Trajectory 宣布完成 4500 万美元融资，本轮资金将用于平台迭代、生态拓展以及算力配套建设，核心目标是打造面向行业专家的低门槛 AI 训练平台，让深耕垂直领域、具备专业知识的行业专家，不需要精通大模型底层算法、不熟悉复杂代码，就可以自主完成领域数据整理、模型微调、效果验证、上线部署全流程，打通专业知识和 AI 能力之间的壁垒，解决很多企业在落地行业 AI 时遇到的痛点。以往行业 AI 落地普遍存在一个矛盾：懂业务的专家不懂模型训练，懂算法的工程师很难吃透行业规则，知识传递过程中容易出现偏差，拉长项目周期、提升落地成本。Trajectory 这套平台的核心思路，就是把模型训练、对齐、评估的复杂技术环节封装成可视化操作工具，把主导权交到行业专家手上，由专家直接定义 AI 需要掌握的业务规则、判断标准、输出规范，把沉淀多年的行业经验直接注入 AI 模型。
- 平台核心能力拆解
- 领域数据治理工具：支持专家上传自有业务文档、案例、标准手册，自动做清洗、分片、去重，支持标注、筛选，不用数据团队全程介入；同时内置数据权限管控，保障企业内部涉密业务资料安全。
- 无代码模型微调流水线：提供可视化向导，专家可以选择基础底座模型，设置训练目标、输出格式、合规约束，一键启动微调任务，平台自动调度算力，完成训练、验证、回测。
- 自主评估与迭代闭环：专家可以自建测试集，对训练完成的模型批量打分，对比模型输出和业务标准的差异，快速调整训练素材、提示规则，反复迭代直到满足业务要求。
- 轻量化部署通道：训练好的模型可以快速发布为 API 接口，对接企业内部系统、业务软件，支持小流量灰度测试，方便专家持续观察模型在真实业务中的表现。
- 这套模式的产业价值 垂直行业 AI 长期难以规模化复制，很大一部分瓶颈在于 “专业知识的转化成本”。传统模式需要 AI 团队和业务团队持续沟通对齐，沟通成本高、交付周期长，而且算法人员离开之后，后续模型维护、规则更新都很难自主推进。Trajectory 的方案相当于把 AI 模型的 “维护权” 交给业务侧，当行业标准更新、业务流程变化时，专家可以自主更新训练素材、重新微调模型，不用依赖外部 AI 服务商。对于细分赛道，比如工业质检、医疗文书、供应链风控、法务审核等场景，这个模式可以大幅降低 AI 落地门槛，让中小规模的垂直企业也能搭建适配自身业务的专属模型，而不是只能使用通用性强、贴合度不足的通用大模型。
- 融资后的发展方向 本轮 4500 万美元资金，会重点投入三个方向：一是持续优化平台的微调算法，降低微调对算力的消耗，提升小样本训练效果；二是拓展行业模板库，针对制造、金融、合规等高频行业预制训练流程；三是完善企业级权限、审计、私有化部署方案，满足高合规要求行业的使用需求。
【相关 FAQ】
问题 1：Trajectory 本次融资额度是多少，平台核心定位是什么？
回答 1：Trajectory 拿到 4500 万美元融资，平台核心是让行业专家不用深度掌握算法，自主动手训练适配自身业务的 AI 模型。
问题 2：Trajectory 平台如何实现行业专家自主训练 AI 模型？
回答 2：Trajectory 把数据处理、模型微调、效果评估、部署的复杂流程封装为无代码可视化工具，专家上传业务资料、定义标准，就能完成 AI 模型训练迭代。
问题 3：Trajectory 赋能行业专家自主训练 AI 模型，对比传统 AI 项目模式有什么优势？
回答 3：它可以减少业务专家和算法团队之间的沟通损耗，缩短落地周期，后续业务规则变动时，行业专家可以自主更新模型，降低长期维护成本。
【参考资料】
[2026-11-03]（Trajectory 融资 4500 万美元 让行业专家自己动手训练 AI 模型）AI 产业媒体
[2026-11-03]（Trajectory 获 4500 万美金融资 主打业务专家自主微调大模型）具身智能资讯
免责声明：以上内容基于公开融资资讯整理，Trajectory 平台完整功能、支持底座、私有化部署方案以及后续产品规划，以 Trajectory 官方发布信息为准。