Trajectory 融资 4500 万美元，让非技术专家也能进行 AI 模型训练
真正值得关注的不是这条新闻本身，而是它可能把「融资」的竞争焦点推向资本定价和赛道集中度变化。
原文链接：https://techcrunch.com/2026/11/02/trajectory-raises-45m-to-make-ai-model-training-accessible-to-nontechnical-experts/
无论是由 OpenAI 或 Anthropic 开发，还是基于开源替代品构建，当前的人工智能模型都存在一个关键的局限性：如果没有进一步的训练，它们就无法从错误中吸取教训。将这些模型应用于法律和金融等专业领域的企业通常通过微调通用模型来解决这个问题。然而，这通常需要雇用内部研究团队或依靠昂贵的顾问，通常称为前沿部署工程师（FDE）。
Trajectory 是一家初创公司，由三名在 Google DeepMind 和 Apple 工作过的斯坦福大学同学于大约一年前创立，该公司希望实现这一过程的自动化，让人工智能模型能够从反馈中学习，并在专门任务上不断改进。这家拥有 18 名员工的公司刚刚宣布，在 A 轮融资中筹集了 4500 万美元，估值为 3 亿美元，由红杉资本领投，Nvidia、Bessemer Venture Partners 和 Bain Capital Ventures 跟投。
Trajectory 联合创始人 Ronak Malde 将基础模型比作一个总是开始新工作的非常聪明的博士生。
“但经济看重的是在这份工作上工作了 30 年的人，”他告诉 TechCrunch。该初创公司旨在通过一种称为持续学习的方法来解决这个问题。使用 Trajectory 的企业可以从开源 AI 模型开始，并将平台连接到其应用程序，从而收集有关模型执行情况的反馈。然后，Trajectory 使用该信息重新训练模型，帮助其随着时间的推移改进专门任务。马尔德说，通过 Trajectory，律师、医生和其他专家可以近乎自动地改进模型。这种能力可以使专业人工智能的部署更快、更便宜。
Harvey 和 Rogo 等公司已经在使用 Trajectory 的平台对开源模型进行后期训练，通过从以前的任务中学习，例如审查特定类型的法律合同或使用特定方法对公司进行估值，帮助他们更像经验丰富的律师或财务分析师。
Trajectory 的其他客户包括 Decagon、Mercor 和 Nvidia。该初创公司目前正在公开其培训后平台。
Malde 说，使用 Trajectory 的人决定“他们的组织应该是什么样子，并可以将其转化为他们模型的改进”。