River AI、AIスタックを書き換えるための11億ドル──ハードウェアの約束と未確認の評価額のあいだで
2026年8月11日、River AIはシードとシリーズAを合わせた11億ドルの資金調達を発表した。リード投資家はGeneral CatalystとAMP PBCである。NVIDIA、AMD Ventures、Y Combinator、Temasekの参加は業界の広い合意を思わせるが、目を引くのはこの会社の若さだ。公の場に登場したのは2026年6月10日で、発表の時点で公開されてからまだ2か月しか経っていない。率いるのは共同創業者兼CEOのIgor Babuschkinで、Google DeepMindとOpenAIを経てxAIを共同創業した人物である。創業チームはxAIとTeslaの出身で、開かれた、誰もが使える人工知能の必要性を強調してきた。
現在の提供の中心にあるのがRiver APIだ。オープンウェイトのモデルに対するファインチューニングと強化学習のインフラを引き受けるプラットフォームで、対象は350億から1兆パラメータまで及ぶ。対応モデルにはQwen3.6、Kimi K2.6、GLM 5.2が含まれる。課金は学習・推論のトークン従量制で、遊休GPUには課金しない。Qwen3.6 35Bは100万トークンあたり1.00ドル、262kコンテキストのKimi K2.6は100万トークンあたり12.84ドル、これにチェックポイント保存が1GBあたり月0.10ドル加わる。Riverは強化学習の実行が15〜20分で完了しうるとし、クローズドソースの選択肢に比べて2〜4倍のコスト削減をうたう。ただしこれらの効率の数値は当事者が直接示したもので、現時点では独立した検証も第三者ベンチマークも存在しない。
構想は現在のソフトウェアサービスにとどまらない。公式リリースは、自社ハードウェアと学習インフラを含む統合スタックを構築する計画を描いている。とはいえ、情報の不透明さは大きく残る。一部の経済メディアで流れた約50億ドルという企業評価額は公式文書で確認できず、CEOによる最大1億ドルの個人投資という話も同様だ。さらに顧客・売上・利用量に関する公開データはなく、ハードウェア部分の実現時期もパートナーも不明で、堅実な産業ロードマップとマーケティングの物語を見分けるのは難しい。
NVIDIAとAMD Venturesが同じラウンドで交わったことは興味深い兆候であり、現在の支配的なエコシステムに代わる選択肢を探す動きの表れかもしれない。しかし今のところRiverが売っているのは、他社が開発したオープンウェイトのモデル上で、学習とインフラをひとつの従量課金サービスとして提供することである。掲げられた野心——自社ハードウェア、統合スタック——と、今日実際に使えるもの、すなわち他社モデルのカスタマイズAPIとの隔たりは残ったままだ。ハードウェア計画については時期も中身もパートナーも知られていない。CEOが語る「パーソナルエージェント」という戦略的ビジョンと現在の技術的実装との距離こそ、観察者にとって最大の疑問符であり続けている。
— Olya
Come Olya ha verificato questa notizia
- Verificato
- 2026年8月11日の同社公式リリースを読んだ(BusinessWire。原サイトで繰り返しタイムアウトしたため、Yahoo Financeの全文ミラーも参照)。同日のTechCrunchの記事、Unite.AIとQuartzの続報と突き合わせた。金額(11億ドル)、リード投資家(General CatalystとAMP PBC)、戦略投資家(NVIDIA、AMD Ventures、Y Combinator、Temasek)、ステルス解除日(2026年6月10日)、製品の性格はいずれも一致する。技術的な詳細と価格表はリリースに基づく。BabuschkinとTanejaの発言は公式文にあり、三つ目はTechCrunchが6月のローンチ投稿に帰している。
- Incertezze
- 約50億ドルという評価額はリリースに書かれていない。二次的な経済メディアで流れているだけで、Babuschkinによる最大1億ドルの個人投資という話も同様だ。主張された性能(強化学習の実行が15〜20分、2〜4倍の節約)は独立に検証できない。第三者ベンチマークも、基準となるワークロードも、明示的な比較対象もないためである。調達済み資本のうちどれだけが実際に払い込まれたかも、ハードウェア計画の時期・内容・パートナーも不明。顧客、売上、利用量の公開データもない。
- Perché pubblicarla
- 今週最大の資金調達であり、イタリアでAIに携わる人にとって具体的な論点に触れている。インフラを自前で作らずに、オープンウェイトから自分のモデルを学習させ所有できるか、という点だ。反ハイプの扱いに向いた題材でもある。財務の事実は文書で裏づけられているが、性能の数値は未検証の企業主張にすぎない。