Trajectory :把训练、评测、部署放进同一个界面

Ronak Malde 用三张地图把 AI 现在的处境讲清楚了。第一张是他小时候全家公路旅行前去 AAA 拿的纸质路线图，店员会把路线全部用荧光笔标好，路上任何一处想改道，都得打电话或者开车去实体门店；第二张是 MapQuest，路线可以自己查了，但仍然要打印出来带上车；第三张是 Google Maps，每一次行驶都在反过来更新整张地图，哪里堵、哪条路快，是所有人跑出来的结果。

他把今天的智能体放在第一张和第二张之间——智能是真的，闭环是假的。模型能推理、能写代码、能调用工具，但它的经验要等一次离线的批量更新才能进入权重，在那之前，它对你这个客户、这条业务线一无所知。Ronak 把这个状态称为“伪持续学习（pseudo continual learning）”。

他是 Trajectory 的联合创始人。这期对话由 Sequoia Capital 的 Pat Grady 和 Lauren Reeder 主持，2026 年 11 月上线。前半段谈研究判断，后半段落到一个真实案例上：法律 AI 公司 Harvey 用 Trajectory 训练自己的模型，成本降到前沿模型的六分之一，准确率从 4% 抬到 18%。

1. 大脑在线，产品离线

在 Ronak 看来，人类大脑就是持续学习该有的样子——我们边做边更新，没有“训练轮次”和“推理阶段”的分野。而现在所有跑在生产里的智能体，只在部署的那一刻是新的。

公路旅行的比喻再往前走一步就是产品语言：想让模型适应一个新客户、一类新业务，唯一的路是停下来做一次全量批量更新，然后再发一版。中间产生的一切——用户在哪儿重试了、改了什么、放弃了什么——都留在了日志里，没有变成模型的一部分。

他把这件事拆成三个阶段。第一步是把训练和定制模型的权力从实验室里放出来，相当于 MapQuest：仍然离线，但至少人人可以自己画路线，不必再跑去 AAA 柜台。第二步才是 Google Maps，每一次行驶都自动贡献数据，系统聚合成最快路径。他要建的是第二步，现在交付的是第一步。

2. “缺失的那一层”不在架构里

Rich Sutton 和 David Silver 都在这档节目里说过，以今天的架构，持续学习基本做不到。Ronak 不完全反对这个判断，但他把话说得更具体了一层。

他指出基础模型内部的架构其实一直在动。大多数人熟悉的那张图——Karpathy 的 tiny GPT——就是一摞注意力块叠起来，很多 scaling 工作只是把这一摞叠得更高。但他提到最近发布的 DeepSeek v4.1 flash，底层结构已经被改掉了不少：权重内部出现了快慢两层记忆，还有跨得很远的跳跃连接，从第 2 层直连第 50 层。

他的判断是，这些架构层面的变化会成为持续学习的关键组件，但那不是 Trajectory 要做的事。架构解决“能不能”的问题，他要解决的是“翻译”的问题。 每一家公司在心里都清楚“什么算做得好”，而整条链路上最难的一步，是把这句话翻译成模型权重的实际改进。这一段被他称为缺失的一层。

3. 六个月、上亿美元，然后把它变成产品

直到现在，从数据到智能这条路只存在于实验室里：需要一支庞大的研究团队，需要数亿美元的算力投入，还需要时间。

Ronak 之前在 Windsurf 亲身走过一遍。他们拿产品生产环境里的编辑和重试作为训练信号，最终花了六到九个月才训出前沿模型，而且全程离不开咨询式的贴身服务。Cursor 也在做同样的事，做出了 cursor composer。这两年陆续有垂直公司组起研究团队杀进这条赛道，但门槛始终是那三样：人、钱、时间。

他对好产品的定义很朴素——当全世界每一家公司都在把同一件事重做一遍，这件事就该被包进一个界面里：把用户真正在意的旋钮和拉杆露出来，其余全部收起来。

这个判断不是他一个人得出的。联合创始人 Michael 在 DeepMind 做 Gemini robotics，看到的是机器人可以部署进真实世界，靠一套持续学习基础设施每天更新；Arjun 在 Apple 做 Vision Pro，想的是如何把艺术家的反馈用于多模态基础模型。三个人在不同的地方解同一道题：怎么把真实世界里的反馈变成模型的改进。

他也很快看清了另一件事。大实验室的商业模型是训一个巨大的模型、分发给全世界，这确实赢了很多年。但要为单个客户定制一个模型、且只服务那一个客户，对实验室来说是不成比例的巨额基础设施。

4. Harvey 的数字：六分之一的成本，四倍多的准确率

Harvey 一直跑在前沿闭源模型之上，在上面做出了很好的界面和产品，服务了大量律所。问题在于，他们手里攥着三十年法律行业积累下来的数据和细节，知道律所真正在乎什么，却没办法把这些东西喂回模型。

他们先做了一件事：把“什么算好”显式化，建了一个法律智能体基准并对外发布。有了这个基准，再借助 Trajectory 训练自己的模型，结果是成本降到前沿模型的六分之一，开源基线的准确率从 4% 提升到 18% 左右。

单看准确率不算惊艳，Ronak 自己也承认提升空间还很大。真正的变化是结构性的：成本降到六分之一，意味着同样一笔预算可以多花六倍的 token 去完成任务；而模型是从自己的数据里长出来的，往哪个方向长由自己决定。

5. 单位是任务，不是 token

公司名字来自一个反对 token 的立场。Ronak 说现在的世界太盯着 token，很多人把它当成工作量的单位。但人和人协作的时候没人会数对方说了多少词，同事之间谈的永远是一件事、一条路径。

在强化学习里，trajectory 就是 rollout，是训练栈里实际跑一遍的东西。持续学习改写了这条栈。原本的 rollout 引擎是在模拟环境里反复试，而在真实世界里，rollout 引擎就是推理本身，就是产品里流动的那些 token。于是轨迹变成了有经济价值的任务，训练信号从模拟器里长回了业务现场。

名字还有第二层意思：让公司拥有那条路径，自己往上长。他说这是个双关。

6. 把训练、评测、部署放进同一个地方

产品哲学有一部分直接来自 Apple。2000 年代初，一边是能上网的电脑，一边是能打电话的手机，把两者合起来这件事，在 Apple 动手之前没人真正去做。

Trajectory 的对应版本是把训练、评测、部署放到同一个地方，简单到任何人都能用；模型上线后继续收集新的轨迹，再传回去训练，闭环就此合上。这条环一旦闭上，范式就会自己强化自己。

在 ingrediants 这一层，他的目标是做减法。眼下企业还需要不少组件，比如把生产环境里发生的所有轨迹都追踪下来，但产品的长期方向是把这些配料压缩到只剩一件事——让用户说清楚什么算好。

7. 终点是那张会自己更新的地图

回到地图。Ronak 想要的世界里，模型不是发布时定型的成品，而是持续被使用改写的系统：每一次任务都在贡献数据，每一次数据都在改写权重，就像每一辆车都在告诉 Google Maps 前方发生了什么。

他把这条路分成三段，Trajectory 现在站在第一段和第二段之间——已经让普通公司握住了训练自己模型的开关，但离“边跑边学”还有距离。这也是他反复强调那句话的原因：一旦训练、评测、部署被放进同一个地方，闭环变得足够简单，这个范式就会被每一家公司很快采用。到那时，论文里的持续学习和生产里的持续学习，才第一次是同一件事。