River AI, la empresa que montó Igor Babuschkin tras salir de xAI, ha cerrado una ronda de 1.100 millones de dólares para vender algo que suena viejo y vuelve a estar caro: que una empresa entrene y siga entrenando su propio modelo, en vez de alquilar el de otro.
Puntos clave
- Lideran la ronda General Catalyst y AMP PBC.
- Nvidia y AMD Ventures entran como inversores estratégicos, con participación de Y Combinator y Temasek.
- River sostiene que una tanda compleja de aprendizaje por refuerzo se completa en 15 o 20 minutos sin que el cliente mantenga un equipo de infraestructura.
- La compañía reclama entre 2 y 4 veces de ahorro de coste frente a las alternativas cerradas.
- Babuschkin cofundó xAI, y antes pasó por Google DeepMind (modelado generativo y aprendizaje por refuerzo) y por OpenAI, donde según River dirigió entrenamientos a gran escala.
Qué está vendiendo exactamente
El producto no es un modelo. Es la fontanería para que tú tengas el tuyo: coger un modelo base, ajustarlo con tus datos, medirlo, volver a ajustarlo, y repetir eso como una rutina y no como un proyecto de seis meses.
Ese ciclo es lo que hoy frena a casi todo el mundo. Ajustar un modelo no es difícil de entender, es difícil de operar. Hace falta gente que sepa montar el entrenamiento, gente que sepa evaluarlo y presupuesto de GPU que nadie quiere firmar dos veces. Por eso la mayoría acaba llamando a una API y punto.
La cifra de 15 a 20 minutos es la promesa comercial que lo resume. Si de verdad puedes lanzar una tanda de refuerzo por la mañana y ver el resultado antes de comer, el ajuste deja de ser un proyecto y pasa a ser una tarea.
Que Nvidia y AMD estén los dos dentro dice algo
Es raro ver a los dos fabricantes de GPU en la misma cap table. Y tiene una explicación aburrida y honesta: a los dos les conviene que entrenar deje de ser cosa de cinco laboratorios.
Mientras el entrenamiento serio esté concentrado en OpenAI, Anthropic, Google y Meta, el hardware se vende en pocos contratos gigantes con mucho poder de negociación al otro lado. Si miles de empresas medianas empiezan a entrenar lo suyo, la demanda se reparte. A Nvidia le sale la cuenta igual, y a AMD le sale mejor que ahora.
Dónde encaja esto en la pelea abierta contra cerrada
Llega en la misma semana en la que Meta ha vuelto a publicar pesos abiertos con Muse Glimmer y en la que el precio por token sigue cayendo por todos lados. Los dos movimientos empujan en la misma dirección: el modelo base se abarata y se comoditiza, y el valor se mueve hacia lo que haces con él.
River está apostando a que ese valor está en los datos propios y en la iteración, no en tener el modelo más listo. Es una apuesta razonable, y también la que llevan repitiendo las startups de fine-tuning desde 2023 sin que la mayoría haya despegado. La diferencia esta vez es el tamaño del cheque y quién lo firma.
Por qué importa
Para una empresa española de 10 a 100 millones, la pregunta no es si entrenar un modelo propio. Es si tus datos están en condiciones de entrenar algo. Y casi siempre la respuesta es que no todavía.
Antes de ajustar nada hay que tener el dato etiquetado, limpio y en un sitio del que se pueda leer. Ese trabajo no lo hace River ni nadie: lo haces tú, y es meses de curro sin foto bonita. Quien lo tenga hecho, esta ronda le acaba de abaratar el siguiente paso. Quien no, sigue exactamente donde estaba.
Relacionado
