Trajectory获4500万美元A轮融资

无论底层是OpenAI还是Anthropic的模型，当前大模型都有一个共同短板：不接受再训练，就不会从错误中学习。企业想把通用模型用到法律、金融等专业领域，通常靠微调解决，但那往往意味着自建研究团队，或者请昂贵的「前置部署工程师」。

一家名为Trajectory的初创公司想把这个过程自动化。这家由三名斯坦福同学创办约一年的公司，团队成员有谷歌DeepMind和苹果的背景，全公司仅18人。公司刚宣布完成4500万美元A轮融资，投后估值3亿美元，红杉领投，英伟达、Bessemer和贝恩资本创投跟投。

Trajectory的做法叫持续学习：企业接入其平台后，从一个开源模型起步，把平台连到自己的应用上收集模型表现反馈，平台再用这些数据对模型进行再训练，让它在特定任务上持续变好。联合创始人罗纳德·马尔德的比喻是：基础模型像个非常聪明却总在换新工作的博士毕业生，「但经济真正需要的，是在一个岗位上干了30年的熟手」。

关键卖点是「专家自己就能上手」：律师、医生等领域专家无需工程团队介入，就能近乎自动地把「什么算做得好」转化为模型改进。法律AI公司Harvey、金融分析创企Rogo已经用Trajectory对其开源模型做后训练，客户还包括Decagon、Mercor和英伟达本身。平台现已公开开放。

这个思路难免让人联想到递归自我改进（RSI）——AI改进AI自身。联合创始人迈克尔·埃拉布德的回应是：Trajectory始终让人类留在训练回路里，决定什么是对组织「好的输出」，这与脱离监督的自主自我改进有本质区别，也更安全。

在Anthropic刚刚把「逼近RSI阈值」写进上市文件的同一周，Trajectory选择了一条更务实的路线：不追求模型自己变强，而是让每个行业的专家成为模型进步的杠杆。企业级AI从「部署」走向「养成」，可能才是下一阶段的竞争焦点。

编译自TechCrunch，原标题："Trajectory raises 45 Million Dollar to make AI model training accessible to nontechnical experts"