「AI 不該是實驗室租給你的勞動力，而該是你能訓練、能擁有的工具。」——Igor Babuschkin 在 River AI 成立博文裡這句話，剛被資本市場用 11 億美元蓋了章。
8 月 11 日，River AI 宣佈完成種子輪與 A 輪合併融資，金額 11 億美元。公司 2026 年 4 月 20 日在內華達註冊，6 月 10 日結束隱身，到拿錢只過了約兩個月。
誰在買單：一張很「AI 基礎層」的船票
領投方是 General Catalyst 與 AMP PBC。跟投名單比金額還刺眼：Nvidia、AMD Ventures 兩家算力晶片廠的風投臂同時下注，Y Combinator、新加坡淡馬錫在列。
這陣容說明一件事：市場買的不是「又一個聊天機器人」，而是「讓企業自己訓開源模型」的基礎設施位置。Nvidia 和 AMD 同時進來，邏輯很直白——多一家做開放權重微調的廠商，就多一類消耗 GPU/加速卡的訓練負載。
數字拆開看：11 億、2 個月、15-20 分鐘、2-4 倍
11 億美元早期融資。對一家無公開營收、無獨立技術審計的兩月齡公司來說，這是 2026 年最誇張的種子/A 合併單筆之一。它買的是 Babuschkin 的履歷折現：DeepMind 做強化學習、OpenAI 做大模型訓練、xAI 聯合創始，三站加起來就是「懂從零搭訓練棧的人」。
2 個月走出隱身。6 月 10 日亮相，8 月拿錢，中間只丟出一個 River API。速度本身即是信號：投資人不等產品矩陣，先佔「個人 AI 訓練層」的座次。
15 到 20 分鐘完成一輪複雜 RL 運行。River 稱企業不需專職基礎設施團隊，平台管權重傳輸、採樣-訓練一致性、彈性算力。意味著它把「RLHF/RL 微調」從數週工程壓縮到咖啡涼之前，若屬實，中型公司也能玩定制模型。
成本比閉源方案省 2-4 倍。按官方說法，計費走百萬 token 計量而非佔用 GPU 小時，規避閒置成本。對被閉源 API 帳單壓過的企業，這數字比「護城河」三個字更誘人。
首款產品 River API 支援 RL + LoRA 對開放權重模型微調。LoRA 只訓低秩適配層，不動底模；RL 用獎勵信號對齊行為。產品文檔一句話很殺：「提示詞引導一個你擁有不了也改不動的模型；River 讓你把開源模型訓成自己的，再當成普通端點部署。」
市場為什麼盯這筆錢
簡單理解，大模型敘事正從「誰的基模更通用」拐向「誰能把基模變成我的」。企業厭倦被閉源廠商按 token 收租，又怕自建訓練棧養不起基礎設施組。River 卡的正是這道縫。
對機構來說，這輪驗證了「開放權重+個人化訓練」能拿到一線 LP 與戰略方雙重認可。對開發者，API 化 RL/LoRA 可能降低微調門檻；但是否真能 15 分鐘穩定跑完複雜任務，仍待生產環境複現。對散戶與加密圈，這事不直接動幣價，但 Web3 錢包、鏈上代理若接開源模型，River 這類棧會是後端候選。
錢不是重點，重點是「擁有權」回潮
說實話，11 億美元本身會被下一週融資刷新。真正值得記的，是頂級 AI 老兵出來反打主流敘事：不替換人，增強人；不租智力，交所有權。
值得注意的是，Babuschkin 把願景鋪到「端到端重搭」——訓練、模型、產品層、貼近用戶的新硬體。這比單賣 API 重得多，也解釋了為何融資額像基礎設施公司而非應用層起步公司。市場關注的是：這套「個人 AI 代理」故事，會不會從企業端 API 先跑通，再下沉到個人。
這筆融資說明什麼
機構敢在兩月齡公司撒 11 億，不代表技術已驗證，代表「反閉源、重擁有權、開源可訓」這條線被列為戰略資產。
未來幾季值得盯三件事：River API 有無第三方基準複現 15-20 分鐘 RL；Nvidia/AMD 是否把它列進參考訓練棧；企業客戶願不願把自有數據喂給外部訓練層。看到這裡很多人會問：那它能取代 OpenAI 嗎？不是替代邏輯，是分流邏輯——通用對話留閉源，專有行為留自訓。
FAQ
Q1：River AI 和 xAI、OpenAI 的定位差在哪？
River AI 不主打自研萬億參數基模，而是提供 API 讓企業用 RL+LoRA 微調開放權重模型，強調「模型歸用戶所有」。xAI/OpenAI 偏閉源或基模服務，River 卡在訓練與部署中間層。
Q2：15-20 分鐘跑完 RL 訓練可信嗎？
官方宣稱在 River neocloud 上無需基礎設施團隊即可完成複雜 RL 運行，成本較閉源省 2-4 倍。但公司尚無獨立審計營收與基準，實際穩定性需看後續開發者複現與生產案例。
Q3：Nvidia 和 AMD 同時參投有什麼含義？
兩家晶片廠風投同進，反映算力供應方樂見開放權重微調生態擴大，帶動訓練與推理雙端加速卡需求。對 River 來說，戰略投資人比純財務 VC 更接近供應鏈綁定。