River AI، استارت آپی که توسط یکی از بنیانگذاران xAI ایگور بابوشکین تأسیس شده است، ۱.۱ میلیارد دلار بودجه برای ساخت یک پلتفرم هوش مصنوعی تمام پشته با تمرکز بر مدل‌های باز، سفارشی‌سازی و هوش مصنوعی جمع‌آوری کرده است. رویترز در 11 آگوست 2026 گزارش داد که دور توسط General Catalyst و AMP PBC، با سرمایه گذاری های استراتژیک NVIDIA و AMD Ventures و مشارکت اضافی Y Combinator و Temasek رهبری شد.

این شرکت در حال توسعه زیرساخت‌هایی است که به توسعه‌دهندگان و شرکت‌ها امکان می‌دهد بدون نیاز به تیم زیرساخت اختصاصی یا سخت‌افزار تخصصی، مدل‌های هوش مصنوعی خود را آموزش، تنظیم، استقرار و کنترل کنند. برای پوشش جامع آخرین تحولات صنعت هوش مصنوعی و دورهای تامین مالی، خوانندگان می توانند [اخبار جدید هوش مصنوعی AI Buzz Wire] (https://aibuzzwire.news) را دنبال کنند.

توسط یک جانباز xAI و OpenAI تاسیس شد

بابوشکین اعتبار فنی عمیقی را برای سرمایه گذاری به ارمغان می آورد. او یکی از بنیانگذاران xAI، شرکت هوش مصنوعی ایلان ماسک بود و قبلاً در Google DeepMind روی مدل‌سازی مولد و یادگیری تقویتی کار می‌کرد و قبل از اینکه تلاش‌های آموزشی در مقیاس بزرگ را در OpenAI رهبری کند. تیم موسس او شامل مهندسین با تجربه در XAI و Tesla در زمینه یادگیری عمیق، یادگیری تقویتی و سایر بخش‌های پشته فناوری هوش مصنوعی است.

دفتر مرکزی River AI در پالو آلتو، کالیفرنیا قرار دارد و تز آن ساده اما بلندپروازانه است: توسعه هوش مصنوعی به طور فزاینده ای از تکیه بر مدل های همه منظوره آموزش دیده برای میلیاردها کاربر به سمت مدل های سفارشی سازی شده بر اساس نیازهای شرکت ها و در نهایت افراد منفرد دور می شود.

زیرساخت ساخته شده برای سرعت و کارایی هزینه

پلتفرم ریور به گونه ای طراحی شده است که ساخت مدل های هوش مصنوعی خود را برای سازمان ها بسیار آسان تر و ارزان تر می کند. این شرکت گفت که API آن می تواند آموزش های تقویتی پیچیده را در حدود 15 تا 20 دقیقه اجرا کند در حالی که هزینه هایی را دو تا چهار برابر کمتر از جایگزین های منبع بسته ارائه می دهد.

این پلتفرم از تنظیم دقیق و یادگیری تقویتی LoRA برای مدل‌های با وزن باز مرزی پشتیبانی می‌کند. River نیازهای زیرساختی اساسی را انجام می دهد، از جمله انتقال وزن، سازگاری نمونه-آموزش، و محاسبات الاستیک، که به توسعه دهندگان اجازه می دهد به جای مدیریت زیرساخت GPU بر بهبود عملکرد مدل تمرکز کنند. مدل های آموزش دیده از طریق پلت فرم می توانند مستقیماً در تولید مستقر شوند.

یک تمایز کلیدی مدل قیمت گذاری ریور است. این شرکت از اندازه‌گیری مبتنی بر توکن هم برای آموزش و هم برای استنتاج استفاده می‌کند، که هدف آن جلوگیری از پرداخت هزینه برای ظرفیت GPU استفاده‌نشده توسط مشتریان است، که یک مشکل رایج برای سازمان‌هایی است که با ارائه‌دهندگان GPU سنتی ابری کار می‌کنند.

شرط بندی در آینده با وزن باز

دور 1.1 میلیارد دلاری منعکس کننده اعتقاد سرمایه گذاران رو به رشد است که اکوسیستم هوش مصنوعی وزن باز در کنار مدل های مرز بسته از اهمیت استراتژیک برخوردار خواهد شد. جنرال کاتالیست، که این دور را رهبری کرد، گفت که رشد مدل‌های هوش مصنوعی وزن باز از نظر استراتژیک قابل توجه است و رویکرد ریور به شکاف بین قابلیت‌های هوش مصنوعی پیشرفته و سیستم‌های سفارشی‌سازی‌شده‌ای که اکثر شرکت‌ها در حال حاضر قادر به استقرار آن هستند، می‌پردازد.

مشارکت NVIDIA و AMD Ventures به ویژه قابل توجه است، زیرا هر دو شرکت پردازنده‌های گرافیکی را تامین می‌کنند که به آموزش هوش مصنوعی کمک می‌کنند. سرمایه گذاری آنها نشان می دهد که سازندگان تراشه، اکوسیستم با وزن باز و مدل سفارشی را به عنوان یک محرک رشد برای تجارت سخت افزاری خود می بینند، نه فقط یک جا.

چشم انداز رقابتی

River AI وارد بازاری شلوغ اما به سرعت در حال گسترش می شود. شرکت‌هایی مانند Together AI، Anyscale و Modal کسب‌وکارهایی را حول محور دسترسی بیشتر به زیرساخت‌های هوش مصنوعی ایجاد کرده‌اند، در حالی که متا، علی‌بابا و دیگران مدل‌های وزن باز قدرتمندی را منتشر کرده‌اند که تقاضا برای ابزارهای آموزشی و استقرار را ایجاد می‌کنند. چیزی که River را متمایز می کند، رویکرد تمام پشته آن است که آموزش، تنظیم دقیق، استقرار و اندازه گیری مقرون به صرفه را در یک پلت فرم واحد ترکیب می کند.

برای شرکت‌ها، جذابیت واضح است: توانایی ایجاد مدل‌های هوش مصنوعی آموزش‌دیده بر روی داده‌های اختصاصی و متناسب با جریان‌های کاری خاص، در حالی که کنترل بیشتری بر آن مدل‌ها حفظ می‌شود تا اینکه کاملاً به تماس‌های API به سیستم‌های بسته OpenAI، Anthropic یا Google وابسته باشد.

ریور قصد دارد از بودجه 1.1 میلیارد دلاری برای سرعت بخشیدن به توسعه پشته هوش مصنوعی باز خود و پیشبرد هدف بلندمدت خود برای فعال کردن هوش مصنوعی شخصی سازی شده و مداوم استفاده کند. با سابقه کار بابوشکین در دو تا از مهم‌ترین شرکت‌های هوش مصنوعی در جهان، سرمایه‌گذاران شرط می‌بندند که او می‌تواند لایه زیرساختی بسازد که نسل بعدی هوش مصنوعی سفارشی‌شده را ممکن می‌سازد.

حرکت باز وزن بیشتر

افزایش عظیم River AI در لحظه ای از شتاب خارق العاده برای هوش مصنوعی وزن باز است. سری Llama متا، مدل‌های Qwen علی‌بابا و نسخه‌های DeepSeek نشان داده‌اند که مدل‌های با وزن باز می‌توانند در بسیاری از معیارها با عملکرد سیستم‌های بسته رقابت کنند یا مطابقت داشته باشند. در دسترس بودن این مدل ها بازار بزرگ و رو به رشدی را برای ابزارها و زیرساخت های مورد نیاز برای سفارشی سازی آنها ایجاد کرده است.

مشارکت NVIDIA و AMD Ventures در راند River بر اهمیت استراتژیک این روند برای صنعت سخت افزار تأکید می کند. همانطور که سازمان‌های بیشتری مدل‌های خود را آموزش می‌دهند و به کار می‌گیرند، تقاضا برای پردازنده‌های گرافیکی و تراشه‌های تخصصی هوش مصنوعی افزایش می‌یابد که به نفع هر دو شرکت خواهد بود. سرمایه گذاری آنها در ریور به همان اندازه که روی خود ریور شرط بندی می شود، روی آینده بازار محاسبات هوش مصنوعی نیز هست.

برای توسعه دهندگان، پلت فرم ریور نشان دهنده یک تغییر بالقوه در اقتصاد توسعه هوش مصنوعی است. اگر دوره‌های آموزشی پیچیده را بتوان در عرض چند دقیقه به جای روزها یا هفته‌ها و با کسری از هزینه استفاده از APIهای منبع بسته تکمیل کرد، مانع ایجاد سیستم‌های هوش مصنوعی سفارشی به‌طور چشمگیری کاهش می‌یابد. این می‌تواند دسترسی به قابلیت‌های هوش مصنوعی را که تاکنون در دستان چند آزمایشگاه با بودجه خوب متمرکز شده‌اند، دموکراتیک کند.

از هوش مصنوعی جلوتر بمانید

آیا می خواهید آخرین دوره های تأمین مالی هوش مصنوعی، راه اندازی استارتاپ ها و نوآوری های زیرساختی را داشته باشید؟ [اخبار هوش مصنوعی را بیشتر بخوانید] (https://aibuzzwire.news) در AI Buzz Wire برای پوشش عمیق استارتاپ هایی که هوش مصنوعی را تغییر شکل می دهند.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →