五、团队与融资背景
Prime Intellect 于 2025 年 2 月完成 1500 万美元种子轮融资，由 Founders Fund 领投，Menlo Ventures、Andrej Karpathy、Clem Delangue、Dylan Patel、Balaji Srinivasan、Emad Mostaque、Sandeep Nailwal 等多位行业领袖参投。此前，项目于 2024 年 4 月完成 550 万美元早期轮融资，由 CoinFund 和 Distributed Global 共同领投，Compound VC、Collab + Currency、Protocol Labs 等机构亦有参与。截至目前，Prime Intellect 累计融资已超过 2000 万美元。
Prime Intellect 的联合创始人是 Vincent Weisser 和 Johannes Hagemann，团队成员背景横跨 AI 与 Web3 领域，核心成员来自 Meta AI、Google Research、OpenAI、Flashbots、Stability AI 及以太坊基金会，具备系统架构设计与分布式工程落地的深厚能力，是当前极少数成功完成真实去中心化大模型训练的执行型团队之一。
Pluralis：异步模型并行与结构压缩协同训练的范式探索者Pluralis 是一个专注于「可信协同训练网络」的 Web3 AI 项目，其核心目标是推动一种去中心化、开放式参与、并具备长期激励机制的模型训练范式。与当前主流集中式或封闭式训练路径不同，Pluralis 提出了一种名为 Protocol Learning（协议学习） 的全新理念：将模型训练过程「协议化」，通过可验证协作机制和模型所有权映射，构建一个具备内生激励闭环的开放训练系统。
一、核心理念：Protocol Learning（协议学习）
Pluralis 提出的 Protocol Learning 包含三大关键支柱：
-
不可提取模型 (Unmaterializable Models)： 模型以碎片形式分布在多个节点之间，任何单一节点无法还原完整权重保持闭源。这种设计使模型天然成为「协议内资产」，可实现访问凭证控制、外泄防护与收益归属绑定。
-
基于互联网的模型并行训练 (Model-parallel Training over Internet)：通过异步 Pipeline 模型并行机制（SWARM 架构），不同节点仅持有部分权重，通过低带宽网络协作完成训练或推理。
-
按贡献分配模型所有权 (Partial Ownership for Incentives)：所有参与节点根据其训练贡献获得模型部分所有权，从而享有未来收益分成及协议治理权。
二、Pluralis 协议栈的技术架构
三、关键技术机制详解
Unmaterializable Models
在《A Third Path: Protocol Learning》中首次系统提出，模型权重以碎片形式分布，保障「模型资产」只能在 Swarm 网络中运行，确保其访问与收益皆受协议控制。此机制是实现去中心化训练可持续激励结构的前提。
Asynchronous Model-Parallel Training
在《SWARM Parallel with Asynchronous Updates》中，Pluralis 构建了基于 Pipeline 的异步模型并行架构，并首次在 LLaMA-3 上进行实证。核心创新在于引入 Nesterov Accelerated Gradient（NAG） 机制，有效修正异步更新过程中的梯度漂移与收敛不稳问题，使异构设备间的训练在低带宽环境下具备实际可行性。