Igor Babuschkin zebrał 1,1 mld dolarów na River AI, dwa miesiące po założeniu firmy

Rok temu Igor Babuschkin patrzył, jak Grok, chatbot firmy, którą współtworzył, generuje antysemickie wypowiedzi i deepfake'i znanych osób. W sierpniu 2025 odszedł z xAI. Dziś jego nowa firma, River AI, ma za sobą rundę finansowania na 1,1 miliarda dolarów, wycenę na poziomie 5 miliardów i inwestorów, którzy jeszcze niedawno konkurowali ze sobą o ten sam kawałek rynku AI: Nvidię i AMD w jednej rundzie.

Co dokładnie buduje River AI

River zostało zarejestrowane w Nevadzie 20 kwietnia 2026 roku. Dwa miesiące później firma ma już produkt: River API, platformę pozwalającą programistom i firmom dotrenowywać modele open-weight na własnych danych bez budowania infrastruktury, jaka zwykle jest potrzebna do treningu na dużą skalę. Według River platforma obsługuje modele od 35 miliardów do biliona parametrów, a złożone przebiegi reinforcement learning kończy w 15-20 minut, przy koszcie od dwóch do czterech razy niższym niż porównywalne rozwiązania zamknięte.

Za tym produktem stoi szersza wizja: pełny stos technologiczny, od sprzętu utrzymującego osobiste modele AI blisko użytkownika, przez infrastrukturę treningową ułatwiającą fine-tuning, po produkty budowane wokół personalizacji. Babuschkin mówi wprost, że chce, aby River budowało serwery pozwalające osobom prywatnym i firmom uruchamiać otwarte modele na własnym sprzęcie, tak żeby prywatne dane nigdy nie trafiały ani do River, ani do żadnej innej firmy.

To postawienie sprawy jest w oczywisty sposób odpowiedzią na to, skąd Babuschkin przyszedł: model kontrolowany centralnie przez jedną firmę, z decyzjami produktowymi podejmowanymi za zamkniętymi drzwiami, to dokładnie to, z czym miał do czynienia w Grok. River sprzedaje się jako przeciwieństwo tego układu, AI, które użytkownik posiada i kształtuje sam, zamiast dostawać je gotowe z góry.

Skąd 1,1 miliarda dolarów

Rundę poprowadziły General Catalyst i AMP PBC. Strategiczny udział wzięły w niej Nvidia i AMD Ventures, do tego Y Combinator i singapurski fundusz państwowy Temasek. Przy dwumiesięcznej firmie i około 20 pracownikach to suma, która każe zadać pytanie, co dokładnie inwestorzy kupują za te pieniądze poza samym zespołem i pomysłem.

Częściowa odpowiedź leży w obecności Nvidii i AMD w tej samej rundzie. Obie firmy produkują sprzęt, na którym uruchamiane są modele AI, i obie mają bezpośredni interes w tym, żeby powstawała infrastruktura zachęcająca firmy i osoby prywatne do trenowania własnych modeli na własnym sprzęcie zamiast płacić za dostęp do cudzych modeli w chmurze. River, jeśli jego wizja się ziści, zwiększa popyt na czipy obu firm niezależnie od tego, czy sam produkt odniesie sukces komercyjny w klasycznym sensie.

River jest wciąż miesiącami od wypuszczenia swoich technologii open-source, tych elementów stosu, które mają realnie oddać kontrolę użytkownikom, a nie tylko pozwolić im dotrenowywać cudze modele przez API. Na razie jedynym namacalnym produktem jest River API, komercyjna usługa, nie otwarty stos, który firma obiecuje w swojej misji.

Droga od AlphaStar do Groka

Babuschkin nie jest przypadkowym founderem z pomysłem na pitch deck. Studiował fizykę na Technische Universität Dortmund, z udziałem w eksperymencie LHCb w CERN-ie, zanim przeszedł do uczenia maszynowego. W Google DeepMind prowadził technicznie projekt AlphaStar, który w 2019 roku osiągnął poziom grandmastera w StarCraft II przy użyciu multi-agentowego reinforcement learning, jednego z bardziej złożonych środowisk testowych dla tej klasy algorytmów w tamtym czasie. Później pracował nad dużymi treningami w OpenAI, zanim w 2023 roku został współzałożycielem xAI razem z Elonem Muskiem.

W xAI Babuschkin był częścią zespołu budującego Groka od podstaw, aż do serii kontrowersji, które trafiły w firmę jedna po drugiej: chatbot powtarzający prywatne poglądy Muska, wpisy z antysemickimi treściami, wygenerowane materiały wykorzystujące wizerunki osób publicznych bez ich zgody. Żegnając się z xAI w sierpniu 2025 roku, Babuschkin mówił o dumie ojca wysyłającego dziecko na studia i przywoływał dwie lekcje od Muska: nie bać się osobiście zakasać rękawów przy problemach technicznych i mieć maniakalne poczucie pilności. Nie były to słowa kogoś spalonego przez tę pracę, ale ktoś, kto zdecydował się odejść, zanim kolejny skandal wybuchnie pod jego nazwiskiem.

Zaraz po odejściu założył Babuschkin Ventures, fundusz mający wspierać startupy zajmujące się bezpieczeństwem AI i systemami agentowymi, inspirowany rozmowami o bezpieczeństwie AI z takimi postaciami jak Max Tegmark. River AI, uruchomione kilka miesięcy później, wygląda na naturalne rozwinięcie tego samego impulsu: zamiast tylko finansować cudze projekty skupione na bezpiecznej, oddanej użytkownikowi AI, zbudować taki projekt samemu.

Gdzie w tym miejsce na jeszcze jedną firmę

Modele open-weight same w sobie nie są niczym nowym: Meta rozwija swoją linię Llama, DeepSeek regularnie wypuszcza modele konkurencyjne cenowo z zamkniętymi alternatywami, Mistral robi to samo z europejskiego podwórka. River nie próbuje budować kolejnego modelu w tym wyścigu. Zakłada dokładnie odwrotnie: że sam model to już rozwiązany problem, a prawdziwa luka leży w tym, co dzieje się później, czyli w dotrenowaniu, hostowaniu i utrzymaniu takiego modelu tak, żeby ktoś bez zespołu inżynierów od infrastruktury mógł z niego realnie korzystać na własnych warunkach.

To postawienie sprawy ma sens biznesowy niezależnie od tego, który konkretnie model open-weight akurat wygrywa w danym miesiącu rankingi. Jeśli River rzeczywiście skraca czas i koszt fine-tuningu tak, jak deklaruje, zarabia na każdym kolejnym modelu open-weight, jaki trafi na rynek, zamiast rywalizować bezpośrednio z laboratoriami, które te modele trenują od zera za setki milionów dolarów.

Duży czek, mała firma

Rozdźwięk między skalą finansowania a dojrzałością firmy jest tu trudny do zignorowania. River ma dwa miesiące, około 20 osób w zespole i jeden komercyjny produkt, River API, podczas gdy właściwa, otwarta część stosu, ta odpowiadająca za rzeczywistą obietnicę oddania kontroli użytkownikowi, wciąż czeka na wydanie. Runda w wysokości 1,1 miliarda dolarów przy takiej skali operacji to zakład na reputację i sieć kontaktów Babuschkina bardziej niż na cokolwiek, co można dziś przetestować.

To zresztą nie jest wyjątek w tegorocznym rynku AI. Kapitał płynie do zespołów z odpowiednim rodowodem szybciej, niż te zespoły zdążą cokolwiek wypuścić, a inwestorzy strategiczni jak Nvidia czy AMD grają w inną grę niż fundusze VC, dla nich sukces River jako niezależnej firmy jest drugorzędny wobec tego, czy w ogóle napędza popyt na ich sprzęt. Dla użytkownika końcowego oznacza to, że obietnica "AI, które jest naprawdę twoje" pozostaje na razie właśnie tym: obietnicą, opartą na dobrym pomyśle i doświadczonym zespole, ale jeszcze bez produktu, który dowodzi, że da się ją spełnić w praktyce, a nie tylko sprzedać inwestorom.