兩個月大的 River AI 拿到 11 億美元：xAI 共同創辦人想讓你擁有自己的模型

一家公開露面才兩個月的公司，募到了 11 億美元。

數字夠大，所以八月那時候每家媒體都寫了。我當時也只寫了一則短訊：誰創的、誰投的、多少錢。

這次重寫，我想回答三個當時沒回答的問題。它到底在賣什麼？為什麼是這群人投？還有，11 億在 2026 年到底算不算誇張？

River AI 是誰做的？

創辦人是 Igor Babuschkin。他最為人所知的身分是 xAI 的共同創辦人，更早在 DeepMind 跟 OpenAI 都做過研究。有報導提到他在 xAI 負責建起大規模的訓練叢集。

他離開的那家公司後來發生了什麼，值得交代一下，因為這是理解 River 的背景。

圖：從 xAI 到 River AI 的時間線（本文整理，依 TechCrunch 報導與 Babuschkin、River AI 的 X 貼文）

xAI 在 2023 年成立時有 11 位共同創辦人。TechCrunch 今年 3 月 28 日的報導標題是〈Elon Musk 的最後一位共同創辦人據報離開 xAI〉：到 3 月底，最後兩位也走了。那篇還寫了背景，SpaceX 收購了 xAI，Musk 自己說 xAI「第一次沒有蓋對」，正在「從地基重建」。

Babuschkin 不在最後離開的那兩位之中。他確切是哪一天走的，我查到的說法不一致，所以這裡不寫日期。

11 個創辦人全數離開一家公司，這在任何產業都很罕見。這群人現在分散在各處，River 是其中募到最多錢的一個去處。

它到底在賣什麼？

這是我覺得八月那篇寫得最不清楚的地方。原文說它要「重建整條 AI 技術堆疊」，這句話是真的，Babuschkin 的發表文章裡寫的是堆疊必須「從頭到尾重建」，從訓練、模型、產品層到新的硬體。但這是願景。它現在實際在賣的東西小得多，也具體得多。

6 月 10 日，Babuschkin 貼出了第一個產品：

圖：Babuschkin 宣布 River API 的貼文，內含官方的程式碼範例（來源：x.com）

River API 做的事情，官方的說法是對「350 億到 1 兆參數」的開源模型做微調跟強化學習訓練。貼文裡那段程式碼把流程講得比任何新聞稿都清楚，我照著讀一遍：

1. 你先選一個基礎模型。範例裡的字串是 nvidia/Kimi-K2.6-NVFP4，一個現成的開放權重模型。
2. 你設定 LoRA。LoRA 是一種只訓練一小組附加參數、不動原模型全部權重的微調方法，範例裡 rank=16。
3. 接著是一個迴圈。每一輪先讓模型針對你的提示產生幾個樣本（num_samples=4）。
4. 然後呼叫一個叫 score_and_pack 的函式替這些樣本打分數。程式碼旁邊的註解寫著「your reward, your logic」：獎勵怎麼算、邏輯是什麼，由你決定。
5. 把打完分數的資料送回去做一次前向與反向傳播，更新參數。
6. 跑完之後存下權重。

這就是強化學習最基本的形狀：產生、評分、依分數調整。River 賣的是幫你跑中間那些很吃硬體的步驟，你只要負責寫「什麼叫做好」的那個評分函式。TechCrunch 引了一句 River 產品文件上的話，我覺得把它的立場講得很白：「下提示詞，是在引導一個你不擁有、也無法改進的模型。」

官方的口號是「Own your intelligence」，擁有你自己的智慧。它賭的是企業接下來不會只想租用大型實驗室的通用模型，會想要一個拿自己的資料與標準調過、權重握在自己手上的模型。

計價方式是按每百萬 token 收費，費率依你選的開放模型而定。融資公告裡有兩個數字：企業可以在 15 到 20 分鐘內跑完一次複雜的強化學習訓練，不需要自己的基礎設施團隊；成本效益是閉源替代方案的二到四倍。這兩個數字都是廠商自己說的，我沒有看到獨立的驗證，確切的每百萬 token 價格我也沒查到公開的費率表。

如果你對這幾個名詞不熟，名詞解釋頁有開放權重跟強化學習的條目。

「守護天使」是什麼意思？

Babuschkin 對未來 AI 代理的描述，跟多數實驗室的講法不太一樣：

圖：Babuschkin 對 AI 代理的描述（引自 River AI 的發表文章，轉引自 TechCrunch）

TechCrunch 的報導把這個願景拿來跟其他實驗室做對比，說別人在做的是「人類員工的替代品」。Babuschkin 的另一句話是：這些代理會很了解你，而且它們會是你的，不是別人的。

把這句話跟前面的產品放在一起看，邏輯是通的。一個「屬於你」的代理，前提是模型的權重在你手上。如果你用的是租來的模型，它了解你多少、站在誰那邊，最終是出租方說了算。

這是好聽的版本。比較冷的讀法是：現階段 River 的客戶是企業，不是個人。企業擁有一個針對自家流程訓練過的模型，跟你個人擁有一個守護天使，中間還有很長的距離。願景跟產品之間的落差，TechCrunch 自己也點了一句：River 的技術會有什麼不同，還有待觀察。

誰投了這筆錢？

領投的是 General Catalyst 跟 AMP PBC，跟投的有 Nvidia、AMD Ventures、Y Combinator、Temasek。公司沒有公布估值。

AMP PBC 這個名字比較陌生。TechCrunch 寫它是今年才成立的 AI 投資機構，創辦人是前 Andreessen Horowitz 合夥人 Anjney Midha，投過 Black Forest Labs、Mistral AI、LMArena 跟 OpenRouter。其中 OpenRouter 你可能有印象，八月的時候 Stripe 花了 70 億美元把它買下來。

投資名單裡我覺得最有意思的是 Nvidia 跟 AMD 同時出現。這兩家是對手，卻都投了。理由不難猜：River 的生意是讓更多企業自己訓練模型，而訓練模型要買的就是它們的晶片。對晶片廠來說，客戶從「幾家大實驗室」變成「幾千家企業」是好事，誰贏都要算力。範例程式碼裡那個基礎模型掛在 nvidia/ 底下，大概也不是巧合。Nvidia 自己今年也在推開放模型，Nemotron 3.5 Lightning 就是同一個月發表的。

11 億美元在今年算多大？

很大，但不是唯一。

圖：近一年的超大型早期輪（本文整理；River AI 依 TechCrunch，其餘依 Crunchbase News 2026-03-31 的報導）

Crunchbase News 在 3 月底整理過一輪。當時最大的是 Yann LeCun 相關的 Advanced Machine Intelligence，10.3 億美元。同一篇給了幾個統計：過去六個月全球至少有 12 家公司的種子輪超過 1 億美元，從 2025 年初算起有 27 筆。1,000 萬美元以上的種子輪，占比從 2018 年的 2% 升到 9%。

Crunchbase 對這個趨勢的描述是筆數變少、單筆變大。錢集中到少數幾個有名字的創辦人身上。

要注意一個口徑問題。River 這筆在公告裡是種子輪跟 A 輪合在一起算的，有的追蹤網站把它列為 A 輪。所以「史上最大種子輪」這種說法我不會用，表格的標題我也只寫「早期輪」。

拿另一家來對照會比較有感。同樣是從大實驗室出來創業，九月出關的 TypeSafe AI（做 Jev 模型的那家，創辦人是 ChatGPT 的共同發明人）種子輪是 4,000 萬美元。兩家差了 27 倍。差別不全在履歷，也在生意的性質：River 要做的是幫別人跑訓練，這門生意本身就得先買一大堆算力。11 億裡有多少會直接變成晶片訂單，公司沒說，但我猜比例不低。

這筆錢值不值得？

我不知道，而且我覺得現在沒有人知道。

支持的理由是具體的。它有產品，有程式碼，有計價方式，創辦人蓋過大型訓練叢集，而且「企業想擁有自己的模型」這個需求看得見。

保留的理由也是具體的。TechCrunch 直接寫，這筆錢可能是「AI 市場過熱的又一個跡象」。成本效益二到四倍是自己說的。公司公開才兩個月，沒有公開的客戶名單，沒有營收數字。它口中的「閉源替代方案」這幾個月也在降價，DeepSeek 的新模型輸出價已經壓到 Astra 的 1/83，自己訓練到底划不划算，會跟著對手的價格一起變。

我自己的看法是，River 這門生意成不成立，取決於一個還沒有答案的問題：調過的小模型，在企業自己的任務上能不能穩定贏過沒調過的大模型。如果能，擁有權重就有實際價值。如果不能，「擁有」就只是一個比較貴的選項。什麼會讓我比較有信心？一家有名字的企業公開說它用 River 訓練出來的模型取代了某個閉源 API，而且附上數字。

到我寫這段的 10 月中，我沒有查到這樣的案例，也沒有查到 River 在融資之後的新產品公告。

這篇沒有的資訊

• 估值。公司沒有公布。
• 每百萬 token 的實際價格。我沒有找到公開的費率表。
• 客戶名單與營收。
• Babuschkin 離開 xAI 的確切日期，來源說法不一。
• 「15 到 20 分鐘」「二到四倍」是公告裡的說法，沒有第三方驗證。
• 我沒有 River API 的存取權限，對它的描述來自公開的貼文與報導，那段程式碼我是讀的，沒有執行過。