无论模型来自 OpenAI、Anthropic 还是基于开源方案改造，目前的人工智能技术都有一个共同的短板：不进行额外的训练，它无法从自身的错误中学习。企业若想将通用模型应用于法律、金融等专业领域，通常需要进行微调，这往往意味着需要组建内部研究团队，或高价聘请外部的前沿部署工程师。
成立约一年的初创公司Trajectory希望将这一流程自动化。该公司的三位创始人是斯坦福同窗，以前分别在 Google DeepMind和苹果任职。公司近期宣布完成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和贝恩资本风投参与。目前公司规模仅有18人。
Trajectory提供自动化的人工智能微调解决方案
Trajectory采用的是持续学习的路线：企业可以从一个开源模型起步，将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来越好。联合创始人罗纳克·马尔代比喻道，基础模型就像是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工作了30年的人”。
根据马尔代的说法，有了Trajectory，律师、医生等专业人士基本上可以自己将模型调整好，无需依赖算法团队，专业人工智能的部署因此变得更快、更便宜。Harvey和Rogo已经在使用这套平台对开源模型进行后训练，使其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，或依特定方法对公司进行估值。其他客户还包括Decagon、Mercor和英伟达，该平台现已对外公开。
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，让人类参与训练环节使得Trajectory更加安全，完全自主的自我改进可能带来意想不到甚至危险的结果。这一领域的竞争者不在少数，包括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，均被其视为直接竞争对手。
马尔代将团队视为最大优势：他本人是Google 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·卡拉南此前在苹果任职生成式基础模型。公司还从OpenAI、Stripe和Netflix招募了研究与产品设计人员。卡拉南表示，他们专门设计了一套界面，让不懂技术的客户也能轻松上手进行后训练。