تمويل

River AI تجمع 1.1 مليار دولار عبر جولتي التمويل التأسيسي وA لبناء منظومة AI شخصية

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

جمعت River AI، الشركة الناشئة التي كشف عنها المؤسس المشارك لـxAI إيغور بابوشكين في 10 يونيو 2026، مبلغ 1.1 مليار دولار عبر جولتي التمويل التأسيسي والسلسلة A، وفق إعلان الشركة في 11 أغسطس 2026. وقادت General Catalyst وAMP PBC التمويل، مع استثمارات استراتيجية من Nvidia (NVDA ) وAMD Ventures، ومشاركة Y Combinator وTemasek.

لم يمضِ سوى شهرين على إعلان إطلاق River، ومع ذلك حصلت بالفعل على أحد أكبر التمويلات المبكرة لهذا العام. وتدعم الأموال فرضية غير مألوفة: ضرورة إعادة بناء منظومة AI، من التدريب إلى النماذج والمنتج والأجهزة، حول وكلاء شخصيين يملكهم المستخدمون، بدلًا من استئجار الذكاء من عدد محدود من المختبرات.

وقال بابوشكين، المؤسس المشارك والرئيس التنفيذي لـRiver، في الإعلان: «الطريقة التي يُبنى بها الذكاء الاصطناعي اليوم ليست الطريقة التي سيُبنى بها مستقبلًا. ينبغي أن يكون مفتوحًا، ومتاحًا بحرية، وميسور التكلفة. وينبغي أن يشعر المستخدم بأنه يعمل لمصلحته، لا لمصلحة المختبر الذي درّبه. أسسنا River لتمكين الأفراد والشركات من امتلاك ذكائهم».

ما الذي تبيعه River فعليًا في البداية؟

أول منتجات الشركة، والمتاح منذ إطلاقها في يونيو، هو River API، وهي خدمة لتدريب النماذج ذات الأوزان المفتوحة. وتوفر الضبط الدقيق بتقنية LoRA والتعلم المعزز لنماذج مفتوحة تتراوح أحجامها بين 35 مليارًا وتريليون معلمة، ومنها Qwen3.6 وKimi K2.6 وGLM 5.2. وتُحسب الفوترة لكل مليون رمز في التدريب والاستدلال، بدلًا من ساعات استخدام وحدات GPU.

تستهدف الخدمة المؤسسات التي تريد نماذج مكيّفة مع أعمالها دون إنشاء فريق للبنية التحتية. وتقول River إن أي مؤسسة تستطيع إكمال عملية تعلم معزز معقدة خلال 15 إلى 20 دقيقة دون الحاجة إلى ذلك الفريق، بتكلفة أقل بما يتراوح بين ضعفين وأربعة أضعاف مقارنة بالبدائل المغلقة المصدر. وتضيف أن نسخ النماذج المحفوظة بعد التدريب تبقى ملكًا للعميل ويمكن نشرها على نقطة اتصال متوافقة مع OpenAI.

وتحدد صفحة الأسعار أرقامًا واضحة: تبلغ تكلفة التدريب 1.00 دولار لكل مليون رمز على نموذج Qwen3.6 35B، و12.84 دولار لكل مليون رمز على Kimi K2.6 عند طول سياق 262 ألف رمز. ويُحاسب تخزين نسخ النماذج بصورة منفصلة، بسعر 0.10 دولار لكل غيغابايت شهريًا. ويعرض الموقع مثالًا محسوبًا لعملية تعلم معزز كاملة على نطاق الإنتاج باستخدام بيانات رياضيات، بتكلفة تقل عن 1,000 دولار.

الرهان الأطول أمدًا وراء الجولة

قضى بابوشكين نحو عقد في DeepMind وOpenAI وxAI، وشارك في تأسيس الأخيرة وعمل على التدريب واسع النطاق، قبل إنشاء River. وفي تدوينة إطلاق الشركة، قدّم توجهها بوصفه بديلًا للمسار الذي تسلكه المختبرات الرائدة: وكلاء يحلون محل العمال ويُؤجَّرون بحسب عدد الرموز.

وكتب: «سيصبح الوكلاء القادرون جزءًا عاديًا من الحياة اليومية. سيكونون أقل شبهًا بالمساعدين الذين تستدعونهم اليوم لإنجاز مهمة، وأقرب إلى الملائكة الحارسة: حاضرون بهدوء، يقفون إلى جانبكم، ويساعدون فيما يهمكم فعلًا. سيعرفونكم جيدًا، وسيكونون ملكًا لكم، لا لغيركم».

هذه الرؤية، القائمة على التخصيص والتعلم المستمر فوق واجهة تدريب، ثم أجهزة شخصية في مرحلة أبعد، هي ما تراهن عليه General Catalyst. وقال رئيسها التنفيذي هيمانت تانيجا في إعلان River: «تحتاج الريادة الأمريكية في AI بصورة ملحّة إلى ريادة في النماذج ذات الأوزان المفتوحة، مع الحفاظ على التفوق في النماذج الرائدة المغلقة. ويتمتع إيغور وفريق River AI بالخبرة اللازمة لتحقيق ذلك». وأشار العضو المنتدب للشركة مارك بهارغافا إلى الفجوة التجارية: افتقرت الشركات إلى طريقة فعالة من حيث التكلفة لتدريب النماذج المخصصة وضبطها وامتلاكها، وRiver «تسد هذه الفجوة».

وبحسب إعلان River، شاركت AMP PBC شركة General Catalyst في قيادة الجولة. ويضع حصول Nvidia وAMD Ventures على حصص استراتيجية منافسَي وحدات GPU ضمن هيكل ملكية الشركة نفسها، التي تنتهي خارطة طريقها المعلنة بأجهزة تشغّل AI شخصيًا خارج مركز بيانات يملكه طرف آخر.

إلى أين تتجه الأموال؟

تقول River إن التمويل يسرّع جميع طبقات منظومتها في آن واحد: واجهة التدريب التي أطلقتها بالفعل، وطبقة منتجات التخصيص والتعلم المستمر التي لا تزال تُبنى فوقها، وأجهزة جديدة تهدف إلى تشغيل الذكاء الاصطناعي الشخصي بالقرب من مالكه. ويستند الفريق المؤسس إلى خبرات هندسية من xAI وTesla (TSLA )، وتعمل الشركة على التوظيف.

وتستحق بنية الجولة الانتباه بذاتها. فتمويل تأسيسي وسلسلة A مجتمعان بهذا الحجم، يُعلَن عنهما بعد شهرين من الإطلاق، مع مستثمرين استراتيجيين في الرقائق إلى جانب جهات التمويل الرئيسية، يمنح River رأس مال للمنافسة على حوسبة التدريب والمواهب البحثية مع المختبرات الرائدة التي جاء منها مؤسسها. أما نجاح فرضية الوكيل الشخصي فسؤال أطول أمدًا؛ والنشاط الفوري هو سحابة لعمليات ما بعد التدريب للمؤسسات، باتت تملك تمويلًا بمليار دولار يدعم استمرارها وشركتي رأس مال جريء تقفان خلفها.

Evan Mercer هو مراسل مُولَّد بالذكاء الاصطناعي في Unite.AI، يغطي الشركات الناشئة في مجال الذكاء الاصطناعي، ورأس المال الاستثماري، وديناميكيات التمويل التي تشكّل الجيل القادم من شركات التكنولوجيا. تركّز تقاريره على الابتكار في المراحل المبكرة، وتدفقات رأس المال، والقرارات الاستراتيجية التي يتخذها المؤسسون والمستثمرون بينما تتوسع شركات الذكاء الاصطناعي من الفكرة إلى الأثر العالمي.

من خلال عدسة استراتيجية وتحليلية، يدرس إيفان جولات التمويل، وتموضع السوق، والاتجاهات الناشئة عبر نظام الشركات الناشئة في مجال الذكاء الاصطناعي. يتتبع كيف يتقاطع رأس المال الاستثماري، والاستثمار المؤسسي، والأسواق العامة مع الاختراقات في الذكاء الاصطناعي، مميزًا الإشارات المستدامة عن الضجيج قصير الأمد.

المقالات التي يكتبها إيفان ميرسر تم إنشاؤها بالذكاء الاصطناعي وتراجعها فريق التحرير في Unite.AI لضمان الدقة والسياق والتغطية المسؤولة لمشهد الاستثمار العالمي في الذكاء الاصطناعي