River AI залучає 1,1 мільярда доларів США для створення відкритого стека AI для спеціального навчання моделей

River AI, стартап, заснований співзасновником xAI Ігорем Бабушкіним, залучив 1,1 мільярда доларів США для створення повноцінної платформи штучного інтелекту, орієнтованої на відкриті моделі, налаштування та персональний AI. Раунд очолювали General Catalyst і AMP PBC зі стратегічними інвестиціями NVIDIA і AMD Ventures і додатковою участю Y Combinator і Temasek, повідомило Reuters 11 серпня 2026 року.

Компанія розробляє інфраструктуру, яка дозволяє розробникам і підприємствам навчати, точно налаштовувати, розгортати та контролювати власні моделі штучного інтелекту, не потребуючи спеціальної команди інфраструктури чи спеціалізованого обладнання. Для повного висвітлення останніх розробок індустрії штучного інтелекту та раундів фінансування читачі можуть стежити за [найновішими новинами штучного інтелекту від AI Buzz Wire] (https://aibuzzwire.news).

Заснований ветераном xAI та OpenAI

Бабушкін привносить глибокі технічні повноваження в підприємство. Він став співзасновником xAI, компанії Ілона Маска зі штучного інтелекту, а раніше працював над генеративним моделюванням і навчанням з підкріпленням у Google DeepMind, перш ніж очолити масштабні тренінги в OpenAI. У його команду засновників входять інженери, які мають досвід як у xAI, так і в Tesla у сфері глибокого навчання, навчання з підкріпленням та інших частин стеку технологій ШІ.

Штаб-квартира River AI розташована в Пало-Альто, штат Каліфорнія, і її теза проста, але амбітна: розробка штучного інтелекту дедалі більше буде відходити від покладення виключно на моделі загального призначення, які навчаються мільярди користувачів, до індивідуальних моделей, побудованих відповідно до вимог окремих компаній і, зрештою, окремих людей.

Інфраструктура, створена для швидкості та ефективності витрат

Платформа River розроблена таким чином, щоб організаціям було значно легше та дешевше створювати власні моделі ШІ. Компанія заявила, що її API може завершити комплексне навчання з підкріпленням приблизно за 15-20 хвилин, забезпечуючи витрати, які в два-чотири рази нижчі, ніж альтернативи із закритим кодом.

Платформа підтримує тонке налаштування LoRA та навчання посилення для передових моделей відкритої ваги. River задовольняє базові вимоги до інфраструктури, включаючи перенесення ваги, узгодженість вибірки та навчання та еластичні обчислення, що дозволяє розробникам зосередитися на покращенні продуктивності моделі замість керування інфраструктурою GPU. Моделі, навчені через платформу, можуть бути розгорнуті безпосередньо у виробництві.

Ключовою відмінністю є модель ціноутворення River. Компанія використовує вимірювання на основі токенів як для навчання, так і для висновків, що має на меті завадити клієнтам платити за невикористану ємність GPU, що є загальною проблемою для організацій, які працюють із традиційними постачальниками хмарних GPU.

Ставка на майбутнє відкритої ваги

Раунд у розмірі 1,1 мільярда доларів відображає зростаюче переконання інвесторів у тому, що відкрита екосистема штучного інтелекту стане стратегічно важливою разом із закритими передовими моделями. General Catalyst, який очолював раунд, сказав, що зростання відкритих моделей штучного інтелекту є стратегічно важливим і що підхід River усуває розрив між можливостями розширеного штучного інтелекту та налаштованими системами, які зараз можуть розгорнути більшість підприємств.

Участь NVIDIA та AMD Ventures особливо помітна, оскільки обидві компанії постачають графічні процесори, які забезпечують навчання ШІ. Їх інвестиції сигналізують про те, що виробники чіпів бачать екосистему відкритих і індивідуальних моделей як рушійну силу розвитку свого апаратного бізнесу, а не просто нішу.

Конкурентний ландшафт

River AI виходить на переповнений, але швидко зростаючий ринок. Такі компанії, як Together AI, Anyscale і Modal, створили бізнес навколо того, щоб зробити інфраструктуру штучного інтелекту доступнішою, тоді як Meta, Alibaba та інші випустили потужні відкриті моделі, які створюють попит на інструменти навчання та розгортання. Що відрізняє River від інших, так це його комплексний підхід, який поєднує навчання, тонке налаштування, розгортання та економічне вимірювання на одній платформі.

Для підприємств привабливість очевидна: можливість створювати моделі штучного інтелекту, навчені на власних даних і пристосовані до конкретних робочих процесів, зберігаючи при цьому більший контроль над цими моделями, а не повністю залежати від викликів API до закритих систем від OpenAI, Anthropic або Google.

Рівер планує використати фінансування в розмірі 1,1 мільярда доларів США, щоб прискорити розробку свого відкритого стеку штучного інтелекту та досягти довгострокової мети створення персоналізованого штучного інтелекту, який постійно вдосконалюється. Маючи послужний список Бабушкіна в двох найбільш значущих компаніях зі штучного інтелекту у світі, інвестори роблять ставку на те, що він зможе побудувати рівень інфраструктури, який уможливить наступне покоління індивідуального ШІ.

Ширший імпульс відкритої ваги

Величезний підйом річного штучного інтелекту відбувається в момент надзвичайного імпульсу для ШІ відкритої ваги. Серія Llama від Meta, моделі Qwen від Alibaba та випуски DeepSeek продемонстрували, що відкриті моделі можуть конкурувати з закритими системами або зрівнятися з ними за багатьма тестами. Доступність цих моделей створила великий і зростаючий ринок інструментів та інфраструктури, необхідних для їх налаштування.

Участь як NVIDIA, так і AMD Ventures у раунді River підкреслює стратегічну важливість цієї тенденції для індустрії обладнання. Оскільки все більше організацій навчатимуть і розгортатимуть власні моделі, попит на графічні процесори та спеціалізовані чіпи ШІ зростатиме, що принесе користь обом компаніям. Їхні інвестиції в River — це не менша ставка на майбутнє ринку обчислень штучного інтелекту, як і сама River.

Для розробників платформа River представляє собою потенційний зсув в економіці розробки ШІ. Якщо складні тренувальні запуски можна завершити за кілька хвилин, а не за дні чи тижні, і за незначну частину вартості використання API із закритим вихідним кодом, бар’єр для створення спеціальних систем штучного інтелекту різко падає. Це могло б демократизувати доступ до можливостей ШІ, які досі були зосереджені в руках кількох добре фінансованих лабораторій.

Будьте попереду ШІ

Хочете отримувати останні відомості про раунди фінансування штучного інтелекту, запуск стартапів та інфраструктурні інновації? Читайте більше новин AI на AI Buzz Wire, щоб детально висвітлити стартапи, які змінюють структуру штучного інтелекту.