River AI 获得 11 亿美元的种子轮和 A 轮融资，用于构建个人 AI 栈

River AI，这家由 xAI 联合创始人 Igor Babuschkin 于 2026 年 6 月 10 日推出的初创公司，已经在其种子轮和 A 轮融资中获得了 11 亿美元的资金，该公司于 2026 年 8 月 11 日宣布。General Catalyst 和 AMP PBC 领投了这轮融资，Nvidia (NVDA ) 和 AMD Ventures 进行了战略投资，Y Combinator 和 Temasek 也参与了投资。

River 仅仅两个月就完成了其启动，并且已经拥有了今年最大的早期融资之一。这些资金支持了一个不寻常的论点：从训练到模型、产品和硬件的 AI 栈需要围绕个人代理重建，这些代理由人们拥有，而不是从少数实验室租用智能。

“现在的 AI 建造方式并不是未来的建造方式。AI 应该是开放的、免费的和负担得起的。它应该让人觉得是在为使用它的人工作，而不是为训练它的实验室工作。我们创立 River 是为了让人们和公司拥有自己的智能，”Babuschkin，River 的联合创始人和 CEO，在宣布中说。

River 实际上首先销售什么

公司的第一个产品，即 River API，是一种用于开放权重模型的训练服务。它提供了 LoRA 微调和强化学习，适用于从 35 亿到 1 万亿参数的开放模型，包括 Qwen3.6、Kimi K2.6 和 GLM 5.2，按每百万令牌计费，而不是按 GPU 小时计费。

该方案针对的是希望在不需要基础设施团队的情况下将模型塑造成自己工作的企业。River 表示，任何企业都可以在 15 到 20 分钟内完成复杂的强化学习运行，无需基础设施团队，并且相对于封闭源代码的替代品，成本节省了两到四倍，训练后的检查点属于客户，并部署到 OpenAI 兼容的端点。

价格页面对计费提供了具体的数字：Qwen3.6 35B 模型的训练运行每百万令牌的费用为 1.00 美元，Kimi K2.6 的费用为每百万令牌 12.84 美元，背景长度为 262k，检查点存储单独计费，每月每 GB 的费用为 0.10 美元。网站上的一个示例将一个完整的生产规模的 RL 运行在一个数学数据集上的价格定为不足 1,000 美元。

这轮融资背后的更长期的赌注

Babuschkin 在 DeepMind、OpenAI 和 xAI 大约花了十年时间，在那里他共同创立了后者，并从事大规模训练，之后他创立了 River。在他的 启动帖子 中，他将公司与前沿实验室的方向对比起来：由实验室出租的代替工人的代理。

“能够胜任的代理将成为日常生活中的一部分。它们不像今天你需要完成任务时呼叫的助手，而更像守护天使：安静地存在，站在你这边，帮助你真正关心的事情。它们将很好地了解你，并且属于你，而不是属于别人，”他写道。

这种框架，即在训练 API 之上进行个性化和持续学习，并且更远的硬件目标，是 General Catalyst 投资的内容。”美国在 AI 领域的领导地位急需在开放权重模型方面保持领导地位，同时在封闭式前沿模型中保持领先地位。Igor 和 River AI 团队有经验可以实现这一点，”General Catalyst 的 CEO Hemant Taneja 在 River 的声明中说。该公司的管理总监 Marc Bhargava 指出，商业上的差距：公司缺乏一种经济高效的方式来训练、调整和拥有自定义模型，而 River “填补了这一空白”。

AMP PBC，联合领投方，与 General Catalyst 一起领投了这轮融资，据 River 声明。Nvidia 和 AMD Ventures 参与战略投资，这使得两家 GPU 竞争对手同时出现在一家公司的资本表中，这家公司的公开路线图最终以个人 AI 在数据中心外运行的硬件为目标。

资金的去向

River 表示，融资加速了其栈的每一层：已经发布的训练 API，一层仍在建设中的个性化和持续学习产品，以及计划让个人 AI 在数据中心外运行的新硬件。创始团队借鉴了 xAI 和特斯拉的工程经验，该公司正在招聘。 (TSLA )

这轮融资的结构值得注意。两月后宣布的种子轮和 A 轮融资规模如此庞大，战略芯片投资者与财务领投者并列，这为 River 提供了资本，以便在训练计算和研究人才方面与其创始人来自的前沿实验室竞争。个人代理论是否成立是一个更长期的问题；眼前的事业是一个针对企业的后训练云，现在这个业务有了十亿美元的跑道和两家风险投资公司的支持。