5 月 27 日，一批曾任职 Google DeepMind、Apple、OpenAI 和 Meta Superintelligence Labs 的研究者宣布成立 Trajectory 公司，目标是构建“AI 缺失的反馈循环”——通过持续采集真实用户交互数据，定期迭代模型性能，而非依赖静态训练集。WIRED 报道称，这标志着行业从“一次训练定终身”转向动态优化路径。[[1]](https://www.wired.com/story/ex-google-apple-ai-researchers-want-to-make-ai-that-gets-smarter-as-you-use-it/)
这一动作发生在各大模型公司均面临“规模红利递减”的背景下。OpenAI、Anthropic 等闭源玩家依赖海量预训练，但真实部署后的用户反馈往往难以高效回流；开源阵营（如 Meta Llama、Google Gemma）虽开放权重，却在安全护栏与持续改进上同样受限。Trajectory 的切入点正是填补这一空白：把用户每一次使用变成训练信号，形成闭环。
对比之下，Meta 近期正测试 AI 订阅服务试图变现，而 Trajectory 团队则直接瞄准“使用即改进”的基础设施层。根本驱动力在于推理成本下降后，边缘数据成为稀缺资源——谁先跑通合规、高效的反馈管道，谁就能在下一阶段拉开差距。
未来 6-12 个月，关键悬念在于闭源大厂是否会复制或收购此类机制，还是继续依赖内部数据孤岛。Trajectory 若能在编码、客服等垂直场景率先验证 ROI，或将迫使全行业重新定义“模型更新”的定义。
信源：https://www.wired.com/story/ex-google-apple-ai-researchers-want-to-make-ai-that-gets-smarter-as-you-use-it/
