一支汇聚了谷歌 DeepMind、苹果、OpenAI 及 Meta Superintelligence Labs 背景的 AI 研究团队，正式创立了一家名为 Trajectory 的新公司。该公司致力于构建一个能够持续学习的 AI 平台，帮助企业利用真实用户交互数据，在训练过程中定期提升 AI 产品性能。

Trajectory 瞄准的是长期阻碍 AI 发展的核心瓶颈——持续学习。尽管 OpenAI、Google 和 Anthropic 等巨头在编程、数学和科学等领域的模型训练上成果显著，但这些系统一旦训练完成便停止进化，难以实时从错误中汲取经验。图灵奖得主理查德 · 萨顿（Richard Sutton）曾在 NeurIPS 会议上指出，持续学习对于构建超级智能代理至关重要。

获 1500 万美元种子轮融资，李飞飞、Jeff Dean 参投

Trajectory 已完成 1500 万美元种子轮融资，投后估值达 1.15 亿美元。本轮由风投机构 Conviction 领投，Bessemer Venture Partners、Radical VC 和 BoxGroup 跟投。个人投资者阵容豪华，包括谷歌 DeepMind 首席科学家杰夫 · 迪恩（Jeff Dean），以及被誉为 "AI 教母 " 的斯坦福大学教授、World Labs CEO 李飞飞。

公司核心团队由 11 名研究人员和工程师组成。首席执行官兼联合创始人 Ronak Malde 此前是 AI 编程工具 Windsurf 的研究员，在 Windsurf 以 24 亿美元被谷歌收购并并入 DeepMind 后，他成为 DeepMind 的核心员工之一。其他联合创始人还包括前苹果 Vision Pro 项目 AI 研究员 Arjun Karanam，以及前谷歌 DeepMind 机器人部门工程师 Michael Elabd。

让 AI 从 " 静态 " 走向 " 持续进化 "

Malde 指出，当前最强大的 AI 本质上仍是静态的，" 昨天使用的模型今天仍会犯同样的错误 "。虽然 Cursor 等领先的 AI 编程产品已通过利用真实交互数据进行后训练优化，实现了模型的定期迭代，但这一模式尚未普及至更广泛的领域。

Trajectory 的目标是将这种持续学习的能力扩展到编程之外。与直接调用 OpenAI 或 Anthropic 的现成模型不同，Trajectory 让客户基于针对特定产品优化过的开源模型起步。平台会记录 AI 表现不佳的时刻——例如客服代理无法处理退货请求而转接人工——并利用这些数据每周多次对模型进行微调。

相较于代码非对即错的明确标准，其他行业的成功定义往往更为模糊。Trajectory 联合创始人 Arjun Karanam 表示，平台的价值在于帮助优化模型以适应企业的具体需求。公司声称，在这些对业务至关重要的狭窄任务上，经过针对性优化的模型表现优于前沿实验室的通用模型。

【来源：星途科讯】