AI训练门槛再降：Trajectory融资4500万美元

据TechCrunch报道，成立仅一年的AI创业公司Trajectory宣布完成4500万美元融资，公司估值达到3亿美元。这家公司的目标很明确：降低AI模型训练的门槛，让没有编程背景的领域专家也能参与到模型训练和优化中。

在生成式AI热潮持续数年后，行业关注点正从“有没有大模型”转向“模型是否真正懂业务”。通用大模型能力强，但企业落地时往往需要结合自身数据、流程和专业知识进行定制。传统路径依赖机器学习工程师和数据科学家，而最懂业务痛点的产品经理、医生、律师、金融分析师等专家，却常常被挡在技术门槛之外。

让领域专家成为AI训练的一环

Trajectory试图改变的正是这一分工。其核心方向是让非技术专家通过更自然的方式参与模型训练，例如用业务语言描述目标、提供示例、评估输出并持续反馈。这样一来，专家不必先学会写代码，也能把隐性知识注入模型。对于企业而言，这意味着AI定制不再完全依赖稀缺的算法人才，业务团队可以更直接地参与模型迭代。

这一趋势与AI行业近年来的变化相呼应。大模型预训练成本高、周期长，更多企业开始把精力放在后训练、微调、评估和推理优化上。模型效果不仅取决于参数规模，也取决于高质量数据和专家反馈。谁能更高效地把行业知识转化为训练信号，谁就可能在应用层建立优势。

编者按：AI民主化的关键，不只是让更多人“用上”模型，而是让真正懂业务的人“塑造”模型。Trajectory的融资说明，资本正在押注AI工具链从工程师优先走向专家优先。

资本为何押注“训练平民化”

一年时间做到3亿美元估值，在当前融资环境中并不常见。这背后有两层逻辑。第一，企业AI需求正在从试点走向规模化，客户需要可复用的工具和工作流，而不是一次性项目。第二，模型训练和评估环节仍存在大量手工工作，如果能把专家参与产品化，就有机会形成数据飞轮：专家使用越多，模型越懂业务，客户粘性越强。

不过，降低门槛也带来新的挑战。非技术专家参与训练，并不意味着工程问题自动消失。模型评估、版本管理、安全合规、数据隐私和质量控制仍需专业体系支撑。如果缺乏治理，专家反馈可能引入偏差，模型迭代也可能变得难以追踪。因此，这类平台真正的竞争力不只是界面简单，而是能否把专家输入转化为稳定、可审计的模型改进。

竞争与前景

从市场格局看，大模型厂商正在提供微调、评估和智能体开发工具，云厂商和垂直AI平台也在争夺企业客户。Trajectory面对的竞争不会小。其机会在于聚焦“非技术专家”这一特定人群，把复杂流程封装成易用工作流，并与企业现有数据系统连接。若能做到这一点，它可能成为企业AI落地链条中的新型入口。

更宏观地看，AI训练门槛下降将扩大AI采用范围。未来，模型定制可能像搭积木一样由业务团队发起，工程师则转向平台建设、安全治理和复杂系统集成。对创业公司而言，真正的壁垒将来自行业数据、专家网络、评估标准和客户信任，而不仅是单点功能。

Trajectory的融资是一个信号：AI应用层的竞争正在深入“训练”这一核心环节。让领域专家参与模型训练，或许会成为企业AI从通用能力走向行业生产力的关键一步。

本文编译自TechCrunch。