Igor Babuschkin, cofondatore di xAI ed ex ricercatore di Google DeepMind e OpenAI, ha fondato River AI, una nuova startup dedicata allo sviluppo di sistemi di intelligenza artificiale personalizzabili e basati su modelli open-weight. A soli due mesi dalla fondazione, River AI ha raccolto complessivamente 1,1 miliardi di dollari attraverso round Seed e Series A. L’operazione è stata guidata da General Catalyst e AMP PBC, con NVIDIA e AMD Ventures come investitori strategici e la partecipazione di Y Combinator e del fondo sovrano di Singapore Temasek. La valutazione della società non è stata resa pubblica.
River AI punta a consentire ad aziende e, in prospettiva, singoli utenti di addestrare, modificare e possedere direttamente i propri sistemi AI invece di dipendere esclusivamente dai modelli general-purpose forniti tramite API dai grandi laboratori. La società parte dall’idea che il mercato possa progressivamente spostarsi verso modelli open-weight che ogni organizzazione può adattare ai propri dati, attività e preferenze. L’obiettivo è trasferire il controllo dell’intelligenza artificiale verso chi la utilizza, permettendo agli utenti di mantenere il controllo sui dati e di modificare attraverso ulteriore addestramento il comportamento dei modelli. A lungo termine River AI vuole arrivare a un assistente digitale personale capace di operare su più dispositivi, apprendere continuamente il contesto e le preferenze dell’utente e adattarsi alle sue necessità nel tempo.
La strategia non riguarda soltanto i modelli. River AI intende sviluppare l’intero stack necessario per questo tipo di intelligenza artificiale, comprendendo infrastruttura di training, modelli, prodotti orientati alla personalizzazione e al continual learning e nuovo hardware che permetta di eseguire l’AI vicino all’utente anziché esclusivamente nei data center di società esterne. L’idea è arrivare a sistemi nei quali anche l’hardware, i dati utilizzati per l’apprendimento e l’intelligenza risultante possano rimanere sotto il controllo del proprietario. Gli agenti AI vengono quindi concepiti non semplicemente come strumenti che rispondono a una serie di comandi, ma come sistemi personali capaci di comprendere progressivamente l’utente e operare nel suo interesse nel lungo periodo.
Il primo prodotto già disponibile è River API, un’infrastruttura attraverso cui sviluppatori e aziende possono personalizzare modelli open-weight di frontiera utilizzando fine-tuning LoRA e reinforcement learning. Invece di cercare di adattare continuamente il comportamento di un modello attraverso prompt sempre più complessi, le organizzazioni possono utilizzare i propri dati per modificarne direttamente il comportamento. River gestisce l’infrastruttura sottostante, comprese le operazioni di trasferimento dei pesi, la coerenza tra sampling e training e l’allocazione elastica delle risorse computazionali, mentre i modelli addestrati possono essere distribuiti direttamente in produzione. Secondo l’azienda, un’impresa può completare anche un’attività complessa di reinforcement learning in circa 15-20 minuti senza disporre di un team infrastrutturale dedicato.
River AI dichiara inoltre che questo approccio può offrire un risparmio economico compreso tra due e quattro volte rispetto all’utilizzo di alternative proprietarie. La piattaforma applica una tariffazione basata esclusivamente sui token effettivamente utilizzati per training e inferenza, evitando quindi i costi associati alla capacità GPU inutilizzata. Una volta completato l’addestramento, i modelli possono essere messi immediatamente in produzione. La combinazione tra API, post-training di modelli aperti e gestione automatizzata dell’infrastruttura punta quindi a rendere accessibili attività di personalizzazione che tradizionalmente richiedono hardware dedicato, competenze specialistiche e un’infrastruttura di machine learning gestita internamente.
Babuschkin porta nel progetto un’esperienza maturata direttamente nei principali laboratori di frontiera. Prima di cofondare xAI ha lavorato sui modelli generativi e sul reinforcement learning a Google DeepMind e ha guidato attività di addestramento di modelli su larga scala in OpenAI. Anche il team di River AI comprende ricercatori provenienti da xAI, OpenAI e Tesla. La startup conta attualmente poco più di 20 dipendenti e, pur disponendo già della propria API commerciale, prevede che saranno necessari ancora alcuni mesi prima di rendere pubbliche le proprie tecnologie open source.
Il progetto si inserisce nella crescente attenzione verso i modelli open-weight come alternativa ai sistemi proprietari controllati dai grandi laboratori. River AI vuole costruire un’infrastruttura attraverso la quale imprese e individui possano creare modelli propri, modificarli e continuare ad addestrarli senza rimanere vincolati a un singolo fornitore. I 1,1 miliardi di dollari raccolti saranno utilizzati per accelerare lo sviluppo di tutti i livelli dello stack, dalla piattaforma di training ai prodotti di personalizzazione fino all’hardware necessario a eseguire in futuro sistemi AI personali direttamente sotto il controllo degli utenti.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)