallelismo degli esperti e parallelismo contestuale. Queste ottimizzazioni influenzeranno infine l'utilizzo delle GPU, il tempo di addestramento e i costi per i clienti.

A luglio di quest'anno, prime-rl ha aggiunto un livello di algoritmo unificato, incorporando sei metodi di addestramento: GRPO, MaxRL, On-Policy Distillation, self-distillation, SFT Distillation e ECHO, e consentendo di scegliere metodi diversi per ambienti diversi durante lo stesso addestramento. In termini semplici, lo stesso agente può utilizzare un metodo di apprendimento per compiti matematici e un altro per compiti di operazione terminale, senza dover riscrivere il trainer di base. Questo avvicina Prime Intellect a un sistema operativo RL scalabile, piuttosto che semplicemente "eseguire l'addestramento per i clienti".

Collaborazione hardware e software: Nvidia non è solo un investitore

Dalla composizione degli investitori nella Serie A, il legame tra i giganti dell'hardware e Prime Intellect non si limita a un livello di capitale, ma si estende alla co-costruzione dell'architettura hardware e software.

La collaborazione di Prime Intellect con Nvidia copre entrambi i livelli, hardware e software. Per quanto riguarda l'hardware, i carichi di lavoro di addestramento e servizio stanno già utilizzando i sistemi rack-level NVIDIA Blackwell, Blackwell Ultra e NVL72, e l'azienda afferma che questi sistemi sono più efficienti rispetto ai precedenti cluster Hopper.

Dal punto di vista software, NVIDIA Dynamo viene utilizzato per l'orchestrazione globale dell'inferenza, l'auto-scaling, il routing delle richieste e il caricamento del KV Cache, e viene integrato con il deployment su larga scala di LoRA (Low-Rank Adaptation, una tecnica di fine-tuning per modelli linguistici di grandi dimensioni) di Prime Intellect.

Il blog tecnico di Nvidia conferma anche che Prime Intellect ha implementato il framework di inferenza NVIDIA Dynamo nei flussi di lavoro di produzione e ha partecipato alla progettazione e integrazione del supporto per LoRA Adapter.

Prime Intellect ha dichiarato a marzo di quest'anno che testerà il carico di lavoro RL sandbox attorno alla CPU NVIDIA Vera e prevede di migrare parte della sandbox una volta che Vera sarà disponibile pubblicamente, offrendo sandbox GPU sul sistema Vera Rubin. L'auto-test dell'azienda afferma che ogni slot della CPU Vera può eseguire stabilmente 176 macchine virtuali in parallelo; con il carico di lavoro impostato per la sandbox RL, l'output è circa il 30% superiore rispetto alla baseline AMD Zen 5 su AWS, che utilizza solo core fisici.

Questi numeri mostrano un potenziale vantaggio di costo, ma attualmente provengono da test di collaborazione e l'ambiente di confronto non è completamente identico, quindi non possono essere considerati conclusioni generali sulle prestazioni. Vera Rubin e le sandbox GPU dovrebbero essere descritte come "piani per l'adozione", piuttosto che come già ampiamente commercializzate.

Con la maturazione del prodotto, la vera monetizzazione commerciale sta avvenendo. Secondo quanto rivelato da Prime Intellect, la società fintech Ramp utilizza Prime Intellect Lab per addestrare il sottogruppo di intelligenza FastAsk per Ramp Labs: Ramp ha trasformato il proprio editor di fogli elettronici AI, Ramp Sheets, in un ambiente RL addestrabile, utilizzando Qwen3.5-35B-A3B come modello di base per l'addestramento di apprendimento rinforzato.

I risultati pubblicati da Prime Intellect mostrano che l'accuratezza di FastAsk è del 66,25%, superiore al 61,88% di Claude Opus 4.6, con un tempo medio inferiore di circa il 27%.

Poiché il set di test e la valutazione sono definiti dalle due parti in collaborazione, ciò non implica che questo modello da 35B superi Opus in termini di capacità generali, ma dimostra un'affermazione più ristretta e di maggiore valore commerciale: le aziende possono addestrare modelli più piccoli per diventare esperti in flussi di lavoro specifici.

È vero che l'"ARR" supera i 100 milioni di dollari?

È fondamentale chiarire che il termine originale utilizzato da Prime Intellect è "oltre 100 milioni di dollari di entrate annualizzate", e non "100 milioni di dollari di entrate ottenute nell'ultimo anno".

Le entrate annualizzate di solito proiettano il tasso di entrate di un mese o di un trimestre recente su un anno; se l'attività sta crescendo rapidamente, potrebbe essere significativamente superiore alle entrate effettive degli ultimi dodici mesi. Per le attività di GPU, addestramento e inferenza a pagamento per utilizzo, questo indicatore non rappresenta nemmeno contratti annuali di rinnovo automatico firmati dai clienti per lo stesso importo.

Dall'annuncio di Prime Intellect e dai prodotti a pagamento già lanciati, la commercializzazione dell'azienda copre principalmente quattro categorie di prodotti: la prima è il mercato del calcolo, che include istanze GPU a pagamento per utilizzo, cluster multi-nodo e cluster riservati; la seconda è l'addestramento in hosting Lab, con costi basati su input, output e token di addestramento del modello; la terza è l'inferenza e la valutazione in hosting, anch'essa correlata al volume di chiamate del modello; la quarta è le sandbox, con costi basati su CPU, memoria, disco e durata di esecuzione.

La dinamica di crescita di questa struttura di entrate non è difficile da comprendere. In primo luogo, i cluster GPU sono risorse ad alto costo per cliente, consumate continuamente su base oraria, il che consente di scalare le entrate più rapidamente rispetto a un abbonamento software puro. In secondo luogo, Prime Intellect sta estendendo il percorso di consumo dei clienti da "noleggiare GPU" a "costruire ambienti --- eseguire inferenze --- fare valutazioni --- addestramento di apprendimento rinforzato --- implementazione", consentendo allo stesso cliente di generare utilizzo in più fasi. Inoltre, l'apprendimento rinforzato degli agenti richiede un elevato numero di rollout paralleli, inferenze a lungo contesto e sandbox isolate, che consumano naturalmente più potenza di calcolo rispetto a normali API di domande e risposte.

I più di 6000 clienti rivelati da Prime Intellect e il caso di Ramp dimostrano almeno che la piattaforma non è più solo una dimostrazione di ricerca. Tuttavia, quando si esamina il numero di 100 milioni di dollari, è necessario mantenere alcune riserve. Prime Intellect è una società privata e attualmente non ha pubblicato bilanci auditati, né ha fornito informazioni sui ricavi mensili o trimestrali su cui si basa il calcolo delle entrate annualizzate, tassi di pagamento dei clienti, suddivisione delle entrate e concentrazione dei clienti. Non è chiaro se le entrate del mercato della potenza di calcolo siano confermate in base alla spesa totale dei clienti o al reddito netto della piattaforma.

Inoltre, Prime Intellect attualmente non offre un accordo di livello di servizio (SLA) formale per il mercato del calcolo, affermando che la ragione è che l'infrastruttura sottostante proviene da più fornitori. L'azienda consiglia agli utenti con requisiti di stabilità elevati di scegliere Secure Cloud; se si verifica un guasto da parte di un fornitore, potrebbe essere offerto un rimborso o un credito sulla piattaforma.

Rispetto a un singolo numero finanziario, i progressi più facili da verificare sono che Prime Intellect ha trasformato l'addestramento collaborativo distribuito, precedentemente disordinato, in un'infrastruttura full-stack "con modelli sviluppati internamente, un ecosistema open source, supporto hardware da giganti e fatture reali per le aziende".

Indizi di emissione di token rimossi dai documenti

Un dettaglio che non può essere trascurato è che, mentre Prime Intellect entra oggi nel club delle valutazioni da 1 miliardo di dollari e annuncia con grande enfasi un ARR di 100 milioni di dollari, ho notato che le espressioni precedentemente ricche di Web3 nei documenti ufficiali: "contratti distribuiti sulla rete di test Base Sepolia", "migrazione futura su blockchain sviluppata internamente" e "distribuzione di token come ricompensa in base al tempo attivo attraverso il contratto RewardsDistributor" --- sono state completamente rimosse.

Questa cancellazione a livello documentale era già stata preannunciata nel tweet ufficiale pubblicato all'inizio di marzo 2025.

All'epoca, Prime Intellect annunciò di aver completato un finanziamento di 15 milioni di dollari guidato da Founders Fund, uno dei principali fondi della Silicon Valley, e nel roster degli investitori chiave figuravano anche Andrej Karpathy (co-fondatore di OpenAI), Clem Delangue (CEO di Hugging Face) e Balaji Srinivasan, tra i più importanti. È stato proprio da quel momento che la logica di base del progetto ha subito una decostruzione.

La narrazione inizialmente ricca di grassroots di "emissione di token, estrazione di potenza di calcolo retail, incentivi airdrop" è immediatamente diventata una zona di pericolo che tocca le linee rosse della conformità del capitale di rischio tradizionale. Per attrarre il capitale del mercato mainstream, Prime Intellect deve superficialmente completare una pulizia totale da "Crypto-first" a "AI-first".

Tuttavia, il suo addestramento di modelli distribuiti ha mantenuto il nucleo topologico della rete P2P, ma la decentralizzazione non è più una narrazione di token per il retail, ma è diventata un canale invisibile per le aziende B2B per "gestire a basso costo la potenza di calcolo globale inutilizzata".

Ora Prime Intellect assomiglia più a una pura azienda AI SaaS, e il futuro probabilmente porterà a un'IPO o a un'acquisizione a premio da parte di un gigante dell'hardware tradizionale.