Trajectory获4500万美元A轮融资，让AI模型自主”持续学习
一、融资动态与核心团队
成立于一年前的AI创业公司Trajectory近日宣布完成4500万美元A轮融资，投后估值达到3亿美元。本轮融资由红杉资本领投，英伟达、Bessemer风险投资公司和贝恩资本风险投资共同参与。
该公司由三位斯坦福大学同学联合创立，团队成员均拥有顶尖科技公司的研发经验，包括Google DeepMind和苹果公司的背景。
二、解决AI落地的核心痛点
当前主流AI模型（无论是OpenAI、Anthropic开发的产品，还是开源替代方案）存在一个普遍局限：除非重新训练，否则无法从错误中学习。对于法律、金融等专业领域的应用企业而言，通常需要招聘内部研究团队或聘请昂贵的外部顾问（即”部署工程师”）来完成模型微调工作。
Trajectory的目标正是自动化这一过程，让AI智能体能够从用户反馈中持续学习，不断精进专业任务能力。
持续学习技术的工作原理
- 企业可从开源AI模型出发，将平台与现有应用系统对接
- 平台自动收集模型在实际使用中的反馈数据
- 基于反馈信息对模型进行重新训练，使其在特定领域持续优化
三、创始团队的深刻洞察
Trajectory联合创始人Ronak Malde将基础模型比作”一位极其聪明的博士毕业生，但每次接手新工作时都是从零开始”。他向媒体表示：”但市场真正需要的，是在某个岗位上深耕30年的资深专家。”
他认为，通过持续学习方法，律师、医生等各类专业人士几乎可以”自主”优化模型，这将大幅降低专业AI部署的成本和时间门槛。
四、行业应用与竞争优势
目前，Harvey、Rogo等公司已在使用Trajectory的平台对开源模型进行后训练，帮助其更像经验丰富的律师或金融分析师——通过学习审阅特定类型法律合同、采用特定方法评估企业价值等历史任务来优化表现。其他客户还包括Decagon、Mercor及英伟达。
Trajectory的独特优势在于其创始团队的技术背景：联合创始人Ronak Malde曾加入从Windsurf被Google DeepMind收购的初创团队；Michael Elabd也拥有DeepMind工作经历；第三位联合创始人Arjun Karanam则在苹果公司专注于生成式基础模型的研发。
设计思维的重要性
专注于AI训练的公司的产品设计为何如此重要？Karnam表示，团队开发了一套直观的界面，让非技术背景的客户也能轻松完成模型后训练。
五、市场竞争格局
Trajectory并非唯一致力于自动化后训练的公司。行业内的主要竞争者包括：
- Thinking Machines Lab：由前OpenAI首席技术官Mira Murati创立，拥有微调平台Tinker
- Applied Compute：上月估值达32.5亿美元
- Prime Intellect：帮助企业构建和训练自有AI智能体，近期完成1.3亿美元A轮融资
六、安全性考量
Trajectory的持续学习方法与递归自我改进（RSI）概念存在相似之处，即AI系统能够自主提升自身能力。但联合创始人Michael Elabd强调，保持人类参与训练过程使Trajectory的方法更加安全可靠，因为完全自主的自我改进可能导致不可预见甚至危险的结果。
用户可以根据”自己组织的最佳实践”来决定如何将反馈转化为模型改进。
关注微信号：智享开源 ，及时了解更新信息。
公众号：智享开源
还没有任何评论，你来说两句吧！