Igor BabuschkinのRiver AIが顧客所有モデル向けに11億ドルを調達

Why it matters

River's unusually large early financing backs a shift from renting general AI APIs toward training models that enterprises can own, tune and deploy around proprietary work.

Igor Babuschkin (@ibab)、Google DeepMindでAlphaStarの構築に携わった元xAI共同創業者は、River AIのために11億ドルを調達しました。これはRiverを公に発表してから2か月後のことです。

この資金調達は8月11日に発表され、Reutersが報じたように、RiverのシードとシリーズAラウンドを組み合わせたものです。General CatalystとAMP PBCが主導し、NvidiaとAMD Venturesが戦略的出資を行いました。Y CombinatorとTemasekも参加しています。Riverは評価額を開示しておらず、11億ドルを両ラウンドにどのように配分したかも明らかにしていません。

その構造のため、この資金調達は従来のシリーズAと単純に比較するのが難しくなっています。Riverが顧客名、収益、リテンションデータを公表する前であり、最初のプロダクトがプレビューアクセスを超えていない段階で、Babuschkinは大きな資本プールを手に入れました。投資家は彼の大規模AIシステム構築の実績と、企業が最終的に汎用システムを閉鎖的なラボからレンタルするのではなく、カスタマイズされたモデルを所有するようになるという彼の主張を支持して出資しています。

Babuschkinはその閉鎖型ラボモデルの中心近くで働いてきました。Google DeepMindでは、StarCraft IIでグランドマスター級の性能を達成した強化学習システムであるAlphaStarのチームの一員でした。その後OpenAIで大規模モデルのトレーニングに携わり、2023年にxAI (@xai)を共同設立しました。

Riverは、十分に資金調達された研究ラボ内で開発された手法を、専用のトレーニングインフラを持たない企業向けにパッケージ化しようという試みです。

Riverはトレーニング層から始める

最初の製品であるRiver APIは、オープンウェイトモデル向けのLoRAファインチューニング、強化学習、推論、デプロイを管理します。顧客はトレーニングデータと報酬関数を提供し、Riverは重みの転送、弾性的なコンピュート、サンプル生成に使用されるシステムとモデル更新に使用されるシステム間の整合性を処理します。

Riverによれば、開発者はおおむね350億から1兆パラメータのモデルでAPIを利用でき、得られたチェックポイントを保持できます。このサービスは、トレーニング済みモデルを新しいインターフェースに合わせてアプリケーションを作り直すことなく本番に移行できるようにすることを意図しています。

Riverが売ろうとしている差異は「所有権」です。汎用モデルに対するプロンプトはセッション単位で出力を変えるにすぎませんが、トレーニングは重みを変え、顧客が保持、バージョン管理、再調整できる資産を生み出します。この訴求は、独自のワークフローやデータを持ち、汎用モデルでは満足な結果が出ないものの、社内に強化学習インフラチームを組織するほどの正当性がない組織を対象にしています。

Riverは、複雑な強化学習ランがインフラチームなしで15〜20分で完了できると主張しています。さらに、同サービスは閉鎖的な代替手段よりコストが2倍〜4倍安いとも述べています。どちらの主張も独立したベンチマークで裏付けられておらず、関連コストはベースモデル、コンテキスト長、トレーニングトークン数、推論量に大きく依存します。

プレビュー価格はRiverの商業的アプローチをより明確にします。RiverはGPU時間の価格を直接顧客にさらすのではなく、トレーニングトークンと推論トークンで課金します。Riverのプレビュー価格は、モデルと構成に応じて、トレーニング100万トークンあたりおおむね1ドルから15ドル超までの範囲です。

トークン課金は実験的なトレーニングの予算化を容易にする場合がありますが、Riverは依然として高価なアクセラレータ容量の確保と効率的な利用という基礎的リスクを負っています。NvidiaとAMDの両者が参加していることは、モデルのカスタマイズ需要を拡大するインセンティブが最も明確な二つのチップ供給者にRiverを結びつけます。各トレーニング実行と本番デプロイは、顧客がGPU時間の明細を直接目にするかどうかに関わらず、追加のアクセラレータ使用を生み出します。

Babuschkinはより大きな「所有」の賭けに資金を投入している

Babuschkinは6月10日にRiverを公に紹介し、企業向けファインチューニングよりも広い仮説を提示しました。彼は、AIエージェントはユーザーから学び、ユーザーの好みを理解し、ユーザーの制御下に留まるべきだと書きました。APIは、Riverが最終的に継続学習、パーソナライズ製品、個人のAIを所有者のそばに保てるハードウェアまで及ぶとする計画の最初の層です。

「AIはオープンで、自由に入手可能で、手頃であるべきだ」とBabuschkinはRiverの資金調達発表で述べました。彼は、知能はそれを使用する人のために機能すべきであり、元のモデルを訓練したラボに支配されたままであってはならないと主張しました。

その野心が、Riverが実証された商業規模の前に十分な資金を調達した理由を説明しています。マネージドトレーニングサービスを構築するだけでも希少な研究者、分散システムエンジニア、そしてコンピュートのコミットメントが必要です。インフラから消費者向けソフトウェアやハードウェアに拡大すれば、Riverは同時に複数の資本集約的なビジネスに足を踏み入れることになります。

当面の製品は範囲が狭く評価しやすいものです。Riverは、企業がモデルのチェックポイントをトレーニングして所有したいと思うか、その強化学習ワークフローが既存サービスより実質的に容易か、そしてトークンベースの価格設定がコンピュートコスト後でも健全なマージンを支えられるかを示す必要があります。

資金の厚い市場

Riverが参入しようとしているカテゴリでは、既存のAIインフラプロバイダーも専門モデル需要を見越して大規模なラウンドを集めています。

Together AIは8億ドルのシリーズCを発表したと7月1日に発表し、オープンモデルのトレーニング、カスタマイズ、推論、コンピュートをまたぐプラットフォームを掲げています。Fireworks AIは15.05億ドルのシリーズDを発表したと7月15日に発表し、顧客が独自データに特化したモデルをますます利用していると述べました。Basetenは3億ドルのシリーズEを調達したと2月5日に発表し、トレーニングと本番推論インフラの拡大を図るとしています。

これらの資金調達はRiverが追う市場を裏付ける一方で、パフォーマンスの水準も引き上げます。Riverは既に相当なトレーニング、推論、デプロイのプラットフォームを運用しているプロバイダーと競合しています。Babuschkinの対応は、強化学習、高速なトレーニングサイクル、顧客所有のチェックポイントから始めて、個人向けAIへと上方へ構築していくことです。

11億ドルはRiverに、コンピュートの確保、研究とエンジニアリングの採用、迅速なプロダクト構築の補助金を提供する資源を与えます。同時に、Riverが評価額を開示していないにもかかわらず、プレビュー段階のサービスに対して大きな資金調達のベンチマークを置くことにもなります。

Babuschkinはそのキャリアを最前線のラボ内で強化学習をスケールさせることに費やしてきました。Riverの資金調達は、彼がその専門知識を通常のエンジニアリング組織が利用できるインフラに変え、所有権モデルを企業向けAPIの先へ持ち運べるかどうかという賭けに基づいています。資本は整いました。あとは、顧客が閉鎖的で汎用的なモデルの便利さから離れてまで、自分たちの知能を所有し継続的にトレーニングしたいと強く望むかを証明する必要があります。