1.3亿美元A轮融资，构建开放超级智能堆栈

Prime Intellect 今日宣布完成1.3亿美元A轮融资，由 Radical Ventures 领投，NVIDIA Ventures、Intel Capital、Dell Technologies Capital 及现有投资者跟投。至此，公司总融资额超过1.5亿美元，用于构建开放的超级智能堆栈。此外，包括 John Schulman（Thinking Machines）、Karim Atiyeh（Ramp）、Aaron Levie（Box）等在内的多位前沿领域构建者也以天使身份加入。

公司指出，强化学习（RL）正在改变前沿AI的构建格局。预训练曾将前沿AI集中在少数实验室，而RL打破了这一局面：企业现在可以拥有自己的模型优化循环——直接基于自身产品进行训练，针对特定工作流进行优化，并构建在生产中持续改进的智能体。拥有这一循环是在智能体时代构建复利护城河的关键。此前缺失的正是基础设施，而这一直仅限于实验室内部。

Prime Intellect 的开放超级智能堆栈覆盖了训练、部署和持续改进模型的完整链路，包括算力、大规模RL、环境、沙盒、评估和部署。公司对超过6000家客户表示感谢，其中包括众多领先的AI初创公司、新实验室和企业，他们使用公司的算力、RL与后训练、沙盒、推理、环境和评估等产品。在不到一年内，需求已转化为超过1亿美元的年化收入。

以 Ramp 为例，该公司使用 Prime Intellect 的后训练堆栈击败了封闭前沿模型。Ramp 在 Lab 上训练了一个350亿参数的模型，在电子表格搜索任务上超越了 Opus，运行速度比 Haiku 快27%，且成本远低。Ramp 联合 CEO Karim Atiyeh 表示：“我们与 Prime Intellect 合作，在 Lab 上训练了 Fast Ask——一个经 RL 训练的小型子智能体，帮助 Ramp Sheets 智能体在电子表格中查找答案。结果在准确性上超越了前沿模型，同时速度更快、成本更低。我们没有等待更好的前沿模型，而是针对对我们重要的工作流训练了自己的模型。”

未来，Prime Intellect 将扩展堆栈的每一层——更大的算力集群、更大规模的RL运行，以及用于智能体训练、推理和持续学习的完整工具链。公司还在前沿领域进行大胆押注，包括：长时程智能体和递归语言模型（RLM），后者能自行管理上下文并协调子智能体；自动化AI研究和科学，覆盖从预训练到RL的各个方面；以及持续学习——模型在生产中学习，训练和推理融合为单一连续循环。公司表示，其堆栈正是为这一未来而构建，实现了RL试运行、训练和服务之间的紧密集成。

Prime Intellect 是一个小型团队，正在与全球资金最充足的封闭实验室赛跑，以开放方式构建超级智能。团队邀请有志者加入，无论是使用其平台训练自有前沿模型，还是投身于开放超级智能的基础设施建设。