一家成立一年、只有 18 人的公司，刚拿下 4500 万美金 A 轮，红杉美国领投、英伟达跟投，估值 3 亿美金。它想让律师、医生、分析师用产品里每天产生的修改和重试，把自己手上的模型越训越好，不用再养一支研究团队。

你有没有想过，你每天在 AI 产品里改掉的那些错，最后都去哪了？你让它重写一段合同条款，你把它算错的估值模型一格一格改回来，你又点了一次“重新生成”，这些动作其实都在告诉模型什么是对的、什么是错的。可是到了第二天，你用的还是同一个模型，它还会犯一模一样的错，你前一天花的那些心思，基本上都白费了。

Ronak Malde 觉得这是现在的 AI 最可惜的地方。他的公司 Trajectory 刚刚拿到 4500 万美金的 A 轮，红杉美国领投，英伟达也跟了，估值 3 亿美金。公司成立一年左右，只有 18 个人，三个创始人是斯坦福大一第一周在同一节数学课上认识的同学。他们要做的事说起来很简单：让律师、医生、分析师这些行业里的人，用产品每天自然产生的反馈，自己把模型越训越好，不用再去养一个研究团队。

Trajectory 的三位创始人，他们是斯坦福大一时在同一节数学课上认识的。图片来自 TechCrunch

01 现在的模型很聪明，却不会从每天的工作里学东西

Ronak 打过一个比方，我觉得特别好懂。他说现在的基础模型就像一个非常聪明的博士生，但这个博士生永远是刚入职，什么都懂一点，对你这家公司具体怎么干活一无所知，而经济真正看重的，是一个在这份工作上干了 30 年的人。

差距在哪里？他的说法是，今天的 AI 再强，用起来还是和其他软件一样，是静态的。你昨天用的模型，明天还是那个模型，犯的还是那些错，用户在产品里给它的修改、纠正和重试，大多只是被记在日志里，然后就放在那里了。

他还用小时候的公路旅行讲过这件事。那时候家里出门自驾，要先去 AAA（美国汽车协会）领一沓纸质地图，工作人员把路线给你画好，路上要是想改路线，就得打电话回去，或者找一个线下网点重新拿一份。他觉得现在的模型就停在这个阶段，模型本身很聪明，但想更新一次，只能整批地、离线地重新训一遍，而且只有少数几个地方能做。Trajectory 想先做到 MapQuest 那一步，让每个人都能自己查路线，不用再跑去 AAA；最后想做到的是 Google Maps，你每开一次车，它都在学哪条路最快、哪里在堵。

这个比方好就好在，它把“持续学习”这个听起来很学术的词，讲成了一件大家都经历过的事。Google Maps 越用越准，靠的并不是哪个工程师每天在改地图，是几亿人每天开车留下的轨迹在帮它改。如果模型也能这样，那每家公司里的专家每天干的活，就都在顺手帮模型变好，这件事想想其实挺让人兴奋的。

02 他在 Windsurf 第一次看到，用户的修改能把模型训到前沿

Ronak 自己就是从这条路上走过来的。他在斯坦福读完硕士，当时可以直接去 Google 做 Gemini 的后训练，这是大多数人会选的路，但他见了 Codeium（后来改名 Windsurf）的团队，觉得那边人好、动作快，就去了。他那时候有个判断，下一次大的突破要么来自数学，要么来自写代码，因为这两样东西都足够有结构，而写代码显然更能赚钱。

一开始他们在训代码补全模型。后来 agent 起来了，他们发现手里的用户信号多得不得了，不只是用户接受还是拒绝了一条补全，还有用户怎么用 agent 搭起一整个网站、一整个应用，中间改了哪里、重试了几次。于是他们决定训一个自己的模型，叫 SWE-1，专门拿产品里这些真实的修改和重试做后训练，最后做出来的模型在他们自己的场景里超过了当时的前沿模型。

但他也说，这条路代价非常大。要几亿美金的研发和算力，要一个很大的研究团队，从开始到真正训出一个前沿水平的模型，花了六到九个月，而且一路上都离不开研究员手把手地盯着。Cursor 训自己的 Composer，走的也是同一条路，能这么干的公司，全世界没有几家。

SWE-1 出来没多久，Google 就把 Windsurf 的一批研究员带去了 DeepMind。Ronak 讲过那天的经过，听起来挺像电视剧：前一天 CTO 发消息，让他们第二天早上去一个酒店会议室，谁都别告诉。当时外面都在传 OpenAI 要收购 Windsurf，他以为进去会见到 OpenAI 的人，结果视频那头是 Demis 和一群 DeepMind 的人。那天是周四，他们当天就把工牌和电脑还给了 Windsurf，第二天已经是 DeepMind 的正式员工了。

Ronak Malde 在 Delta 播客的访谈。图片来自 Delta Podcast 的 YouTube 视频

03 进了 DeepMind，他反而想明白大实验室做不了这件事

在 DeepMind，Ronak 参与了 Antigravity 的发布，也给 Gemini 3 出了力。他说那段时间让他见识到，一家算力充足的大公司能把前沿技术用到什么程度，但也让他想明白一件事：持续学习会是下一种主要的训练方式，可它很难在大实验室里做起来。

他讲的原因很直白，DeepMind 的全部精力是训一个巨大的模型，再把这一个模型发给全世界的人用，这个生意显然很成功。但如果你要为一个客户单独定制一个模型，再只给这一个客户部署，比如给 Harvey 训一个懂法律工作的模型，那要搭的基础设施非常多，对一个大实验室来说，为一个客户做这么多事很不划算。

他的两个联合创始人，在各自的位置上也碰到了同一个问题。Michael Elabd 在 DeepMind 做机器人，他们在想办法把机器人放到真实世界里，让它们每天根据新的数据更新一次。Arjun Karanam 在苹果做 Vision Pro 的交互模型，想的是怎么把艺术家的反馈用来改进多模态模型。三个人做的东西完全不同，问的却是同一个问题：怎么把真实世界里的反馈，变成模型实实在在的进步。

于是 Ronak 决定出来，放弃了收购给他的那笔钱。他的理由是，写代码这件事过去几年被 AI 彻底改变了，接下来法律、医疗、金融都会经历一样的事，而 SWE-1、Cursor 的 Composer、Claude Code 这些围绕产品和真实用户去打磨模型的做法，正是让这几家公司跑到前面的原因，他想把这个能力带给每一家公司。

我觉得他看到的这一层很关键。大多数人在大实验室里看到的是模型一代比一代强，他看到的是模型和真实的工作之间还隔着一段距离，而这段距离，大实验室天然没有动力去补，因为它的生意就是用一个模型服务所有人。

04 训一个自己的模型，到底要准备什么

那一家普通公司想用产品里的反馈训模型，要准备什么？Ronak 把它拆成了三样东西。

第一样是记录，你要把生产环境里发生的每一次任务完整地记下来，不只是主 agent 的那一次调用，还有它下面每个子 agent 做了什么，用户在产品里点了什么、改了什么、给了什么反馈，最好能拼成一条完整的时间线。很多 AI 原生公司已经在用 LangChain、Braintrust 这类工具做这件事了。

第二样是能把这些记录重放出来。光有记录还不够，你得能把生产里发生过的一次任务原样再跑一遍，才能拿它做评测、做训练，这就需要搭一个和生产环境尽量一样的环境。第三样才是真正的训练，损失函数、奖励函数、整套训练流程，这是公司自己最难做的部分，也是 Trajectory 最先替客户包起来的部分。

他说目前最费人工的有两块。一块是环境，很多时候根本搭不出一个和生产完全一致的环境。另一块是奖励，法律、投行这种工作，很少有一个能自动判断对错的标准答案。

针对环境，他讲了一个挺有意思的研究方向。现在后训练最常用的算法叫 GRPO，他打了个比方：一个游戏角色在关卡里跳来跳去，到终点拿到一个分数，GRPO 要求同一关打 8 次或者 16 次，互相比较，才知道哪种打法更好，这一组就叫一个 group。可人不是这样学东西的，人在真实世界里每件事通常只经历一次，没法把同一天重过 16 遍。所以他们在把 GRPO 改成每组只有一次，一万条记录各自来自不同的任务，每条只跑过一次，模型也能从里面学到东西，这样就不需要专门去搭那个重放的环境了。

奖励这一块，他们的办法也很实在，假如你有一万条记录，原本要一条一条去标哪个好、哪个不好，工作量太大。他们的办法是从里面挑出 100 条最有代表性的，让客户只在这 100 条上认真写清楚标准，然后训一个评分模型，把从这 100 条里学到的判断推到剩下的一万条上。Ronak 说他心里最理想的样子，是有一个看板告诉你，你的 agent 有五件事做得好、五件事做得差，你把差的那五件圈出来，点一下训练就行了。

从这里最能看出 Trajectory 在干什么，它把一件原本只有研究员能干的事一层层拆开，看哪些能自动化，哪些必须问人，最后只把“什么是好的”这一个问题留给客户回答，而这个问题，恰好是律师、医生、分析师最有资格回答的。

05 Harvey 和 Rogo 用它训出了什么样的模型

Harvey（做法律 AI 的公司）是一个很好的例子。它一直是在闭源的前沿模型上面搭产品，做得很成功，很多律所都在用。但 Ronak 说，Harvey 手里积累了大量的东西，它知道律所真正在意什么，还自己做了一套法律 agent 的评测，可只要底下用的是别人的闭源模型，这些积累就没法变成模型本身的能力。

用了 Trajectory 之后，Harvey 拿开源模型训了一个自己的模型。在那套法律评测上，原本开源模型的准确率大约只有 4%，训完以后到了 18% 左右，成本只有前沿模型的六分之一。Ronak 也承认 18% 离天花板还远，但他觉得更重要的是 Harvey 第一次有了一个研究实验室的能力，可以自己决定模型往哪里走，而且因为便宜了六倍，同样的钱可以让模型多花很多 token 去把一件事做好。

Ronak 在红杉美国的播客 Training Data 上讲 Trajectory 怎么做持续学习。图片来自 Sequoia Capital 的 YouTube 视频

Rogo（做金融 agent 的公司）想要的东西不太一样。Ronak 说很多 agent 很啰嗦，跑出去一大圈，回来带着一堆没用的东西，而 Rogo 想要一个简洁、干脆的金融 agent，能在后台自己把活干完，回来的时候给你的东西很精炼。他们管这个叫“智能密度”，同一件事，用更少的 token 做完。Rogo 用自己的数据训出来的模型，token 用量少了好几倍，也更快、更便宜，在他们自己关心的指标上还在往上爬。

我觉得这两个例子放在一起看挺有意思。Harvey 在意的是准确率，Rogo 在意的是简洁和省钱，两家对“好”的定义差别很大，这恰好说明为什么很难指望一个通用模型满足所有人。Ronak 说过，Harvey 可能比世界上任何一家公司都更懂 AI 怎么帮律师干活，这种专业判断应该握在 Harvey 自己手里，用不着另一家公司进来告诉它该怎么做。

06 他想把训练、评测和部署放在一个地方

Ronak 说他们做产品的很多想法来自苹果。21 世纪初，人们有能上网的电脑，也有能打电话的手机，但没人想到把两者合在一起，直到苹果说，把互联网放进一个拿在手里的设备里怎么样。他觉得训练、评测和部署今天也是散在三个地方的，Trajectory 想把三件事放在一起，简单到每个人都能用：你把 agent 的记录和你对“好”的定义放进来，一键训练，评测完直接部署，新模型回到产品里，收集新的记录，下一轮接着训。

Trajectory 官网。图片来自 Trajectory

公司的名字也是这么来的。他说现在整个行业都在算 token，好像 token 就是工作的单位，可人和人一起干活的时候，没人会数对方说了多少个字，大家想的是一件任务、一段过程。在强化学习里，trajectory 指的就是模型完整走一遍的过程，放到真实世界里，每一条 trajectory 就是一件有经济价值的任务，他希望以后大家衡量 AI 的工作时用的是这个单位。他还说，这个词对不懂强化学习的人来说也说得通，就是让每家公司自己走出自己的路。

他眼下的客户主要是 Harvey、Rogo 这样已经把 agent 搭得很完整的 AI 原生公司，英伟达 这样的大公司也在用。下一步他想把同样的思路用到 harness（包在模型外面的那一层调度和工具）上。在他看来，训模型带来的是效率，同一件事见过一千遍，就能做得更快、更便宜、更稳，改 harness 带来的则是以前做不到的新能力。他设想以后一家公司可能只有一成的任务交给最强的前沿模型，剩下九成交给自己训出来的模型，既快又省钱。

说到以后做产品的人干什么，他用了一个园丁的比方：产品会自己长，做产品的人要做的，是在地里插好架子，告诉它往哪个方向长。一个产品放给几百个用户，它会根据这些用户自己变好，人要做的是把自己的品味放进去。我觉得这话听起来有点远，但如果模型真能从每天的使用里学习，做产品的重心确实会慢慢从“写功能”挪到“定方向”上去。

我自己的一点思考

Ronak 提过一个对比，他说上一代最大的互联网公司，Google、Amazon、Facebook，其实一直都在做持续学习，推荐系统和广告系统就是把真实世界里用户的偏好不断收进来，系统越用越聪明。但到了 agent 这一代，这样的东西还没出现，他想让 Trajectory 最后变成一个巨大的推荐系统，让每一个 agent 都贴合每家公司、每个用户想要的样子。

我很认同这个对比。今天大家用 AI，有点像所有人都去问同一个神谕，问完了，答案好不好、哪里需要改，反馈都留在了自己手里，没有回到模型身上。Ronak 说现在大约只有 1% 的企业真正把 AI 用进了日常的工作，他想把它变成 99%。真要走到那一步，我觉得靠的大概不是一个更聪明的通用模型，而是每家公司都能把自己攒了很多年的经验，用一种不那么费劲的方式教给模型。

难处当然也很明显，Harvey 从 4% 到 18%，说明这件事有用，也说明离一个干了 30 年的老律师还差得远。挑 100 条写标准、再让评分模型推到一万条上，这个办法在法律、医疗这种连专家之间都会争论“什么算好”的领域里能不能站稳，还要看更多客户真正用下来的结果。我倒是挺认同 Michael 的一个说法，让人一直参与在训练过程里，比让模型完全自己改进自己要安全得多，专家定标准、模型去学，这个分工本身就比较让人放心。

Trajectory 现在已经把平台公开给所有人用了。接下来要看的是，有多少律师、医生和分析师愿意花时间，把自己心里“什么算好”写下来，再去点那个训练按钮。

资料来源：

TechCrunch，Trajectory raises $45M to make AI model training accessible to nontechnical experts，Marina Temkin，2026-11-02原文 https://techcrunch.com/2026/11/02/trajectory-raises-45m-to-make-ai-model-training-accessible-to-nontechnical-experts/

Sequoia Capital Training Data，A Model For Everyone: How Ronak From Trajectory Is Building Products For Continual Learning原文 https://www.youtube.com/watch?v=32vxW6GMeLY

Latent Space，Every product of the future will be a living system，Ronak Malde原文 https://www.youtube.com/watch?v=DcvgPEApHT8

Delta Podcast，Ep. 60: Ronak Malde, Trajectory CEO and Former DeepMind Researcher原文 https://www.youtube.com/watch?v=9Cp37Vz0zzc

Trajectory 官网原文 https://trajectory.ai