巨额融资指向“个人智能体”
由 xAI 联合创始人 Igor Babuschkin 创办的 River AI，在成立早期完成 11 亿美元种子/Series A 融资，领投方为 General Catalyst 与 AMP PBC，参投方包括 Nvidia、AMD Ventures、Y Combinator 和 Temasek。对一家刚走出隐身状态不久的 AI 公司而言，这一规模足以成为行业焦点，也再次说明资本仍在押注下一代 AI 基础设施与智能体应用。
River 于 6 月公开亮相。Babuschkin 曾在 DeepMind、OpenAI 从事 AI 相关工作，他提出的方向并不是把智能体简单做成“替代人类劳动者”的工具，而是重新设计从训练、模型到产品层乃至硬件的整套栈，让智能体成为可由个人训练、长期陪伴并代表用户行动的助手。
谁投了River，钱押在哪里
本轮融资的投资方组合本身颇具信号意义。General Catalyst 是大型风险投资机构；AMP PBC 则是 2026 年由前 Andreessen Horowitz 普通合伙人 Anjney Midha 创办的 AI 投资公司。Midha 在 a16z 时曾支持 Black Forest Labs、Mistral AI、LMArena 和 OpenRouter 等公司。
关键事实包括：
- 融资规模：11 亿美元，轮次为种子/Series A；
- 领投方：General Catalyst、AMP PBC；
- 参投方：Nvidia、AMD Ventures、Y Combinator、Temasek；
- 创始人背景：Igor Babuschkin 曾任职 DeepMind、OpenAI，并联合创办 xAI。
Nvidia 与 AMD Ventures 的出现，也让外界更容易把 River 与算力、模型训练和 AI 硬件生态联系起来。不过原文并未披露各方具体投资金额或战略合作细节，因此更稳妥的判断是：River 的融资叙事目前集中在模型后训练、开放模型使用和个人智能体长期愿景上。
从提示词到后训练：River的第一步
River 已提供 API，按照每 100 万 token 计费，价格取决于所使用的开放模型。Token 可理解为模型处理文本时的基本单位，通常由词、字或词片段组成。该 API 允许开发者在模型上使用强化学习与 LoRA 微调。强化学习是一种通过奖励反馈优化模型行为的方法；LoRA 则是一种低秩适配微调技术，常用于以较低成本让模型适应特定任务。
River 将这款产品定位为对“提示词工程”的替代。提示词工程指通过设计输入文本来引导模型输出，但用户并不真正拥有或持续改进底层模型。River 的说法是，让开发者把开放模型训练成更符合自身需求的模型，并像调用普通接口一样部署使用。
这也解释了它为何强调“后训练”能力。预训练模型提供通用能力，而后训练决定模型如何更贴近特定企业、个人或任务需求。随着企业开始采用多模型组合，尤其是将开放权重模型纳入自身技术栈，如何低门槛完成模型调优，正在成为新的竞争点。
企业需求与个人愿景交汇
River 在融资公告中称，其 neocloud 服务可让企业在无需基础设施团队的情况下，于 15 到 20 分钟内完成复杂强化学习运行，并相较闭源替代方案节省 2 到 4 倍成本。neocloud 可理解为面向 AI 训练与推理的新型云服务形态，重点不是传统通用云资源，而是围绕模型训练、部署和优化提供更贴近 AI 工作流的能力。
这一路线恰好踩中两个趋势。其一，企业不再满足于只调用单一闭源大模型，而是希望掌握模型选择、调优和部署的主动权。其二，个人智能体正在从概念走向早期实践，原文提到 OpenClaw 及其衍生项目已体现出本地运行个人智能体的方向；同时，Nvidia 也在与 Dell、Microsoft、HP 等 PC 厂商合作推动具备 AI 能力的硬件。
River 的更大设想是，每个人都拥有由自己训练、代表自己工作的智能体。这种智能体不是临时被呼叫来完成任务的聊天助手，而是更接近持续在场、了解用户偏好并维护用户利益的软件伙伴。
行业点评：热钱之外，难点在落地
**11 亿美元的早期融资既是信任票，也是压力测试。**AI 行业资金充裕，但“重建端到端技术栈”意味着 River 需要同时面对训练方法、模型质量、产品体验、成本控制和硬件生态等多重挑战。尤其是个人可训练智能体这一愿景，要真正普及，必须让普通用户和企业相信：训练过程足够简单，效果足够稳定，部署成本足够可控。
短期看，River 最现实的落点可能仍在开发者与企业后训练工具上，因为这里已有明确需求：把开放模型调成“自己的模型”。长期看，如果本地智能体、AI PC 与开放模型生态继续发展，个人智能体确实可能成为下一代应用入口。但 River 的技术究竟与现有方案有何根本差异，仍有待产品和客户验证。巨额融资让它赢得了时间和资源，接下来行业会关注它能否把宏大叙事转化为可重复、可计费、可扩展的产品。