xAI-Mitbegründer startet River AI mit 1,1 Milliarden Dollar für nutzereigene KI-Modelle
Nachrichtenübersicht
River AI, ein Startup, das vom ehemaligen xAI-Mitbegründer Igor Babuschkin gegründet wurde, gab am 11. August 2026 (US-Ostküstenzeit) bekannt, dass es 1,1 Milliarden Dollar in einer kombinierten Seed- und Series-A-Runde eingesammelt hat – nur zwei Monate nachdem das Unternehmen aus der Stealth-Phase trat. Die Runde wurde gemeinsam von General Catalyst und AMP PBC angeführt, mit Beteiligung von Nvidia, AMD Ventures, Y Combinator und Temasek, was River AI zu einem der am besten kapitalisierten KI-Infrastrukturunternehmen in der Frühphase macht. Das Unternehmen nannte in seiner Ankündigung keine offizielle Bewertungszahl, obwohl Branchenberichte auf eine Post-Money-Bewertung von etwa 5 Milliarden Dollar hindeuten.
Unternehmenshintergrund und Gründungsteam
Babuschkin bringt eine Forschungserfahrung mit, die drei der bekanntesten KI-Labore der Welt umfasst. Vor der Gründung von River AI war er Mitbegründer von xAI und hatte zuvor Forschungsrollen bei DeepMind und OpenAI inne. Bei DeepMind trug er zu AlphaCode bei, einem System, das für das Erreichen wettbewerbsfähiger Leistungen bei Programmierherausforderungen bekannt ist. Dieser Hintergrund in groß angelegtem Training und angewandtem bestärkendem Lernen scheint die technische Ausrichtung von River AI zu prägen: Anstatt einen weiteren geschlossenen, allgemeinen Chatbot zu bauen, konzentriert sich das Unternehmen darauf, Entwicklern und Unternehmen die Werkzeuge zu geben, um ihre eigenen spezialisierten Modelle zu trainieren und zu besitzen.
Was River AI baut
Im Zentrum des Angebots von River AI steht die River-API, ein Dienst, der Entwicklern ermöglicht, offene große Sprachmodelle mit Gewichten von etwa 35 Milliarden bis 1 Billion Parametern anzupassen. Die Plattform kombiniert bestärkendes Lernen mit Low-Rank-Adaption (LoRA), einer Technik, die eine kleine Anzahl zusätzlicher trainierbarer Parameter zu einem bestehenden Modell hinzufügt, anstatt es von Grund auf neu zu trainieren. Laut Unternehmen ermöglicht dieser Ansatz Unternehmen, komplexe Trainingsläufe mit bestärkendem Lernen in nur 15 bis 20 Minuten abzuschließen, ohne ein dediziertes Team für maschinelle Lerninfrastruktur zu unterhalten.
River AI positioniert dies als direkte Alternative zum Prompt-Engineering bei geschlossenen, proprietären Modellen. Anstatt den Zugang zu einem Modell eines Anbieters über eine API zu mieten und sein Verhalten nur mit Prompts zu formen, können Kunden Modelle feinabstimmen und kontinuierlich neu trainieren, die sie effektiv besitzen und kontrollieren. Das Unternehmen sagt, dass dieser Arbeitsablauf im Vergleich zu Closed-Source-Alternativen für ähnliche Aufgaben eine zwei- bis viermal bessere Kosteneffizienz liefern kann.
Produkt-Roadmap und Hardware-Ambitionen
Über die aktuelle API hinaus hat River AI Pläne skizziert, Funktionen für Personalisierung und kontinuierliches Lernen für autonome Agenten zu entwickeln, sodass sich Systeme im Laufe der Zeit an die Bedürfnisse und Vorlieben eines einzelnen Benutzers anpassen können, anstatt nach der ersten Bereitstellung statisch zu bleiben. Das Unternehmen verfolgt auch eine Hardware-Initiative und entwickelt Berichten zufolge kundenspezifische Siliziumchips mit Beschleunigern für maschinelles Lernen sowie einen Compiler, der PyTorch-basierte Modelle für diese proprietäre Hardware optimiert. Zusammengenommen deutet die Roadmap darauf hin, dass River AI einen vertikal integrierten Stack aufbauen will, der Trainingsinfrastruktur, Modellanpassungswerkzeuge, Agentensoftware und schließlich dedizierte Chips umfasst.
Vision und Positionierung
Babuschkin hat das langfristige Ziel als persönliche, benutzerkontrollierte KI-Systeme beschrieben, nicht als KI, die menschliche Arbeitskräfte ersetzen soll. In öffentlichen Kommentaren hat er die Vision für die Agenten von River AI als wie "Schutzengel: leise präsent, auf deiner Seite, helfen bei dem, was dir wirklich wichtig ist" charakterisiert und betont, dass die resultierenden Modelle "deine, nicht gemietete" sein sollten, wobei die Benutzer echte Kontrolle darüber behalten, wie sie sich verhalten und entwickeln.
Investoreninteresse und Marktkontext
Die Beteiligung sowohl von Nvidia als auch von AMD Ventures als strategische Investoren ist bemerkenswert, da sie das Interesse großer Chiphersteller an einem Startup signalisiert, das gleichzeitig ein großer Kunde für KI-Rechenleistung und potenziell ein zukünftiger Designer spezialisierter Siliziumchips ist. Die Entscheidung von General Catalyst und AMP PBC, eine so große Runde für ein zwei Monate altes Unternehmen gemeinsam anzuführen, spiegelt die anhaltende Investorennachfrage nach Teams mit tiefgreifender technischer Erfahrung im Training von Basismodellen wider, selbst in einem zunehmend wettbewerbsintensiven und kapitalintensiven KI-Infrastrukturmarkt. Die Beteiligung von Y Combinator und Temasek erweitert die Investorenbasis der Runde weiter um Wagniskapital und staatsnahes Kapital.
Was als Nächstes kommt
River AI hat weder einen konkreten öffentlichen Startzeitplan für seine Personalisierungs- und Agentenfunktionen bekannt gegeben noch weitere Einzelheiten zu seinem kundenspezifischen Siliziumprogramm mitgeteilt. Mit den erheblichen neuen Mitteln wird erwartet, dass sich das Unternehmen kurzfristig darauf konzentriert, die River-API auf mehr Unternehmenskunden auszuweiten und die Infrastruktur für bestärkendes Lernen und Feinabstimmung weiterzuentwickeln, die sein aktuelles Produkt untermauert.