River AI, een nieuw AI-bedrijf opgericht door Igor Babuschkin (bekend van xAI, DeepMind en OpenAI), heeft in een enkele financieringsronde $1,1 miljard opgehaald. De ronde werd geleid door General Catalyst en AMP PBC, met deelname van onder andere Nvidia, AMD Ventures, Y Combinator en Temasek. River kwam in juni officieel naar buiten met een opvallende missie: AI helemaal opnieuw ontwerpen, te beginnen bij hoe modellen worden getraind.

Wat wil River AI bereiken?

Volgens oprichter Igor Babuschkin moet de hele technische laag opnieuw worden opgebouwd — van trainen en modellen tot productlaag en nieuwe hardware — zodat AI niet alleen taken van menselijke werknemers overneemt, maar bedoeld is als persoonlijke, trainbare assistent. Hij beschrijft die assistenten als meer dan hulpmiddelen die je op afroep gebruikt: ze moeten je goed kennen, altijd aan jouw kant staan en werken aan wat voor jou echt belangrijk is.

River zet daarmee in op persoonlijke agenten die lokaal of dichtbij de gebruiker kunnen draaien, in plaats van alleen grote, centrale systemen die bedrijven gebruiken om werk te automatiseren.

Hoe werkt het eerste product?

River biedt een API (een manier waarop programma’s met elkaar communiceren) waarmee ontwikkelaars modellen kunnen gebruiken en aanpassen. De kosten zijn opgebouwd per miljoen tokens — een manier om te meten hoeveel tekst of data het model verwerkt — en verschillen per gebruikt model.

Belangrijke onderdelen van het product:

• Ondersteuning voor reinforcement learning (RL): een leerwijze waarbij een model wordt beloond voor gewenst gedrag, zodat het stap voor stap beter leert wat goed werkt.

• Ondersteuning voor LoRA (low-rank adaptation): een techniek om bestaande modellen aan te passen met minder rekenkracht en opslag, zodat ze sneller en goedkoper te finetunen zijn.

• Gericht op open modellen: modellen waarvan de basisgewichten of de kern vrijer zijn te gebruiken en aan te passen, zodat bedrijven en ontwikkelaars meer controle hebben over hun AI.

River positioneert dit product als een alternatief voor 'prompt engineering' — het steeds slimmer formuleren van commando’s aan een model dat je niet bezit. In plaats daarvan belooft River dat je open modellen echt kunt trainen en verbeteren, zodat ze als jouw eigen dienst beschikbaar worden.

Waarom deze investering opvalt

Dat een bedrijf dat pas enkele maanden publiek is zo veel geld krijgt, trekt meteen de aandacht. De investering laat zien dat beleggers gokken op twee ontwikkelingen:

• Organisaties willen meer controle over hun AI-keuzes en gebruiken steeds vaker een mix van modellen, waaronder open modellen.

• Er is vraag naar manieren om modellen goedkoper en sneller te trainen zonder een groot intern infrastructuurteam.

River zegt dat bedrijven met hun neocloud-oplossing complexe reinforcement-learningtaken in 15 tot 20 minuten kunnen afronden, zonder eigen infrastructuurteam, en dat dat twee- tot viermaal goedkoper is dan gesloten alternatieven. Of die beloftes in de praktijk uitkomen, moet nog blijken, maar de timing is gunstig: tegelijk stappen chipmakers en pc-fabrikanten steeds meer in hardware die speciaal geschikt is voor AI.

Wat blijft onduidelijk?

De concrete technische verschillen tussen River en bestaande partijen zijn nog niet volledig duidelijk. De belofte om training, modellen, productlaag en hardware samen te brengen klinkt ambitieus, maar hoe dat precies werkt en of het goed schaalbaar is, moet River nog bewijzen. Dat het bedrijf daarbij meteen veel kapitaal heeft om te experimenteren, maakt het wel een partij om in de gaten te houden.

Conclusie

River AI richt zich op een toekomst waarin iedereen zijn eigen, persoonlijk getrainde AI-agent kan hebben. Met $1,1 miljard aan startkapitaal en steun van grote investeerders kan het bedrijf snel verder bouwen. Of River inderdaad de training en inzet van AI zo verandert dat persoonlijke agenten voor veel mensen realistisch worden, zal de komende tijd duidelijk worden.