在人工智能领域，一场关于模型进化路径的变革正在悄然发生。当行业普遍聚焦于预训练模型规模扩张时，一家名为Trajectory的初创公司另辟蹊径，将目光投向模型在真实场景中的持续进化能力。这家由前Google DeepMind、Apple AI核心成员创立的企业，近日完成1500万美元种子轮融资，投后估值达1.15亿美元，投资方阵容包括Conviction、Bessemer Venture Partners等知名机构，更引人注目的是Google DeepMind首席科学家Jeff Dean与"AI教母"李飞飞的个人投资。
Trajectory的核心技术突破在于构建"反馈闭环"系统。与传统模型训练不同，该公司通过捕捉用户与AI交互过程中的实时数据——包括接受建议、修改内容、撤回操作等行为信号，将其转化为训练样本反哺模型优化。这种机制使得模型能够突破静态限制，实现每周一次的迭代更新。创始人Ronak Malde指出："当前最强AI仍是静态系统，用户今天遇到的错误，明天依然存在。我们通过持续学习打破这个循环。"
技术实现层面，Trajectory开发了标准化数据格式"Trajectory"，将智能体行为轨迹与产品遥测数据转化为四层结构：完整对话（Trajectory）→交互轮次（Step）→用户-AI回合（Turn）→单条消息（Message）。这种设计使每个交互步骤都成为自包含的训练样本，支持从LangSmith等观测平台直接接入企业数据。为解决合规难题，系统采用SOC 2认证架构，赋予客户完全的数据控制权，所有模型更新均需通过客户评估审批。
在法律科技领域，Harvey公司联创Gabe Pereyra的评价印证了这项技术的价值："法律专业知识存在于不断演变的判例体系中，通用大模型无法捕捉这种动态变化。持续学习机制为专业领域AI提供了关键基础设施。"目前，Trajectory已与Clay、Harvey等AI原生企业达成合作，其客户案例显示，模型能够从自身错误中学习并改进表现。
这家初创公司的技术路线与学术界前沿思考形成共振。2025年NeurIPS大会上，强化学习奠基人Rich Sutton在特邀演讲中强调："真正的智能源于持续经验积累，AI产业需要回归智能体与环境交互的本质。"他提出的Oak架构愿景，与Trajectory的实践方向不谋而合。作为RLHF（基于人类反馈的强化学习）技术的重要推动者，Sutton的论断为持续学习路线提供了理论支撑。
当前，Trajectory已构建起包含11名顶尖研究员的团队，成员来自OpenAI、meta超级智能实验室等机构。尽管其模型更新周期仍为每周一次，尚未达到理论上的实时学习，但标准化训练管线的建立标志着重要突破。联合创始人Michael Elabd透露，团队正在探索将更新周期压缩至每日甚至每小时，最终实现"每个员工拥有专属AI"的愿景。
这场变革揭示出AI基础设施的新竞争维度。当开源模型生态日益成熟，企业竞争焦点正从模型本身转向使模型持续进化的工程能力。数据治理、评估管线、安全合规等传统被忽视的环节，正在成为新的技术护城河。Trajectory的实践表明，在API调用模式之外，构建自主可控的模型进化系统，可能成为企业AI落地的关键路径。
