River AI ระดมทุน $1.1B สร้าง AI Agent ส่วนตัวที่คุณฝึกฝน เป็นเจ้าของ และควบคุมได้

ภารกิจ Full-Stack: สร้าง AI ใหม่ตั้งแต่รากฐาน

เป้าหมายหลักของ River AI คือการ ** reinvent AI ตั้งแต่ต้น** โดยสร้าง Full-Stack ใหม่ตั้งแต่ต้นจนจบ ครอบคลุมโครงสร้างพื้นฐานสำหรับฝึก, ตัวโมเดล, ชั้นผลิตภัณฑ์ และฮาร์ดแวร์ เพื่อสร้าง ผู้ช่วยแบบ Agentic ที่สามารถฝึกฝนได้เป็นส่วนตัว บริษัทชี้แจงอย่างชัดเจนว่านี่คือการเปลี่ยนทิศทางจากการสร้าง AI ที่มาแทนที่พนักงานมนุษย์ แต่คือการสร้าง AI ที่คุณสามารถสอน ปรับแต่ง และเป็นเจ้าของได้

Igor Babuschkin ผู้ก่อตั้งอธิบายว่า นี่หมายถึงการสร้างปัญญาประดิษฐ์ที่ "ไหลไปกับคุณ" (flows with you) แทนที่จะนั่งอยู่ในกล่องดำที่คุณแค่ป้อนคำสั่งได้ วิสัยทัศน์ระยะยาว: โลกที่ทุกคนมี AI Agent ส่วนตัวที่ได้รับการฝึกฝนของตนเองทำงานแทนพวกเขา แทนที่จะเป็นโมเดลขนาดเดียวที่เหมาะกับทุกคนซึ่งเป็นของบริษัทเดียว

ผลิตภัณฑ์แรก: River API — ยาแก้พิษของการ Prompt Engineering

ผลิตภัณฑ์แรกของ River ที่เปิดตัวตั้งแต่เดือนมิถุนายน 2026 คือ River API ซึ่งเป็นบริการฝึกโมเดลระบบคลาวด์สำหรับโมเดลโอเพ่นเวท API นี้มีบริการ:

• LoRA-based fine-tuning และ reinforcement learning (RL) สำหรับโมเดลโอเพ่นซอร์สตั้งแต่ 35 พันล้านถึง 1 ล้านล้านพารามิเตอร์ รวมถึง Qwen3.6, Kimi K2.6 และ GLM 5.2 (เพิ่มโมเดลใหม่อย่างสม่ำเสมอ)
• Python client ตัวเดียวสำหรับการฝึก, การสุ่มตัวอย่าง และการให้บริการ พร้อม การคิดค่าบริการต่อ token สำหรับทั้งการฝึกและการอนุมาน — แทนที่จะคิดค่า GPU เป็นรายชั่วโมง

River วางตำแหน่ง API นี้โดยตรงให้เป็น ยาแก้พิษของการ Prompt Engineering เอกสารผลิตภัณฑ์ของบริษัทระบุว่า: "การ Prompt เป็นการบังคับทิศทางโมเดลที่คุณไม่ได้เป็นเจ้าของและไม่สามารถปรับปรุงได้ River ให้คุณฝึกโมเดลโอเพ่นให้เป็นโมเดลที่เป็นของคุณอย่างแท้จริง — และให้บริการมันเหมือนกับ endpoint อื่นๆ"

ประสิทธิภาพระดับองค์กร: ฝึก RL ใน 15 นาที ประหยัด 2-4 เท่า

River อ้างว่าผ่าน API ของตน องค์กรใดๆ ก็สามารถทำการฝึก Reinforcement Learning ที่ซับซ้อนเสร็จภายใน 15 ถึง 20 นาที โดยไม่จำเป็นต้องมีทีมโครงสร้างพื้นฐานเฉพาะ แพลตฟอร์มจะจัดการการถ่ายโอนน้ำหนัก, ความสอดคล้องระหว่างการสุ่มตัวอย่างและการฝึก, การจัดสรรการประมวลผลแบบยืดหยุ่น และการจัดการ GPU โดยอัตโนมัติภายใต้ฝาครอบ

นอกจากนี้ บริษัทยังอ้างว่าแนวทางนี้ให้ การประหยัดต้นทุน 2 ถึง 4 เท่า เมื่อเทียบกับทางเลือกโอเพ่นซอร์สแบบปิด โดยการกำจัดต้นทุน GPU ที่ไม่ได้ใช้ผ่านการคิดค่าบริการตาม Token และการจัดการโครงสร้างพื้นฐานอัตโนมัติ

ผู้ร่วมก่อตั้งที่มีเครดิตด้าน AI ล้ำลึก

Igor Babuschkin นำความน่าเชื่อถืออย่างมากมาสู่กิจการนี้ ก่อนร่วมก่อตั้ง xAI เขาทำงานด้านการสร้างแบบจำลองเชิงกำเนิด (generative modeling) และการเรียนรู้แบบเสริมกำลัง (reinforcement learning) ที่ Google DeepMind และนำทีมฝึกโมเดลขนาดใหญ่ที่ OpenAI ผู้ร่วมก่อตั้งคนอื่นๆ ได้แก่ Dmytro (Dima) Soboliev, Ievgen Soboliev และ Aaron Rogers โดยทีมผู้นำยังรวมถึงอดีตนักวิจัยจาก OpenAI และ DeepMind

ภาพใหญ่: AI ส่วนตัวสำหรับทุกคน

นอกเหนือจากผลิตภัณฑ์ API แล้ว วิสัยทัศน์ที่กว้างขึ้นของ River AI ถือเป็นหนึ่งในวิสัยทัศน์ที่โดดเด่นที่สุดในแวดวง AI ปัจจุบัน แทนที่จะแข่งขันกันสร้างโมเดลอัจฉริยะเดี่ยวที่ให้บริการทุกคน River ต้องการให้ ทุกคนเป็นเจ้าของปัญญาประดิษฐ์ของตนเอง ซึ่งถูกหล่อหลอมโดยข้อมูลของพวกเขาเอง งานของพวกเขา และเป้าหมายของพวกเขา บริษัทวางแผนที่จะขยายจาก API ปัจจุบันไปสู่โมเดล, ชั้นผลิตภัณฑ์ และฮาร์ดแวร์เพื่อทำให้สิ่งนี้เป็นจริงอย่างสมบูรณ์

ดังที่ Marc Bhargava กรรมการผู้จัดการของ General Catalyst กล่าวไว้ว่า การลงทุนนี้เชื่อมโยงกับความกังวลเชิงกลยุทธ์ที่กว้างขึ้น: "ความเป็นผู้นำของอเมริกาในด้าน AI ต้องการความเป็นผู้นำอย่างเร่งด่วนในโครงสร้างพื้นฐาน AI แบบโอเพ่นเวทที่สามารถปรับแต่งได้เฉพาะบุคคล" River AI ด้วยเงินทุน 1.1 พันล้านดอลลาร์และนักลงทุนระดับแนวหน้า กำลังเดิมพันว่าอนาคตของ AI ไม่ใช่โมเดลเดียวที่คุณป้อนคำสั่ง แต่เป็นโมเดลนับล้านที่ผู้คนฝึกฝนและเป็นเจ้าของด้วยตนเอง