开云（中国大陆官方网站）Kaiyun科技股份有限公司 - 领先的GPU计算与AI算力解决方案

　　在人工智能领域，卷更大的模型不再是唯一的解决方案。随着技术的不断演进，新的焦点逐渐浮出水面：如何让AI在真实场景中不断变得更聪明。2026年5月27日，一家名为Trajectory的公司正式走入公众视野，标志着这一新趋势的兴起。据WIRED报道，该公司刚刚完成了1500万美元的种子轮融资，投后估值达到了1.15亿美元。领投方为Conviction，Bessemer Venture Partners、Radical VC和Box Group等公司也参与了投资。

　　然而，真正引人注目的是Trajectory背后的投资者名单，其中包括Google DeepMind的首席科学家Jeff Dean和被誉为“AI教母”的李飞飞。这两位AI界的巨头所押注的并非传统的模型，而是超越模型本身的那一层次。

　　在去年12月的NeurIPS 2025大会上，强化学习领域的权威人物Rich Sutton就曾指出，AI的发展方向需要重新审视，持续学习才是实现真正智能的关键。Trajectory的三位创始人同样背景不凡，CEO Ronak Malde曾是Windsurf的AI研究员，而Windsurf被Google以约24亿美元收购时，Malde是进入DeepMind的核心团队之一。其他两位联合创始人也分别来自苹果和Google DeepMind，具备丰富的AI研发经验。

　　Trajectory并不是一家传统的大模型公司，而是致力于将Cursor的成功经验转化为AI基础设施，目标是让AI通过用户的真实使用反馈不断演进。要理解Jeff Dean和李飞飞为何会投资Trajectory，首先需要了解一个重要概念：反馈闭环。

　　在过去两年，AI编程工具的进化速度令人瞩目，Cursor、Copilot等产品通过真实使用数据进行后训练，快速提升了用户体验。Malde指出，当前的AI模型依然是静态的，用户使用的模型在时间上没有变化，这意味着它们无法从过去的使用中学习。相比之下，Cursor的出现打破了这一局限，通过用户的每一次操作提取信号并进行再训练，确保模型在每次更新后变得更智能。

　　Trajectory希望将这一方法标准化，将其从AI编程领域推广至客服、销售和法律等行业。这些行业的成功标准往往模糊且难以量化，因此Trajectory采用开源模型进行定向后训练，确保能够通过用户数据不断优化模型。

　　目前，Trajectory已与多家AI原生企业达成合作，包括Clay（市场进入和销售线索智能化）、Decagon（企业AI客服）和Harvey（法律AI）。这些企业都在测试Trajectory的模型，期望能够实现智能体在用户使用过程中不断学习的目标。

　　以Decagon为例，每当AI客服无法解决用户请求时，这一“失败”将被记录并结构化，成为下一轮模型训练的数据。这一过程的高频更新，将传统的几个月一次的迭代压缩至每周一次，虽然Trajectory尚未实现实时学习，但已经在持续学习的道路上迈出了重要一步。

　　Trajectory的SDK将智能体行为和产品数据转化为标准化格式，为模型训练和效果评估提供了基础。这一标准化的流程，确保了企业可以控制数据的使用及模型的更新，从而提高了合规性和可审计性。

　　Trajectory的出现恰逢AI赛道的转型时期，越来越多的企业意识到，仅仅依靠通用的大模型无法满足特定行业的需求。企业希望拥有自己的智能，而这需要在开源模型上进行定制化的后训练。

　　随着AI技术的不断进步，未来的竞争将不仅仅局限于模型的大小，更在于如何让模型通过真实的使用数据不断演化。Trajectory的成功与否，或许将决定下一阶段AI基础设施的构建方向。无论如何，Trajectory所代表的持续学习趋势，必将引领未来AI的发展，成为企业智能化转型的关键所在。返回搜狐，查看更多