River AI 拿了 11 亿美元，这笔钱来自 General Catalyst 和 AMP PBC，后面跟着 NVIDIA、AMD Ventures、Y Combinator 和 Temasek。公司才成立两个月，带头人是 Igor Babuschkin。这人履历很硬：以前是 OpenAI 研究员，后来在 DeepMind 干过，还是 xAI 的联合创始人。
这轮资金意味着风向变了。资本不再只盯着闭源大模型，而是转向谁能把开源模型私有化、谁能让强化学习训练跑得快。
River AI 想改的不仅是产品形态，而是整个 AI 的底层逻辑。传统用法是用户当工具使，你问一句它答一句，模型永远属于平台。River AI 要把模型变成“守护天使”，让每个用户真正拥有并定制自己的模型，而不是被动接受别人的通用版本。
他们分两条线走。一条是开源模型 API 服务，用强化学习和 LoRA 微调，让开发者能把开源模型部署成私有版，通过标准接口调用，不用碰底层代码。另一条是 Neocloud 企业服务，专治企业没硬件团队的痛点。企业用这套服务，15 到 20 分钟就能跑完复杂的强化学习训练，成本比租闭源大模型省 2 到 4 倍。
从技术栈看，River AI 押注的强化学习训练是重算力活计。但 Neocloud 把流程串起来了，省去了硬件运维的中间环节。以前企业想跑 RL 得自己搭集群、调参、监控，现在直接调用服务，算力和代码都包了。
资本这边，DeepMind 和 xAI 的人带头，算力的 NVIDIA 和 AMD 也进场，说明行业共识已经形成：未来的竞争壁垒不在模型参数多少，而在训练效率和硬件掌控力。开源模型私有化部署加上软件定义的硬件，是这条新路的两个支点。
现在 River AI 拿到钱，不是单纯烧钱扩张，而是把“自主可控”这件事从概念推到了工程落地。
