River AI raccoglie 1,1 miliardi per ricostruire l'IA personale

River AI chiude un seed/Series A da 1,1 miliardi di dollari appena due mesi dopo la nascita. Guidano General Catalyst e AMP PBC. Per una startup così giovane, è un’anomalia rara anche nella corsa all’IA generativa¹.

La società è uscita dallo stealth a giugno. La guida è Igor Babuschkin: co‑fondatore di xAI, con passaggi nei team di intelligenza artificiale di DeepMind e OpenAI¹. Nel post di lancio chiarisce il punto di rottura: non inseguire la sostituzione dei lavoratori umani. Vuole agenti che l’utente possa addestrare personalmente e che migliorino nel tempo seguendo istruzioni e contesto di ciascuno¹.

Per arrivarci, Babuschkin scrive che serve ricostruire l’intero stack, “end to end”. Dall’addestramento ai modelli, dal livello di prodotto fino a “nuovo hardware che permette all’IA personale di vivere vicino a te” (“new hardware that lets personal AI live close to you”)¹. L’idea spinge sull’integrazione verticale: un prodotto costruito sopra modelli dedicati, con scelte architetturali e hardware mirate alla prossimità all’utente¹.

Al round partecipano anche Nvidia, AMD Ventures, Y Combinator e Temasek¹. La combinazione fra fase, ammontare e profilo dei nomi in cap table colloca River in una posizione insolita: capitali tipici di stadi avanzati su una tesi di prodotto ancora da costruire pubblicamente¹.

Il messaggio al settore è chiaro. L’interesse per agenti personali addestrabili supera il perimetro del software puro. Tocca come si addestrano i modelli, come li si espone all’utente e dove “vive” l’IA: non soltanto nel cloud, ma anche vicino a chi la usa. È una scommessa su controllo e personalizzazione, più che su generalità e sostituzione¹.

L’annuncio arriva a poche settimane dall’uscita allo scoperto. River mette sul tavolo l’obiettivo e i mattoni che intende rifare da capo. Non descrive feature o tempistiche, ma indica la direzione: agenti personali che si lasciano istruire e un’infrastruttura progettata per quel caso d’uso¹.

Se la tesi regge alla prova del prodotto, il mercato degli assistenti potrebbe spostarsi dalla logica “taglia unica” a esperienze modellate su dati e contesti individuali. Per River, la prova passa dalla capacità di legare addestramento, modelli, interfaccia e quel “nuovo hardware” vicino all’utente in un sistema coerente. È lì che la visione si farà misurabile, nel passaggio da post di lancio a software e dispositivi in mano alle persone¹.