【CNMO 科技消息】无论模型来自 OpenAI、Anthropic 还是基于开源方案改造，当前的 AI 都有一个共同的短板：不做额外训练，它不会从自己的错误里学到东西。企业要把通用模型用到法律、金融这类专业领域，通常得做微调，而这往往意味着组建内部研究团队，或者高价请外部的前沿部署工程师。

AI 示意图

成立约一年的初创公司 Trajectory 想把这套流程自动化。三位创始人是斯坦福同窗，此前分别在谷歌 DeepMind 和苹果工作。公司刚刚宣布完成 4500 万美元（约合 3.2 亿元人民币）A 轮融资，估值 3 亿美元（约合 21.3 亿元人民币），由红杉资本领投，英伟达、Bessemer 与贝恩资本风投参与。目前公司规模只有 18 人。

Trajectory 采用的是持续学习路线：企业可以从一个开源模型起步，把平台接入自己的应用，让系统持续收集模型表现的反馈，再用这些信息重新训练模型，使其在特定任务上越做越好。联合创始人罗纳克 · 马尔代打了个比方，基础模型就像一个非常聪明、但永远在换新工作的博士生，" 而经济真正看重的是在一个岗位上干了 30 年的人 "。

按马尔代的说法，有了 Trajectory，律师、医生等专业人士基本可以自己把模型调好，不必依赖算法团队，专业 AI 的部署也因此更快、更便宜。Harvey 和 Rogo 已经在用这套平台对开源模型做后训练，让它们更像有经验的律师或金融分析师——例如学会审阅某一类合同，或按特定方法给公司估值。其他客户还包括 Decagon、Mercor 和英伟达，平台现已对外公开。

这种做法与 " 递归自我改进 " 有相似之处，但联合创始人迈克尔 · 埃拉布德认为，把人类留在训练环节让 Trajectory 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。这一赛道并不缺玩家，Thinking Machines Lab 旗下的微调平台 Tinker、上月估值 32.5 亿美元（约合 231 亿元人民币）的 Applied Compute，以及帮助企业管理自建智能体的 Prime Intellect，都被它视为直接竞争对手。

马尔代把团队视作最大优势：他本人是谷歌 DeepMind 从 Windsurf 招募的研究员之一，埃拉布德同样出自 DeepMind，第三位创始人阿尔琼 · 卡拉南此前在苹果做生成式基础模型。公司还从 OpenAI、Stripe 和 Netflix 招来了研究与产品设计人员。卡拉南说，他们专门做了一套界面，让不懂技术的客户也能上手后训练。

版权所有，未经许可不得转载