River AI 募資 11 億美元，打造開源 AI 基礎架構堆疊

2026 年 8 月 11 日，總部位於加州帕羅奧圖（Palo Alto）的新創公司 River AI 宣布完成 11 億美元融資。本輪由知名創投 General Catalyst 與 AMP PBC 領投，NVIDIA 與 AMD Ventures 進行策略性投資，Y Combinator 與淡馬錫（Temasek）亦參與其中。River AI 的創辦人是 xAI 共同創辦人 Igor Babuschkin——這是截至目前為止，開源權重（open-weight）AI 基礎架構領域最大規模的單筆投資之一，也標誌著頂級投資人對「企業 AI 的未來在於自行訓練與擁有模型，而非向少數前沿實驗室租用」這一命題投下了巨大賭注。

River AI 正在打造什麼

River AI 的核心主張看似簡單：為企業與開發者提供完整的工具鏈，讓他們能夠基於開源權重模型進行訓練、微調（fine-tune）、部署與營運自有的 AI 模型——而且不需要維護一支專職的 AI 基礎架構團隊。該公司的首項產品是 River API，Babuschkin 在發布公告中表示，它讓「任何人都能基於開源權重模型，建構自訂代理程式（agents）與大型語言模型」。

平台提供針對前沿開源權重模型的 LoRA（低秩適應，Low-Rank Adaptation）微調與強化學習（reinforcement learning）能力。在底層，River 自動管理那些通常需要一整個基礎架構工程團隊才能處理的複雜工作：權重傳輸、取樣與訓練環境之間的一致性，以及彈性運算資源調度。透過平台訓練完成的模型可以直接進入生產環境，無需額外的管線工程。

最引人注目的技術數據在於效能。River 表示，其 API 讓企業能夠在 15 到 20 分鐘內完成複雜的強化學習訓練流程——同樣的工作在傳統基礎架構上可能需要數小時甚至數天。該公司還聲稱，其方案的成本比閉源替代方案低二到四倍，採用基於 token 的計量方式來同時計費訓練與推論，客戶只需為實際使用量付費，而不必為閒置的 GPU 容量買單。

創辦人：橫跨所有主要 AI 實驗室的職業生涯

Babuschkin 的履歷幾乎就是一部現代 AI 發展史。他最初在歐洲核子研究組織（CERN）擔任粒子物理研究員，隨後轉入 Google DeepMind 從事 AI 研究，參與了 AlphaStar 專案——該系統於 2019 年在《星海爭霸 II》中擊敗了頂尖人類玩家。之後他加入 OpenAI，主導大規模訓練專案，並於 2023 年與馬斯克共同創辦 xAI。

在 xAI 期間，Babuschkin 負責督導基礎架構、產品與應用 AI 的工程團隊，並親自指揮孟菲斯（Memphis）超級電腦叢集的建設——這座龐大的 GPU 安裝基地是 Grok 模型的運算骨幹，僅用了 122 天就建成啟用。然而，他在 2026 年 4 月離開了這一切，在內華達州註冊成立了 River AI，其核心論點與他所協助建立的集中式 AI 模型恰好相反。

「AI 應該是開放的、自由取得的、負擔得起的，」Babuschkin 在融資公告中表示。「它應該讓人感覺是在為使用它的人服務，而不是為訓練它的實驗室服務。」

開源權重論點

River AI 的核心賭注是：企業 AI 正處於結構性轉變的前夕。目前，多數組織透過大型前沿實驗室（如 OpenAI、Google、Anthropic）提供的 API 來消費 AI——租用為大眾用途設計的通用模型。River 認為，這種模式根本性地無法滿足那些需要模型特別針對自身專有資料、內部流程與領域需求進行訓練的企業。

替代方案——在內部建構自訂模型——傳統上需要專用硬體、深厚的基礎架構專業知識與大量資本支出。River 的提案是：將絕大多數複雜性抽象化，讓自訂模型訓練變得如同呼叫 API 一般簡單。

「今日 AI 的建構方式，並不是未來 AI 的建構方式，」Babuschkin 說。

General Catalyst 執行長 Hemant Taneja 從地緣政治的角度框架了這筆投資：「美國在 AI 領域的領導地位迫切需要在開源權重模型上取得領先，同時維持在閉源前沿模型上的優勢。」General Catalyst 常務董事 Marc Bhargava 則指出了 AI 模型能力的進步與企業實際將這些能力整合到自身營運之間的持續落差，認為 River 的方案填補了技術堆疊中一個關鍵的缺失層。

不只是軟體：硬體與個人 AI

雖然 River API 是該公司的首項商業產品，但 11 億美元的募資金額所資助的是一個更為宏大的願景。River 正在開發客製化硬體，旨在將個人化 AI 更貼近使用者——暗示著一個 AI 推論可以在本地裝置上執行、而非仰賴遠端資料中心的未來。公司同時也投入資源開發以個人化與持續學習（continual learning）為中心的產品，讓模型能隨時間適應個別使用者與組織，而非以單一通用基線服務所有人。

這種橫跨模型訓練、基礎架構、硬體與消費端產品的全端（full-stack）願景，解釋了募資規模為何如此龐大。River 並非在建構單一產品；它試圖從零開始打造一套替代性的 AI 技術堆疊，而其定義原則是使用者在每一層都擁有所有權。

市場脈絡與影響

River AI 的這輪融資出現在開源權重 AI 運動的關鍵轉折點。雖然 OpenAI 與 Anthropic 的閉源前沿模型一直占據新聞頭條，但開源權重替代方案——以 Meta 的 Llama 系列、阿里巴巴的 Qwen 系列與 DeepSeek 的模型為首——正迅速縮小能力差距。企業與政府日益表達對少數專有 AI 供應商過度依賴的擔憂，無論是出於成本考量還是資料主權（data sovereignty）的理由。

NVIDIA 與 AMD 以策略性投資者身分參與本輪融資，尤其值得關注。兩家公司都供應支撐全球 AI 基礎架構建設的 GPU 與加速器。透過投資 River，它們在閉源模型與開源權重兩大生態系之間兩面下注，確保無論哪種範式最終勝出，對其硬體的需求都會持續成長。

考慮到 River AI 僅在 2026 年 4 月註冊成立，且數月前才推出首款產品，11 億美元這個數字格外驚人。它反映了投資人對深厚技術背景與企業 AI 客製化市場規模所給予的非凡溢價。River 能否兌現其雄心勃勃的全端願景仍有待觀察，但資金、投資人陣容與創辦人的過往成就，使其成為開源權重生態系中起跑條件最強的公司之一。

對整個產業而言，River 的成立讓一個醞釀已久的問題更加清晰：AI 採用的下一階段，將由組織消費少數幾個來自主導實驗室的強大通用模型來定義，還是由數以千計、基於開源權重訓練、為使用組織所擁有的客製化模型來定義？手握 11 億美元新資金，Babuschkin 與他的投資人正對後者投下重注。