無論模型來自 OpenAI、Anthropic 還是基於開源方案改造，目前的人工智能技術都有一個共同的短板：不進行額外的訓練，它無法從自身的錯誤中學習。企業若想將通用模型應用於法律、金融等專業領域，通常需要進行微調，這往往意味著需要組建內部研究團隊，或高價聘請外部的前沿部署工程師。
成立約一年的初創公司 Trajectory 希望將這一流程自動化。該公司的三位創始人是斯坦福同窗，以前分別在 Google DeepMind 和蘋果任職。公司近期宣佈完成 4500 萬美元（約合 3.2 億元人民幣）A 輪融資，估值 3 億美元（約合 21.3 億元人民幣），由紅杉資本領投，英偉達、Bessemer 和貝恩資本風投參與。目前公司規模僅有 18 人。
Trajectory 提供自動化的人工智能微調解決方案
Trajectory 採用的是持續學習的路線：企業可以從一個開源模型起步，將平台接入自己的應用，讓系統持續收集模型表現的反饋，再用這些資訊重新訓練模型，使其在特定任務上越來越好。聯合創始人羅納克·馬爾代比喻道，基礎模型就像是一個非常聰明但永遠在換新工作的博士生，「而經濟真正看重的是在一個崗位上工作了 30 年的人」。
根據馬爾代的說法，有了 Trajectory，律師、醫生等專業人士基本上可以自己將模型調整好，無需依賴算法團隊，專業人工智能的部署因此變得更快、更便宜。Harvey 和 Rogo 已經在使用這套平台對開源模型進行後訓練，使其更像有經驗的律師或金融分析師，例如學會審閱某一類合同，或依特定方法對公司進行估值。其他客戶還包括 Decagon、Mercor 和英偉達，該平台現已對外公開。
這種做法與「遞歸自我改進」有相似之處，但聯合創始人邁克爾·埃拉布德認為，讓人類參與訓練環節使得 Trajectory 更加安全，完全自主的自我改進可能帶來意想不到甚至危險的結果。這一領域的競爭者不在少數，包括 Thinking Machines Lab 旗下的微調平台 Tinker、上月估值 32.5 億美元（約合 231 億元人民幣）的 Applied Compute，以及幫助企業管理自建智能體的 Prime Intellect，均被其視為直接競爭對手。
馬爾代將團隊視為最大優勢：他本人是 Google DeepMind 從 Windsurf 招募的研究員之一，埃拉布德同樣出自 DeepMind，第三位創始人阿爾瓊·卡拉南此前在蘋果任職生成式基礎模型。公司還從 OpenAI、Stripe 和 Netflix 招募了研究與產品設計人員。卡拉南表示，他們專門設計了一套界面，讓不懂技術的客戶也能輕鬆上手進行後訓練。
