11 月 2 日，据 TechCrunch 报道，Trajectory 宣布完成 4500 万美元 A 轮融资，估值 3 亿美元，由红杉资本领投，英伟达、Bessemer Venture Partners 与贝恩资本风险投资跟投。这家公司由三名斯坦福同学创办，成立约一年，全员只有 18 人，主攻方向是让 AI 模型在部署之后还能持续自我改进。
自动化后训练，替掉驻场工程师
Trajectory 瞄准的是一个具体痛点：无论底座是 OpenAI、Anthropic 还是开源模型，都不会在没有再训练的情况下从错误里学习。适配法律、金融这类垂直领域的公司通常靠微调通用模型，但往往要自建研究团队，或者聘请被称为驻场工程师的昂贵顾问。Trajectory 的路径是让客户从开源模型起步，把平台接到自己的应用上，由平台收集模型表现的反馈，再据此重新训练模型。
Harvey 与 Rogo 已经在用
法律 AI 公司 Harvey 与金融 AI 公司 Rogo 都在用 Trajectory 的平台对开源模型做后训练，让模型通过复盘过往任务学会审阅某类合同、或者用特定方法论给一家公司估值。联合创始人 Ronak Malde 把基础模型比作一个每次都换新工作的聪明博士生，但经济真正认可的是在同一岗位干了 30 年的人。他的说法对应的是同一个技术标签：持续学习。
对手是 Thinking Machines 与 Prime Intellect
Trajectory 的持续学习路线与递归自我改进的思路有相似之处。联合创始人 Michael Elabd 认为，把人留在训练回路里让这套方法更安全，因为自主自我改进可能带来难以预料的后果。竞争名单包括前 OpenAI CTO Mira Murati 创办的 Thinking Machines Lab 及其微调平台 Tinker、上月估值 32.5 亿美元的 Applied Compute，以及做训练基础设施的 Prime Intellect。这类把反馈、重新训练与部署串成闭环的路线，与把大模型后训练搬上国产算力的工程问题可以对照华为昇腾跑通 1.6 万亿参数后训练：适配周期缩至 1 小时。
延伸阅读
- Meta 发新类别股票押注 AI：今年资本开支 1350 亿至 1450 亿美元2 周前
- AI 反诈骗公司 Apate 融资近千万美元：累计消耗诈骗者 17 年时间2 周前
- 高盛收回 Claude Code：7 月推过 vibe coding 后仅工程师可用4 小时前
- Kimi Code Desktop发布：月之暗面推出官方桌面编程客户端，macOS与Windows同步上线3 周前
继续读
同一批更新里这几篇值得一看：
- 微软开源 TokenEconomizer：编码智能体成本降 30.9%2026-10-31
- 甲骨文拟募资 200 亿美元押注 AI：当日股价跌 8.76%2026-11-03
- 高盛收回 Claude Code：7 月推过 vibe coding 后仅工程师可用2026-11-03
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记