一句话看懂：斯坦福同学创办的 Trajectory 获红杉领投 4500 万美元 A 轮融资，估值 3 亿美元，目标是让法律、金融等领域的专家自己用反馈数据持续优化开源模型，而不必依赖昂贵的内部研究团队或外部顾问。
事件核心：发生了什么
Trajectory 成立于约一年前，三位联合创始人有 Google DeepMind 和苹果的工作背景，团队目前 18 人。本轮 A 轮融资由红杉领投，英伟达、Bessemer Venture Partners、Bain Capital Ventures 参投，估值 3 亿美元。公司同时把其后训练平台向公众开放。
其做法属于“持续学习”：企业接入开源模型与实际应用，平台收集模型表现的反馈，再用这些信息重新训练模型。Harvey、Rogo 等公司已在用该平台后训练开源模型，客户还包括 Decagon、Mercor 和英伟达。联合创始人 Ronak Malde 的说法是，使用平台的人可以自己定义“什么算好”，并把它转化为模型的改进。
为什么重要
当前主流大模型在没有额外训练的情况下不会从错误中学习。企业想做法律、金融等垂直场景，通常要微调通用模型，这往往意味着自建研究团队或请“前置部署工程师”驻场，成本高、周期长。Trajectory 试图把这部分工作平台化、流程化，理论上能降低专用 AI 的部署门槛。
这条赛道已有竞争者：前 OpenAI CTO Mira Murati 创办的 Thinking Machines Lab 及其微调平台 Tinker、估值 32.5 亿美元的 Applied Compute，以及帮助公司训练自有智能体的 Prime Intellect。Trajectory 与递归自我改进（RSI）有相似之处，但联合创始人 Michael Elabd 强调人类留在训练回路中更安全，这一点目前公开信息显示只是其设计主张，尚无独立验证。
对用户/开发者/创作者的影响
对企业和专业团队来说，值得关注的是它能否把“不写代码也能调模型”真正落到可用程度，尤其是法律、医疗这类对准确性要求高的场景。对开发者而言，它更像后训练工作流的托管层，而非替代现有推理或训练框架；如果接口足够简单，小团队可以省去搭建反馈数据和再训练管线的工程成本。对内容创作者，短期内直接价值有限，但同类工具若普及，垂直领域的定制化 AI 应用供给会增加。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是平台公开后实际使用门槛和定价是否透明，非技术用户能否独立完成一轮训练；二是 Harvey、Rogo 等客户的效果是否有可核查的对比数据；三是英伟达参投后，算力与模型工具链是否会进一步绑定；四是面对 Thinking Machines Lab 等竞品，Trajectory 的团队优势能否转化为产品优势。
