才剛亮相兩個月！xAI 聯合創辦人打造 River AI，獲 11 億美元資金，誓言重建 AI 堆疊

2026 年 8 月 11 日，一家才從隱身模式走出兩個月的新創公司 River AI 宣布，已獲得總額 11 億美元 的種子輪與 A 輪融資 。此輪融資由 General Catalyst 與 AMP PBC 共同領投，並獲得 Nvidia、AMD Ventures、Y Combinator 及新加坡主權財富基金 Temasek 的戰略投資 。

River AI 由 xAI 聯合創辦人 Igor Babuschkin 所創立。他曾在 DeepMind 及 OpenAI 任職，並在兩家公司主導大規模模型訓練。該公司於 2026 年 6 月 10 日走出隱身模式，懷抱著一個雄心壯志：他認為，AI 產業一直在打造用來取代人類的工具，但正確的方向應該是打造能 與每個人並肩合作、為每個人服務 的工具 。

全端使命：從零開始重建 AI 堆疊

River AI 的核心使命是 從零開始打造 AI，全面重建整個技術堆疊——從訓練基礎設施、模型、產品層到硬體——以創造 可供個人訓練的代理式助手 。該公司明確將此定位為：不再開發取代人類員工的 AI，而是要打造你可以教導、塑造並擁有的 AI 。

創辦人 Igor Babuschkin 曾形容，這意味著創造一種能「與你一起流動」的智慧，而不是一個你只能對其下指令的黑盒子 。其長期願景是：讓世界上每個人都擁有自己專屬的、經過個人訓練的 AI 代理人為他們工作，而不是由單一公司擁有、適用於所有人的通用模型 。

首款產品：River API——對抗「提示詞工程」的解答

River 的首款產品 River API 自 2026 年 6 月推出以來已正式上線，這是一個針對開放權重模型的雲端訓練服務 。該 API 提供：

• 基於 LoRA 微調 和 強化學習 (RL) 的訓練功能，支援從 350 億到 1 兆個參數 的開源模型，包括 Qwen3.6、Kimi K2.6 和 GLM 5.2 等，並會定期新增更多模型
• 一個統一的 Python 客戶端，可用於訓練、取樣和服務，採用 以 token 為計費單位（每百萬個 token）的方式，而非按 GPU 小時計費

River 將此 API 定位為 提示詞工程 (prompt engineering) 的終結者。其產品文宣寫道：「提示詞只能操控一個你不擁有、也無法改進的模型。而 River 讓你能訓練開源模型，使其真正成為你的模型——並像任何其他端點一樣為其提供服務。」

企業級效能：15 分鐘完成強化學習，成本節省 2 到 4 倍

River 聲稱，透過其 API，任何企業都能在 15 到 20 分鐘內完成一次複雜的強化學習訓練，且無需專門的基礎設施團隊 。該平台會自動處理權重傳輸、取樣與訓練的一致性、彈性運算資源分配以及 GPU 管理 。

該公司進一步表示，這種方法透過以 token 為基礎的計費和自動化的基礎設施管理，能消除閒置 GPU 的成本，與封閉源替代方案相比，可節省 2 到 4 倍的費用 。

深厚 AI 背景的共同創辦人

Igor Babuschkin 為這項事業帶來了相當的份量。在共同創辦 xAI 之前，他曾在 Google DeepMind 從事生成式模型與強化學習研究，並在 OpenAI 主導大規模訓練工作 。其他共同創辦人包括 Dmytro (Dima) Soboliev、Ievgen Soboliev 和 Aaron Rogers，其領導團隊也包含前 OpenAI 和 DeepMind 的研究人員 。

宏觀視野：每個人都能擁有自己的 AI

在 API 產品之外，River AI 的更廣闊願景在當前的 AI 領域中獨樹一幟。他們並非想打造一個服務所有人的單一超智慧模型，而是希望讓 每個人都能擁有自己的智慧——由他們自己的數據、任務和目標所塑造 。該公司計劃從目前的 API 擴展到模型、產品層和硬體，以全面實現這一願景 。

正如 General Catalyst 常務董事 Marc Bhargava 所指出，這項投資與一項更廣泛的戰略考量息息相關：「美國在 AI 領域的領導地位迫切需要在開放權重、可自訂訓練的 AI 基礎設施上取得領導地位。」 River AI 憑藉其 11 億美元的資金和頂級投資者的支持，正在押注 AI 的未來並非一個你只能對其下指令的單一模型，而是數百萬個由人們自行訓練並擁有的模型。