前谷歌和蘋果研究員創立初創公司，為AI打造缺失的“反饋流”

一群曾在谷歌DeepMind、蘋果、OpenAI和Meta超級智慧實驗室工作的AI研究員週三宣佈，他們成立了一家名為Trajectory的新公司，旨在幫助企業透過訓練真實使用者互動來定期改進其AI產品。

Trajectory希望為AI構建一個能夠持續學習的平臺，這一能力長期以來被視為AI進一步發展的主要障礙。OpenAI、谷歌和Anthropic在訓練越來越強大的AI模型方面取得了成功，尤其是在編碼、數學和科學等領域。然而，這些系統在訓練完成後便停止進步。儘管持續學習方面近期取得了一些突破，但科技公司普遍難以製作出能夠即時從錯誤中學習的AI產品。2025年12月，在圖靈獎得主Richard Sutton參與的NeurIPS會議上，他認為持續學習對於構建超級智慧體至關重要。

Trajectory已獲得1500萬美元種子輪融資，投後估值1.15億美元，由風投公司Conviction領投，Bessemer Venture Partners、Radical VC和BoxGroup參投。個人投資者包括谷歌DeepMind首席科學家Jeff Dean以及被譽為“AI教母”的斯坦福教授、World Labs CEO李飛飛。

Trajectory的CEO兼聯合創始人Ronak Malde此前是Windsurf的AI研究員，後來在谷歌DeepMind以24億美元收購該編碼初創公司的頂尖人才時，成為少數加入谷歌DeepMind的員工之一。其他聯合創始人包括曾參與Vision Pro專案的蘋果前AI研究員Arjun Karanam，以及曾在谷歌DeepMind機器人部門工作的Michael Elabd。

Malde告訴《連線》雜誌，一些領先的AI編碼產品（如Cursor）已經在實踐早期版本的持續學習——利用使用者與產品互動的真實資料進行後期訓練，並定期釋出模型改進。他認為這是AI編碼產品迅速崛起的一個核心原因，也是主要AI實驗室紛紛開發自己的“vibe coding”應用的部分原因。透過Trajectory，Malde及其11名研究員和工程師的團隊希望將類似技術應用於編碼領域之外的AI工具改進。

“即使是最強大的AI今天仍然是靜態的。你昨天使用的AI模型今天會犯同樣的錯誤，”Malde說。“少數公司開始邁向持續學習的世界。我們正在做的是為每家公司搭建通往持續學習的平臺。”

將這一邏輯應用於其他領域的挑戰在於，編碼是容易驗證的——程式碼要麼執行要麼不執行——但某些行業的成功定義較為模糊。Karanam表示，Trajectory平臺的部分功能是幫助最佳化AI模型以滿足企業的特定需求。

Trajectory並非從OpenAI或Anthropic的現成模型開始，而是讓客戶從一個針對其特定AI產品進行過後期訓練的開源模型開始。對於構建AI客服代理的客戶Decagon，Trajectory會記錄其AI何時表現不佳——例如，試圖退貨的客戶被轉接給人工——並利用這些例項每週一次進行後期訓練新模型。Trajectory聲稱，這些後期訓練的模型在客戶產品最重要的狹窄任務上超越了前沿實驗室的模型。

企業高管渴望將AI用於各種任務，但如今他們往往需要僱傭“前向部署工程師”團隊，即嵌入公司內部幫助構建AI產品的顧問和技術人員。OpenAI、Anthropic和Palantir等公司紛紛搶佔這一需求。Elabd表示，Trajectory的目標是構建一個能夠自我改進的產品，這樣公司就不需要內部工程師持續排查AI系統的問題。該初創公司表示，已經在多個領域擁有客戶，包括企業銷售初創公司Clay和法律AI初創公司Harvey。雖然目前主要與AI原生公司合作，但Trajectory最終計劃向財富500強企業推廣其平臺。

批評者可能會認為，Trajectory尚未構建真正的持續學習，至少不是傳統意義上的。畢竟，該初創公司的模型目前每週只更新一次，在升級之間保持靜態。

Elabd認為Trajectory剛剛起步。他聲稱AI行業正在走向一個新正規化，即AI從經驗中學習——就像AI編碼領域已經發生的那樣。Elabd表示，Trajectory的最終目標是構建一個平臺，能夠每天甚至更頻繁地更新公司的AI模型。

“每天可能還不夠。可能是每小時，可能是每次互動，”Elabd說。“也許每家公司不僅僅需要一個人工智慧，你可以訓練AI為每家公司的每個人學習。”