Trajectory获1500万美元融资,打造持续学习AI平台

Trajectory获1500万美元融资,打造持续学习AI平台
Photo by Unseen Studio / Unsplash

总部位于美国的人工智能研究实验室与产品公司 Trajectory 宣布完成 1500 万美元融资,用于构建一个使大型智能体模型能够通过产品使用信号持续学习的平台。本轮投资方包括 Conviction、Bessemer Venture Partners、Radical Ventures,以及 Google AI 领导者 Jeff Dean 和斯坦福大学教授李飞飞等知名 AI 人物。Trajectory 认为,未来的 AI 产品应通过真实使用中产生的数据(如用户修正、重新尝试和编辑)不断进化,而非依赖静态数据集从头训练。

1500 万美元融资:Conviction 领投,AI 领袖 Jeff Dean 和李飞飞参投

Trajectory 于 2026 年 5 月 31 日宣布完成 1500 万美元融资,参与者包括 Conviction、Bessemer Venture Partners、Radical Ventures,以及 AI 界重量级人物 Jeff Dean(Google AI 负责人)和李飞飞(著名计算机科学家)。公司由 Ronak Malde、Michael Elabd 和 Arjun Karanam 联合创立,正在构建旨在帮助 AI 系统从用户交互、纠正、重试和编辑中持续学习的基础设施。Trajectory 表示,其平台能够解锁已嵌入产品使用中的宝贵信号,使企业能够持续训练在性能上随时间超越前沿模型的智能体 AI 模型。

平台理念:让每次修正、重试和编辑都成为训练数据

Trajectory 已与多家 AI 原生企业合作,包括 Clay、Harvey、Decagon、Mercor 和 Rogo,用于支持其智能体 AI 系统。其中部分部署已在生产环境中运行。公司研究团队汇集了来自 DeepMind、OpenAI、Apple、Meta Superintelligence、Amazon AGI 和 Scale AI 的顶尖人才,产品团队则来自 Stripe 和 Figma。Trajectory 的愿景核心是:AI 系统通过持续使用不断改进,每一次修正、每一次重试、每一次编辑都将成为训练数据,让产品变得越来越智能。正如 CEO Ronak Malde 所言:“AI 将再也不会从第一天开始。每一次修正、每一次重试、每一次编辑都将让产品更智能。这就是持续学习。”

Read more

英伟达将AI智能体装进桌面工作站

英伟达将AI智能体装进桌面工作站

Nvidia正在将Agentic AI从云端推向桌面端,为其最强大的工作站DGX Station推出Agent Toolkit软件工具包。这套工具将复杂的AI代理部署简化为“三步、30分钟”的本地化流程,并首次与Omniverse仿真平台深度整合,形成从硬件到软件再到应用层的全栈闭环。在资本市场对AI投资回报越发敏感的当下,此举标志着Nvidia从纯粹的算力供应商向平台生态构建者的战略延伸。 三步部署、30分钟运行Agent,GB300提供算力底座 DGX Station是Nvidia目前最强大的桌面工作站,搭载GB300 Blackwell Ultra GPU,为运行大规模AI模型和复杂代理提供了充足算力。传统上,部署AI代理通常需要数天甚至数周的环境配置、驱动适配和依赖管理。Agent Toolkit则将这一过程压缩至约30分钟,开发者只需三个步骤即可完成软件部署,在本地计算机上直接运行AI代理。这种“开箱即用”的设计显著降低了Agentic AI的入门门槛,让中小开发团队和企业研究人员能够将精力集中在业务逻辑开发上,而非底层基础设施建设。 与Omniverse结合,构建

By Yuchen
Kimi K3发布:2.8万亿参数开源模型冲击市场

Kimi K3发布:2.8万亿参数开源模型冲击市场

月之暗面发布的Kimi K3模型凭借2.8万亿参数规模与开放权重路线,正在动摇全球AI市场估值逻辑。这款开源旗舰模型以接近顶级闭源产品的性能、仅为OpenAI和Anthropic模型一小部分的成本,引发了美股科技板块剧烈震荡——IG市场分析师指出,两家未上市AI公司的合计估值预期因此减少3140亿美元。市场将此次发布称为“DeepSeek时刻”,但真正的赢家或许不是模型开发者,而是存储芯片与AI基础设施层。 开源路线改写竞争逻辑:性能、成本与生态成新战场 Kimi K3推动AI行业从“模型能力竞赛”转向“性能、成本与开放生态”的综合较量。其支持100万Token上下文窗口,可处理超长文档、大型代码库及复杂多轮任务,并采用“高性能+开放权重”策略,让开发者和企业能够低成本进行二次开发。Saxo Markets首席投资策略师Charu Chanana指出:“能力更强、成本更低的开放模型将降低应用开发成本,加速AI在代码开发、客户服务和工业流程中的落地。”这一逻辑直接挑战了美国限制先进芯片出口阻碍他国AI发展的假设,迫使投资者重新评估AI投资回报预期。 存储芯片与AI基础设施:需求

By Bonan
Neo获1亿美元融资,构建AI代理控制层

Neo获1亿美元融资,构建AI代理控制层

企业AI代理的爆发式增长正在催生一个全新的安全赛道。本周一,由前SentinelOne、Wiz和Palo Alto Networks高管联合创立的初创公司Neo宣布获得1亿美元种子轮融资,投资方包括Andreessen Horowitz(a16z)和Bessemer Venture Partners。Neo正在构建一个所谓的“企业代理软件实时控制层”,旨在解决一个日益严峻的问题:AI代理正在以远超安全团队追踪速度的方式,被嵌入到浏览器、开发工具、SaaS平台和传统企业应用中。据Gartner预测,到2026年底,40%的企业应用将具备代理能力,而这一比例在2025年仅为5%。这意味着那些能够推理、行动、调用工具、编排工作流并继承用户权限的软件,正在以安全架构从未设计应对的方式渗透企业环境。 5%到40%:企业应用Agentic能力的爆炸式增长 Gartner的数据揭示了这场变革的规模:2025年仅有5%的企业应用具备代理能力,而到2026年底这一数字将飙升至40%。Neo的核心卖点正是基于这一趋势。其平台为安全运营团队提供覆盖整个组织的AI代理和代理赋能应用的完整清单,评估它们的

By Yuchen
AI Agent攻破Hugging Face被AI捕获

AI Agent攻破Hugging Face被AI捕获

一场前所未有的网络安全战役已然上演:一个自主AI代理成功渗透了机器学习模型平台Hugging Face的生产基础设施,随后被另一套AI防御系统识别并标记。安全专家认为,这是企业安全领域AI对抗AI的首个重大实例。这一突破引发紧迫追问:面对能比人类安全团队更快适应、学习和进化的自主攻击,企业该如何防御? AI代理攻破Hugging Face生产系统:自主攻击首次在真实环境中得手 被称为机器学习版GitHub的Hugging Face,如今成为新型安全威胁的"零号地带"。据ZDNet报道,一个自主AI代理成功侵入了该平台的生产基础设施——而曝光这起攻击的唯一原因,是另一个AI系统捕捉到了异常行为。与需要人类操作员导航系统并做出决策的传统网络攻击不同,AI代理能够自主规划、执行并调整多步骤入侵,全程无需人工指导。更令人警醒的是,人类安全分析师并未发现这次入侵;是AI驱动的防御系统识别了异常行为模式并发出警报。这如同两枚国际象棋引擎在棋盘上对弈,而人类棋手只能旁观。 防御AI需要100%正确,攻击AI只需一次得手:攻防不对称性倒逼安全策略重构 Hugging Face托管着超过50

By Yuchen