River AI raccoglie 1,1 miliardi di dollari attraverso serie Seed e serie A per costruire uno stack di intelligenza artificiale personale

River AI, la startup xAI co-fondata da Igor Babuschkin, è uscita dalla fase di stealth il 10 giugno 2026 e ha raccolto 1,1 miliardi di dollari attraverso le sue serie Seed e serie A, come annunciato l’11 agosto 2026. General Catalyst e AMP PBC hanno guidato il finanziamento, con investimenti strategici da parte di Nvidia e AMD Ventures e la partecipazione di Y Combinator e Temasek.

River è a due mesi dalla sua uscita e già vanta uno dei più grandi finanziamenti iniziali dell’anno. I soldi sostengono una tesi insolita: che lo stack di intelligenza artificiale, dalla formazione ai modelli, ai prodotti e all’hardware, debba essere ricostruito intorno ad agenti personali di cui le persone sono proprietarie, piuttosto che intelligenza noleggiata da un pugno di laboratori.

“Il modo in cui l’intelligenza artificiale è costruita oggi non è il modo in cui sarà costruita nel futuro. L’intelligenza artificiale dovrebbe essere aperta, liberamente disponibile e accessibile. Dovrebbe sembrare che stia lavorando per la persona che la utilizza, non per il laboratorio che l’ha addestrata. Abbiamo iniziato River per consentire alle persone e alle aziende di possedere la loro intelligenza”, ha dichiarato Babuschkin, co-fondatore e CEO di River, nell’annuncio.

Cosa River sta effettivamente vendendo per prima

Il primo prodotto dell’azienda, disponibile dal lancio di giugno, è il River API, un servizio di formazione per modelli open-weight. Offre il fine-tuning LoRA e l’apprendimento per rinforzo su modelli aperti che vanno da 35 miliardi a 1 trilione di parametri, tra cui Qwen3.6, Kimi K2.6 e GLM 5.2, con fatturazione misurata per milione di token per entrambi la formazione e l’inferenza, piuttosto che per ora di GPU.

La presentazione è rivolta alle aziende che desiderano modelli plasmati intorno al proprio lavoro senza dover allestire una squadra di infrastrutture. River afferma che qualsiasi azienda possa completare un’operazione di apprendimento per rinforzo complesso in 15-20 minuti senza richiedere una squadra di infrastrutture, con risparmi di costo da due a quattro volte rispetto alle alternative a codice chiuso, e che i checkpoint addestrati appartengono al cliente e vengono distribuiti a un endpoint compatibile con OpenAI.

La pagina dei prezzi fornisce numeri concreti per il metro: le esecuzioni di formazione costano 1,00 dollaro per milione di token sul modello Qwen3.6 35B e 12,84 dollari per milione su Kimi K2.6 alla lunghezza di contesto di 262k, con lo stoccaggio dei checkpoint fatturato separatamente a 0,10 dollari per gigabyte al mese. Un esempio lavorato sul sito prezza una completa esecuzione RL su un set di dati matematici a meno di 1.000 dollari.

La scommessa più lunga dietro il round

Babuschkin ha trascorso circa un decennio in DeepMind, OpenAI e xAI, dove ha co-fondato quest’ultima e lavorato sulla formazione su larga scala, prima di iniziare River. Nel suo post di lancio, ha inquadrato l’azienda contro la direzione in cui stanno andando i laboratori di frontiera: agenti che sostituiscono i lavoratori, noleggiati per token.

“Gli agenti capaci saranno una parte normale della vita quotidiana. Meno come gli assistenti che chiami oggi quando hai bisogno di eseguire un compito, più come angeli custodi: silenziosamente presenti, al tuo fianco, aiutandoti con ciò che realmente conta per te. Conosceranno te bene e saranno tuoi, non di qualcun altro”, ha scritto.

Quell’inquadratura, personalizzazione e apprendimento continuo su un’API di formazione, con hardware personale più avanti, è ciò che General Catalyst sta acquistando. “La leadership americana nell’IA richiede urgentemente leadership nei modelli open-weight, mantenendo al contempo la leadership nei modelli di frontiera chiusi. Igor e il team di River AI hanno l’esperienza per farlo accadere”, ha dichiarato Hemant Taneja, CEO di General Catalyst, nell’annuncio di River. Marc Bhargava, direttore generale della società, ha puntato alla lacuna commerciale: le aziende hanno mancato di un modo efficiente per formare, adattare e possedere modelli personalizzati, e River “chiude questa lacuna”.

AMP PBC, il co-leader, ha guidato il round insieme a General Catalyst, secondo l’annuncio di River. Nvidia e AMD Ventures, che prendono partecipazioni strategiche, mettono entrambi i rivali GPU nello stesso cap table di un’azienda il cui roadmap dichiarato termina con hardware che esegue intelligenza artificiale personale al di fuori del data center di qualcun altro.

Dove finisce il denaro

River afferma che il finanziamento accelera ogni livello del suo stack allo stesso tempo: l’API di formazione che ha già spedito, un livello di prodotto di personalizzazione e apprendimento continuo ancora in costruzione su di esso, e nuovo hardware destinato a far eseguire l’intelligenza artificiale personale vicino al suo proprietario. Il team fondatore attinge dall’esperienza di xAI e Tesla, e l’azienda sta assumendo.

La struttura del round è degna di nota di per sé. Un finanziamento combinato di seed e serie A di questa dimensione, annunciato due mesi dopo un post di lancio, con investitori strategici di chip accanto a leader finanziari, dà a River il capitale per competere per il calcolo di formazione e il talento di ricerca contro i laboratori di frontiera da cui proviene il suo fondatore. Se la tesi dell’agente personale regge, è una domanda più lunga; l’attività immediata è una nuvola post-formazione per le aziende, e quell’attività ora ha una corsia di decollo da un miliardo di dollari e due società di venture alle spalle.