تصطدم كل محادثة مؤسسية عن الذكاء الاصطناعي في نهاية المطاف بنفس العائق: أنت تبني ميزتك التنافسية على نموذج لا تملكه. حين يُحدّث OpenAI أو Anthropic نموذجه الرئيسي، قد تتعطل سير عملك المضبوطة بعناية بين عشية وضحاها. وحين ترتفع التكاليف أو تتعطل واجهات API، لا يوجد لديك أي بديل. أنت تستأجر الذكاء — والمالك هو من يضع الشروط.
تراهن Prime Intellect على أن أكثر المؤسسات قيمةً ستختار مساراً مختلفاً. في الثامن من يوليو 2026، أعلنت الشركة عن جولة تمويل من السلسلة A بقيمة 130 مليون دولار بقيادة Radical Ventures، بمشاركة NVIDIA Ventures وIntel Capital وDell Technologies Capital. تُقدّر الجولة قيمة الشركة بـ مليار دولار — إنجاز لافت لشركة تأسست منذ عامين فحسب.
الشعار: امتلك ذكاءك.
الاستئجار مقابل البناء
ينقسم سوق الذكاء الاصطناعي المؤسسي إلى معسكرين.
المعسكر الأول يستأجر الذكاء. تتصل الشركات بـ Claude أو GPT-4o أو Gemini لتنفيذ مهام عامة. هذا النهج سريع التطبيق، يغطي مساحة واسعة، ولا يتطلب خبرة في تعلم الآلة. وللعديد من حالات الاستخدام، هو الخيار الأمثل.
المعسكر الثاني يبني الذكاء. أدركت هذه الشركات أن ميزتها التنافسية تكمن في نماذج متخصصة مدرّبة على بياناتها الخاصة وسير عملها المحددة. هي لا تشتري قدرات استدلال عامة — بل تدرّب نماذج لمجالات بعينها حيث يمكنها التفوق على أي نموذج حدودي.
Prime Intellect هي البنية التحتية لهذا المعسكر الثاني.
قال كريم عطية، المؤسس المشارك لشركة Ramp إحدى عملاء Prime Intellect الأساسيين: "بدلاً من الانتظار على نموذج حدودي أفضل، دربّنا نموذجنا الخاص للسير الذي يهمنا."
ما تبنيه Prime Intellect
تصف Prime Intellect نفسها بأنها مكدس الذكاء الفائق المفتوح — منصة متكاملة تمنح الفرق كل ما تحتاجه لتدريب وتقييم ونشر وكلاء الذكاء الاصطناعي الخاصة بها على نطاق حدودي.
تمتد المنصة عبر خمس طبقات:
1. البنية التحتية للحوسبة وصول إلى مجموعات GPU موزعة دون الحاجة إلى التفاوض على عقود مراكز البيانات. تجمع Prime Intellect الحوسبة عبر سوق نظير-إلى-نظير، مما يتيح تشغيل مهام التدريب التي كانت تستلزم بنية تحتية مخصصة بتكاليف باهظة.
2. التعلم المعزز على نطاق واسع يُتيح إطار عمل PRIME التدريب غير المتزامن على التعلم المعزز على نطاق واسع. على عكس الضبط الدقيق الخاضع للإشراف — حيث تُعلّم النموذج محاكاة أمثلة — يتيح التعلم المعزز للنموذج التعلم من خلال تحسين النتائج. أنت تحدد إشارة المكافأة (الدقة، السرعة، كفاءة التكلفة)، والنموذج يتعلم تعظيمها.
هذا هو المفتاح الأساسي: الضبط الدقيق الخاضع للإشراف يجعل النموذج أفضل في محاكاة بياناتك. التعلم المعزز يجعله أفضل في حل مشكلتك الفعلية.
3. البيئات والصناديق الرملية تحتاج الوكلاء إلى بيئات للتعلم فيها. توفر Prime Intellect بيئات تنفيذ معزولة تتيح للوكلاء اتخاذ إجراءات وتلقي مكافآت والتكرار — دون المساس بأنظمة الإنتاج.
4. أطر التقييم معرفة ما إذا كانت وكلاؤك تتحسن تتطلب قياساً دقيقاً. يتيح نظام التقييم في Prime Intellect للفرق تحديد معايير خاصة بالمجال وتتبع أداء الوكيل عبر جولات التدريب.
5. النشر والتعلم المستمر بيئة الإنتاج ليست نهاية التدريب — بل هي حيث يصبح التدريب الأكثر قيمة. تدعم بنية Prime Intellect التحتية التعلم المستمر، حيث تواصل النماذج تحسينها من إشارات الإنتاج بعد النشر.
تُشكّل هذه الطبقات معاً ما يسميه الرئيس التنفيذي فيسنت فايسر "حلقة مغلقة": النموذج يُدرَّب، يُنشر، يُولّد إشارات جديدة، ويُعاد تدريبه — يتحسن باستمرار في المهام التي تهم عملك.
دراسة حالة Ramp: نموذج 35B يتفوق على الحدودي
أبرز دليل عملي في إعلان Prime Intellect هو نشر Ramp.
استخدمت Ramp، شركة بطاقات الشركات وإدارة الإنفاق، منصة Prime Intellect لتدريب نموذج بحجم 35 مليار معامل متخصص في مهام البحث في جداول البيانات. النتيجة: تفوق النموذج على Claude Opus في الدقة لهذا سير العمل، مع أداء أسرع بنسبة 27% وبتكلفة أقل بكثير.
هذا ما يُطلقه التخصص القائم على التعلم المعزز. نموذج بـ 35 مليار معامل مدرّب على المهمة الصحيحة مع إشارة المكافأة الصحيحة يمكنه التفوق على نموذج حدودي يملك عشرة أضعاف المعاملات — لأن النموذج الحدودي يُحسّن الاتساع بينما يُحسّن النموذج المتخصص العمق.
تتحول الاقتصاديات بشكل جذري. بدلاً من دفع تكاليف API لكل رمز إلى مختبر حدودي، تُشغّل Ramp نموذجها الخاص على بنيتها التحتية الخاصة. منحنى التكلفة ينعكس مع نمو الاستخدام.
نماذج اللغة التكرارية والوكلاء طويلة الأمد
تُقدّم بنية Prime Intellect التقنية مفهوماً يتجاوز التعلم المعزز القياسي: نماذج اللغة التكرارية (RLMs).
يُحسّن وكلاء التعلم المعزز القياسيون مهام ذات أفق زمني قصير نسبياً. تمتد RLMs هذا إلى تنسيق الوكلاء طويل الأمد — حيث يحتاج الوكيل إلى التخطيط عبر خطوات عديدة وإدارة السياق لفترات مطولة والتنسيق مع وكلاء آخرين في أنظمة متعددة الوكلاء.
هذه هي البنية التي تجعل الذكاء الاصطناعي الوكيل عملياً لسير العمل المؤسسي المعقدة. وكيل البحث في جداول البيانات هو مهمة أحادية الخطوة. أما الوكيل الذي يدير عملية تسوية مالية متعددة الخطوات، ويُنشئ وكلاء فرعيين، ويتحقق من المخرجات، ويكتب تقرير ملخص — فهذا يتطلب تخطيطاً طويل الأمد تم تصميم RLMs للتعامل معه.
استخدمت Cognition، الشركة التي طورت مهندس البرمجيات الذكي Devin، بنية Dynamo التحتية من Prime Intellect لتسريع جولات التعلم المعزز الوكيلي — تحقق من أحد أكثر الفرق التقنية تطلباً في المجال.
لمن تناسب Prime Intellect؟
تضم Prime Intellect أكثر من 6000 عميل يشملون شركات ناشئة في مجال الذكاء الاصطناعي ومختبرات بحثية ومؤسسات. تبرز ثلاثة أنماط:
الأداء الخاص بالمجال: أي شركة حيث يستحق أحد سير العمل الأساسية التحسين المستمر — مراجعة الوثائق القانونية، التحليل المالي، حل مشكلات دعم العملاء، مراجعة الكود. يمكن لنموذج 35B متخصص التفوق على النموذج الحدودي في مهمتك المحددة بتكلفة أقل بكثير.
خصوصية البيانات والسيادة: المؤسسات التي تمتلك بيانات حساسة (الرعاية الصحية، المالية، القانونية، الحكومية) التي لا يمكن إرسالها إلى واجهات API لطرف ثالث. يحل تدريب نموذجك الخاص على بنيتك التحتية مشكلة إقامة البيانات دون المساس بقدرة الذكاء الاصطناعي.
التكلفة على نطاق واسع: مع نمو استخدام الذكاء الاصطناعي، تتراكم تكاليف API لكل رمز. حين تُشغّل ملايين استدعاءات الوكلاء يومياً، تتحول اقتصاديات امتلاك نموذج مقابل استئجاره بشكل جذري لصالح الامتلاك.
يُطرح فايسر الرؤية بشكل أوسع: "كل مؤسسة وكل دولة" يجب أن تمتلك القدرة على تدريب ذكائها الاصطناعي وامتلاكه.
البدء مع Prime Intellect
المنصة متاحة على primeintellect.ai بنهج معياري — يمكن للفرق البدء بالوصول إلى الحوسبة وأدوات ما بعد التدريب قبل اعتماد خط أنابيب التعلم المعزز الكامل.
يبدو المسار النموذجي لفرق المؤسسات كالتالي:
الخطوة 1 — تأسيس خط الأساس: ضبط نموذج مفتوح المصدر موجود (Llama أو Mistral أو ما شابه) على بيانات مجالك لتأسيس معيار أداء مقارنةً بواجهات API الحدودية.
الخطوة 2 — تحديد إشارة المكافأة: ما معنى "أفضل" لمهمتك المحددة؟ الدقة، زمن الاستجابة، التكلفة لكل إجابة صحيحة؟ يساعدك نظام التقييم في Prime Intellect على تشغيل هذا بدقة.
الخطوة 3 — تشغيل تدريب التعلم المعزز: استخدم إطار PRIME لتشغيل التعلم المعزز مقابل إشارة المكافأة الخاصة بك. يتعلم النموذج التحسين وفق تعريفك الخاص للنجاح.
الخطوة 4 — النشر وجمع الإشارات: يُولّد الاستخدام الإنتاجي إشارات تدريب جديدة. تتيح بنية التعلم المستمر التحتية للنموذج الاستمرار في التحسين من التغذية الراجعة الواقعية.
الصورة الكبيرة
تُشير جولة Prime Intellect البالغة 130 مليون دولار إلى الاتجاه الذي يسير نحوه الذكاء الاصطناعي المؤسسي. كانت الموجة الأولى تتعلق بالوصول — الاتصال بنماذج حدودية قوية عبر API. الموجة الثانية تتعلق بالامتلاك — تدريب نماذج تفهم مجالك المحدد بشكل أفضل مما يمكن لأي نظام للأغراض العامة.
مكدس الذكاء الفائق المفتوح هو رهان Prime Intellect على أن هذه الموجة الثانية ستكون ضخمة. مع NVIDIA وIntel Capital وDell Technologies Capital كمستثمرين — وRamp وZapier وCognition كعملاء — الأطروحة تمتلك تحققاً جدياً.
السؤال الذي يواجه كل مؤسسة الآن ليس ما إذا كانت ستستخدم الذكاء الاصطناعي. بل هل تبني ذكاءً تمتلكه، أم تستأجره إلى الأبد من شخص آخر؟
أعلنت Prime Intellect عن جولة Series A بقيمة 130 مليون دولار في 8 يوليو 2026. المنصة متاحة على primeintellect.ai بخدمات الحوسبة وتدريب التعلم المعزز والتقييم والنشر لفرق الذكاء الاصطناعي المؤسسية.