Ronak Malde 用三張地圖把 AI 現在的處境講清楚了。第一張是他小時候全家公路旅行前去 AAA 拿的紙質路線圖，店員會把路線全部用熒光筆標好，路上任何一處想改道，都得打電話或者開車去實體門店；第二張是 MapQuest，路線可以自己查了，但仍然要列印出來帶上車；第三張是 Google Maps，每一次行駛都在反過來更新整張地圖，哪裡堵、哪條路快，是所有人跑出來的結果。
他把今天的智能體放在第一張和第二張之間——智能是真的，閉環是假的。模型能推理、能寫代碼、能調用工具，但它的經驗要等一次離線的批量更新才能進入權重，在那之前，它對你這個客戶、這條業務線一無所知。Ronak 把這個狀態稱為「偽持續學習（pseudo continual learning）」。
他是 Trajectory 的聯合創始人。這期對話由 Sequoia Capital 的 Pat Grady 和 Lauren Reeder 主持，2026 年 11 月上線。前半段談研究判斷，後半段落到一個真實案例上：法律 AI 公司 Harvey 用 Trajectory 訓練自己的模型，成本降到前沿模型的六分之一，準確率從 4% 抬到 18%。
1. 大腦在線，產品離線
在 Ronak 看來，人類大腦就是持續學習該有的樣子——我們邊做邊更新，沒有「訓練輪次」和「推理階段」的分野。而現在所有跑在生產里的智能體，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產品語言：想讓模型適應一個新客戶、一類新業務，唯一的路是停下來做一次全量批量更新，然後再發一版。中間產生的一切——用戶在哪兒重試了、改了什麼、放棄了什麼——都留在了日誌里，沒有變成模型的一部分。
他把這件事拆成三個階段。第一步是把訓練和定製模型的權力從實驗室里放出來，相當於 MapQuest：仍然離線，但至少人人可以自己畫路線，不必再跑去 AAA 櫃檯。第二步才是 Google Maps，每一次行駛都自動貢獻數據，系統聚合成最快路徑。他要建的是第二步，現在交付的是第一步。
2. 「缺失的那一層」不在架構里
Rich Sutton 和 David Silver 都在這檔節目裡說過，以今天的架構，持續學習基本做不到。Ronak 不完全反對這個判斷，但他把話說得更具體了一層。
他指出基礎模型內部的架構其實一直在動。大多數人熟悉的那張圖——Karpathy 的 tiny GPT——就是一摞注意力塊疊起來，很多 scaling 工作只是把這一摞疊得更高。但他提到最近發布的 DeepSeek v4.1 flash，底層結構已經被改掉了不少：權重內部出現了快慢兩層記憶，還有跨得很遠的跳躍連接，從第 2 層直連第 50 層。
他的判斷是，這些架構層面的變化會成為持續學習的關鍵組件，但那不是 Trajectory 要做的事。架構解決「能不能」的問題，他要解決的是「翻譯」的問題。 每一家公司在心裡都清楚「什麼算做得好」，而整條鏈路上最難的一步，是把這句話翻譯成模型權重的實際改進。這一段被他稱為缺失的一層。
3. 六個月、上億美元，然後把它變成產品
直到現在，從數據到智能這條路只存在於實驗室里：需要一支龐大的研究團隊，需要數億美元的算力投入，還需要時間。
Ronak 之前在 Windsurf 親身走過一遍。他們拿產品生產環境裡的編輯和重試作為訓練信號，最終花了六到九個月才訓出前沿模型，而且全程離不開諮詢式的貼身服務。Cursor 也在做同樣的事，做出了 cursor composer。這兩年陸續有垂直公司組起研究團隊殺進這條賽道，但門檻始終是那三樣：人、錢、時間。
他對好產品的定義很樸素——當全世界每一家公司都在把同一件事重做一遍，這件事就該被包進一個界面里：把用戶真正在意的旋鈕和拉杆露出來，其餘全部收起來。
這個判斷不是他一個人得出的。聯合創始人 Michael 在 DeepMind 做 Gemini robotics，看到的是機器人可以部署進真實世界，靠一套持續學習基礎設施每天更新；Arjun 在 Apple 做 Vision Pro，想的是如何把藝術家的反饋用於多模態基礎模型。三個人在不同的地方解同一道題：怎麼把真實世界裡的反饋變成模型的改進。
他也很快看清了另一件事。大實驗室的商業模型是訓一個巨大的模型、分發給全世界，這確實贏了很多年。但要為單個客戶定製一個模型、且只服務那一個客戶，對實驗室來說是不成比例的巨額基礎設施。
4. Harvey 的數字：六分之一的成本，四倍多的準確率
Harvey 一直跑在前沿閉源模型之上，在上面做出了很好的界面和產品，服務了大量律所。問題在於，他們手裡攥著三十年法律行業積累下來的數據和細節，知道律所真正在乎什麼，卻沒辦法把這些東西餵回模型。
他們先做了一件事：把「什麼算好」顯式化，建了一個法律智能體基準並對外發布。有了這個基準，再藉助 Trajectory 訓練自己的模型，結果是成本降到前沿模型的六分之一，開源基線的準確率從 4% 提升到 18% 左右。
單看準確率不算驚艷，Ronak 自己也承認提升空間還很大。真正的變化是結構性的：成本降到六分之一，意味著同樣一筆預算可以多花六倍的 token 去完成任務；而模型是從自己的數據里長出來的，往哪個方向長由自己決定。
5. 單位是任務，不是 token
公司名字來自一個反對 token 的立場。Ronak 說現在的世界太盯著 token，很多人把它當成工作量的單位。但人和人協作的時候沒人會數對方說了多少詞，同事之間談的永遠是一件事、一條路徑。
在強化學習里，trajectory 就是 rollout，是訓練棧里實際跑一遍的東西。持續學習改寫了這條棧。原本的 rollout 引擎是在模擬環境裡反覆試，而在真實世界裡，rollout 引擎就是推理本身，就是產品里流動的那些 token。於是軌跡變成了有經濟價值的任務，訓練信號從模擬器里長回了業務現場。
名字還有第二層意思：讓公司擁有那條路徑，自己往上長。他說這是個雙關。
6. 把訓練、評測、部署放進同一個地方
產品哲學有一部分直接來自 Apple。2000 年代初，一邊是能上網的電腦，一邊是能打電話的手機，把兩者合起來這件事，在 Apple 動手之前沒人真正去做。
Trajectory 的對應版本是把訓練、評測、部署放到同一個地方，簡單到任何人都能用；模型上線後繼續收集新的軌跡，再傳回去訓練，閉環就此合上。這條環一旦閉上，範式就會自己強化自己。
在 ingrediants 這一層，他的目標是做減法。眼下企業還需要不少組件，比如把生產環境裡發生的所有軌跡都追蹤下來，但產品的長期方向是把這些配料壓縮到只剩一件事——讓用戶說清楚什麼算好。
7. 終點是那張會自己更新的地圖
回到地圖。Ronak 想要的世界裡，模型不是發布時定型的成品，而是持續被使用改寫的系統：每一次任務都在貢獻數據，每一次數據都在改寫權重，就像每一輛車都在告訴 Google Maps 前方發生了什麼。
他把這條路分成三段，Trajectory 現在站在第一段和第二段之間——已經讓普通公司握住了訓練自己模型的開關，但離「邊跑邊學」還有距離。這也是他反覆強調那句話的原因：一旦訓練、評測、部署被放進同一個地方，閉環變得足夠簡單，這個範式就會被每一家公司很快採用。到那時，論文裡的持續學習和生產里的持續學習，才第一次是同一件事。
