Trajectory 获 4500 万美元 A 轮融资，让非技术专家也能训练 AI 模型

Trajectory 由三位斯坦福同学创立，团队现有 18 人，创始成员曾在 Google DeepMind 和 Apple 工作。公司宣布完成 4500 万美元 A 轮融资，估值 3 亿美元，由 Sequoia 领投，Nvidia、Bessemer Venture Partners 和 Bain Capital Ventures 参与。 当前 AI 模型的一个关键局限是不会从错误中学习，企业要适配法律、金融等专业领域通常得做微调，而这往往需要自建研究团队或依赖昂贵的前线部署工程师（FDE）。Trajectory 试图把这一过程自动化：企业从开源模型起步，将平台接入自己的应用以收集模型表现反馈，平台再用这些信息重训模型，使其在专业任务上持续改进。 联合创始人 Ronak Malde 形容基础模型像一个总在换新工作的聪明博士生，而经济真正看重的是在一个岗位上干了 30 年的人。按他的说法，律师、医生等专家可以近乎自动地自行改进模型，这有望让专业 AI 的部署更快、更便宜。Harvey 和 Rogo 已在用该平台对开源模型做 post-training，让模型通过复盘以往任务（如审阅某类法律合同、按特定方法为公司估值）表现得像资深律师或金融分析师。 Trajectory 表示其 post-training 平台现已公开可用，使用者可自行定义“对组织而言什么算好”，并把它转化为模型改进。其持续学习思路与递归自我改进（RSI）有相似之处，但联合创始人 Michael Elabd 认为保留人类参与训练过程更安全，完全自主的自我改进可能带来意外甚至危险的结果。 竞争方面，Trajectory 将 Mira Murati 创立的 Thinking Machines Lab（旗下有微调平台 Tinker）、上月估值 32.5 亿美元的 Applied Compute，以及帮助公司构建和训练自有 AI 智能体的 Prime Intellect 视为直接对手。Malde 认为团队是最大优势：他本人是 Google DeepMind 从 Windsurf 收编的少数研究者之一，Elabd 也曾在 DeepMind 任职，第三位联合创始人 Arjun Karanam 此前在 Apple 从事生成式基础模型工作，公司还从 OpenAI、Stripe 和 Netflix 招募了研究与产品设计人员。Karanam 称团队开发的界面让非技术客户也能更容易上手 post-training。