又一位xAI联创宣布创业，押注开源模型和个人AI，融资11亿美元
8 月 11 日，xAI 联合创始人伊戈尔·巴布什金（Igor Babuschkin）创办的 River AI 宣布完成 11 亿美元融资。 这笔资金横跨种子轮和 A 轮，由 General Catalyst 和 AMP PBC 领投，英伟达、AMD Ventures 战略投资，Y Combinator 和淡马锡等参与。
对于一家今年 6 月才成立的公司来说，这样的融资规模可以说十分惊人。River AI 目前团队仅约 20 人，更完整的开源技术仍需数月才能发布。直到此次融资官宣，公司才刚刚公开首个产品 River API。
（来源：X） 但相比已经成形的产品，投资人或许更看重的还是巴布什金本人、他的团队，以及 River AI 所代表的一条不同于当前主流的技术路线。 巴布什金想解决的问题，可以概括成一句话：AI 为什么一定要掌握在 OpenAI、Anthropic 这样的少数公司手中？
过去几年，人们越来越习惯通过 API 或聊天产品使用大模型。模型运行在少数科技公司的数据中心里，用户按 Token 或订阅付费，模型如何训练、如何调整，最终都由模型公司决定。巴布什金认为，这只是 AI 发展早期形成的一种产品形态，而不是唯一的终点。
在 8 月 11 日与 General Catalyst CEO Hemant Taneja 的对话中， 他反复强调“控制权”。他设想未来企业可以“拥有自己的智能”，个人也可以拥有真正属于自己的 AI。模型不只是记住几条偏好，而是可以根据长期使用和反馈继续训练，真正改变模型能力。
（来源：General Catalyst） 这种想法与他的职业经历直接相关。巴布什金毕业于德国多特蒙德工业大学，最初学的是物理，是AlphaGo 的突破让他决定转向人工智能。他随后进入 DeepMind，从事生成模型、WaveNet 和强化学习研究。之后，他又加入 OpenAI，被 GPT-2、GPT-3 背后的 Scaling 路线吸引，并参与大规模模型训练。2023 年，他与马斯克等人共同创办 xAI，参与训练基础设施和模型研发。
他在采访中回忆，当初创办 xAI 时，看中的同样是“增加一个竞争者”的机会。当时前沿大模型还不擅长复杂推理，他和马斯克押注推理能力会快速提升，希望最终用 AI 解决物理、科学、医学和工程问题。后来 Grok 的进展让他更加确信模型会越来越强，但也让另一个问题变得更迫切：如果这些能力最终集中在少数 AI 公司手里，其他企业和普通人还能在多大程度上决定自己的 AI 如何工作？
为了把更多精力放在这个问题上，2025 年 8 月，巴布什金离开 xAI，并宣布成立 Babuschkin Ventures，投资 AI 安全研究和相关创业公司。不到一年后，他重新回到创业一线，创办 River AI。
目前，River 并没有急着直接训练另一个 GPT 或 Grok，而是先从企业更现实的需求切入： 如何让一家公司不再只能调用 OpenAI、Anthropic 的通用模型，而是能够用自己的数据，训练和定制一个真正属于自己的 AI。
为此，River 推出了首个产品 River API。 企业可以选择一个现成的开放权重模型，再利用自己的业务数据进行微调、强化学习和持续优化，把通用模型训练成更适合自身业务的版本。 River 称，即使没有专门的 AI 基础设施团队，企业也可以借助这套工具完成过去通常只有大型 AI 实验室才能进行的复杂训练。
图丨River API 开发者控制台，用户可以创建 API Key、管理训练任务和模型 Checkpoint（来源：River AI）
但巴布什金真正想做的，还不只是“帮企业定制模型”。他更长期的目标是让 AI 能够在使用过程中不断学习，这也是 River 正在重点研究的“持续学习”（continual learning）。
今天的大模型一旦训练完成，面向用户提供的通常是相对固定的模型权重。用户可以通过提示词或记忆系统改变交互表现，但很少真正改变底层模型。 River 希望更进一步：如果用户告诉 AI，“以后代码这样写”“和我交流时随意一点”，系统不仅记住这句话，而是触发新的学习过程，让模型权重也朝这个方向变化。
为此，River 正在探索在线强化学习（Online RL）、on-policy self-distillation 等方法，希望让模型根据持续交互不断学习。巴布什金举例称，未来用户只需要告诉 AI，希望它改变代码风格或交流方式，背后的学习系统就可以进一步更新模型权重，而不是仅仅把这条要求作为提示词保存下来。
不过巴布什金也承认，这件事今天还没有成熟答案。对企业来说，拥有数据、工程人员和明确任务，定制模型已经相对现实；但要让普通用户不懂训练、不写代码，也能稳定地塑造自己的模型，仍然是更长期的目标。因此，River 目前首先瞄准企业客户，个人产品则被放在更远的未来。
River 的路线由此分成两步。第一步是企业市场，让公司能够基于自己的数据训练、部署和迭代模型，不再只是通过大模型公司的 API 租用通用智能；第二步才是个人 AI，一个长期理解用户目标和习惯、并能够不断学习的模型。
为了做到后者，River 甚至准备把战线延伸到硬件。 公司表示，最终需要从训练基础设施、模型、产品到硬件重新搭建一套完整技术栈，让个人 AI 运行在离用户更近的设备上，而不是永远存在于别人的数据中心。
在接受《纽约时报》的采访时，巴布什金设想未来家庭中可以放置一种新的服务器，让个人和普通企业在自己的硬件上运行开放模型。这样一来，与 AI 交互产生的大量私人数据也不必全部发送给 River 或其他云服务商的机器。
这也解释了 River 为什么能在如此早期获得 11 亿美元。 投资人押注的是一种可能重新划分 AI 控制权的架构：基础模型可以开放，商业价值则转移到训练、定制、持续学习和个人化工具上。
但 River 也面临着一个现实问题：如果模型权重最终免费开放，公司靠什么赚钱？巴布什金给出的答案是，围绕开放模型提供更高级的训练和定制能力。企业可以拿自己的内部数据训练更小、更便宜、更适合具体任务的模型，River 则提供过去只有大型 AI 实验室才具备的训练基础设施和工具。
在这场押注背后，还有一层明显的中美竞争背景。
巴布什金在采访中提到，中国团队正在推动开放模型迅速缩小与闭源模型之间的差距，他判断开放模型未来甚至可能超过专有模型，并最终承载大部分企业和个人的 AI 使用。但与此同时，他认为美国不能让自己的开放 AI 生态长期依赖中国模型，因为一旦企业围绕某套模型权重建立业务，模型提供方也会对整个生态产生影响。
General Catalyst 则对 River 投注了更高的期待。 其 CEO Hemant Taneja 对《纽约时报》表示，希望 River 能成为美国面对中国开放模型生态的“答案”。 River 官方融资公告中，他也将美国在开放权重模型上的领先地位与“美国韧性”直接联系起来。
River 是否能承担这样的角色，现在还无法判断。巴布什金本人在采访中也表示，River 目前仍然主要聚焦开放权重模型的微调和定制，自行训练基础模型是接下来才准备推进的工作。
参考链接：
1.https://www.reuters.com/technology/xai-co-founders-startup-river-ai-raises-11-billion-expand-custom-ai-tools-2026-08-11/
2.https://river.ai/series-seed-series-a-funding
3.https://river.ai/introducing-river-ai
4.https://www.generalcatalyst.com/stories/own-your-ai-experience
5.https://www.nytimes.com/2026/08/11/technology/ai-river-igor-babuschkin.html
6.https://techcrunch.com/2026/08/11/general-catalyst-leads-1-1b-round-into-2-month-old-river-ai/
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成