Trajectory تجمع 45 مليون دولار لتطوير نماذج AI بتقييم 300 مليون
بقلم علي المنتصر — محلل ومحرر تقني أول
أعلنت شركة Trajectory الناشئة عن جولة تمويل من الفئة A بقيمة 45 مليون دولار بتقييم 300 مليون دولار، بقيادة Sequoia وبمشاركة Nvidia وBessemer وBain Capital Ventures. تقدم المنصة حلاً للتعلم المستمر (Continual Learning) يتيح للخبراء غير التقنيين إعادة تدريب النماذج مفتوحة المصدر تلقائياً عبر جمع التغذية الراجعة من تطبيقاتهم. يستخدم المنصة بالفعل عملاء مثل Harvey وRogo وDecagon وMercor وNvidia، وقد أصبحت متاحة للجمهور. يهم هذا السوق لأنه يخفض تكلفة تخصيص الذكاء الاصطناعي في مجالات مثل القانون والمالية عبر الاستغناء عن فرق البحث الداخلية والمهندسين الميدانيين المكلفين.
الموجز الإحصائي السريع
أعلنت شركة Trajectory الناشئة، ومقرها الولايات المتحدة، في 2 نوفمبر 2026 عن إغلاق جولة تمويل من الفئة A بقيمة 45 مليون دولار بتقييم 300 مليون دولار، بقيادة صندوق Sequoia وبمشاركة Nvidia وBessemer Venture Partners وBain Capital Ventures. المنصة متاحة الآن للجمهور وتستهدف تمكين الخبراء غير التقنيين من إعادة تدريب النماذج مفتوحة المصدر عبر التعلم المستمر.
📊 بطاقة البيانات والمواصفات التقنية الرسمية
| المحور التقني | البيانات الرسمية المؤكدة |
|---|---|
| 💰 الأسعار وتكلفة الاستخدام | لم يُعلن عن تسعير توكنز محدد؛ نموذج الأعمال قائم على منصة post-training للشركات. التكلفة البديلة المذكورة: الاستغناء عن فرق البحث الداخلية والمهندسين الميدانيين (FDEs) المكلفين. |
| 🌐 المنصات والتوفر الفوري | منصة سحابية متاحة للجمهور (publicly available) اعتباراً من 2 نوفمبر 2026، تعمل مع النماذج مفتوحة المصدر وتتكامل مع تطبيقات العميل. |
| ⚡ الأداء ومؤشرات السرعة | لا توجد أرقام بنشمارك رسمية منشورة؛ القيمة المقترحة هي تحسين الأداء في المهام المتخصصة عبر التغذية الراجعة التكرارية. |
| 🛡️ الأمان ومقاومة الاختراق | يؤكد المؤسس Michael Elabd أن إبقاء البشر في حلقة التدريب يجعل النهج أكثر أماناً من التحسين الذاتي التكراري (RSI) المستقل الذي قد يؤدي لنتائج غير مقصودة. |
| 🧠 سياق الذاكرة (Context Window) | غير محدد في الإعلان؛ المنصة تعمل على نماذج مفتوحة المصدر يختارها العميل، وحجم السياق يتبع النموذج الأساسي المختار. |
| 🌍 دعم اللغة العربية والمنطقة | لا يوجد إعلان رسمي عن دعم عربي مخصص أو إتاحة إقليمية في دول الشرق الأوسط؛ المنصة عامة عالمياً وتدعم النماذج مفتوحة المصدر متعددة اللغات. |
تفاصيل الإعلان والميزات التقنية الجديدة
تأسست Trajectory قبل نحو عام على يد ثلاثة من زملاء جامعة ستانفورد هم Ronak Malde وMichael Elabd وArjun Karanam، ممن عملوا في Google DeepMind وApple. يضم الفريق 18 شخصاً فقط، وقد استقطب باحثين ومصممي منتجات من OpenAI وStripe وNetflix. تقوم الفكرة المعمارية على ما يُعرف بـالتعلم المستمر (Continual Learning): يبدأ العميل بنموذج مفتوح المصدر، وتربط Trajectory منصتها بتطبيقاته لجمع التغذية الراجعة على أداء النموذج، ثم تعيد تدريبه تلقائياً ليتحسن في المهام المتخصصة. يصف Malde النماذج التأسيسية بطالب دكتوراه ذكي يبدأ وظيفة جديدة دائماً، بينما ما يقدّره الاقتصاد هو من عمل 30 عاماً في المجال.
تتيح المنصة للمحامين والأطباء وغيرهم من المتخصصين تحسين النماذج بأنفسهم بشكل شبه تلقائي، مما يقلل الحاجة إلى تعيين فرق بحث داخلية أو الاستعانة بمهندسين ميدانيين (FDEs) مكلفين. يستخدم العملاء مثل Harvey وRogo المنصة لإعادة التدريب اللاحق (post-training) لنماذج مفتوحة المصدر، لتعمل بأداء أقرب إلى محامين أو محللين ماليين ذوي خبرة، عبر التعلم من مهام سابقة مثل مراجعة نوع معين من العقود القانونية أو تقييم شركة بمنهجية محددة. ويؤكد Karanam أن الشركة طورت واجهة تجعل ما بعد التدريب متاحاً للعملاء غير التقنيين.
المقارنة المعيارية والأداء التنافسي
تتحرك Trajectory في سوق مزدحم بأتمتة ما بعد التدريب. المنافس المباشر الأول هو Thinking Machines Lab التي أسستها Mira Murati (المديرة التقنية السابقة لـOpenAI) وتدير منصة Tinker. المنافس الثاني هو Applied Compute التي بلغ تقييمها 3.25 مليار دولار في الشهر السابق للإعلان، أي أكثر من عشرة أضعاف تقييم Trajectory البالغ 300 مليون دولار. المنافس الثالث هو Prime Intellect التي تساعد الشركات على بناء وتدريب وكلاء ذكاء اصطناعي خاصين بها. تراهن Trajectory على فريقها كأكبر ميزة تنافسية، إذ انضم Malde ضمن قلة من الباحثين الذين استحوذت عليهم Google DeepMind من Windsurf، وعمل Elabd في DeepMind، بينما عمل Karanam على النماذج التأسيسية التوليدية في Apple. لا توجد أرقام بنشمارك موحدة منشورة تقارن المنصات الثلاث، لذا يبقى التمييز قائماً على نهج "الإنسان في الحلقة" الذي تقدمه Trajectory مقابل الطروحات الأكثر استقلالية لدى المنافسين.
ماذا يعني هذا للمطور والمستخدم العربي؟ (The Localization Edge)
غياب إعلان رسمي عن دعم عربي مخصص يعني أن المستخدم العربي سيعتمد على النماذج مفتوحة المصدر متعددة اللغات التي يختارها كأساس، وهو ما يمنحه مرونة في اختيار نموذج ذي كفاءة توكنز عالية للنصوص العربية بدلاً من الالتزام بنموذج واحد. الميزة الاقتصادية الأهم للمشاريع الناشئة في العالم العربي هي إلغاء الحاجة إلى تعيين فرق بحث داخلية أو مهندسين ميدانيين مكلفين، إذ يمكن لفريق صغير في دبي أو الرياض أو القاهرة بناء حل قانوني أو مالي متخصص عبر جمع التغذية الراجعة وإعادة التدريب. حالات الاستخدام العملية تشمل مراجعة العقود بالعربية الفصحى، وتقييم الشركات وفق منهجيات محاسبية محلية، وأتمتة الردود في قطاع الخدمات المالية. يبقى التحدي في أن جودة التحسن تعتمد على جودة بيانات التغذية الراجعة العربية، وهو ما يستدعي بناء مجموعات تقييم محلية دقيقة.
الخلاصة والتطلعات القادمة
تمثل جولة Trajectory بقيمة 45 مليون دولار وتقييمها عند 300 مليون دولار رهاناً واضحاً من Sequoia وNvidia على أن الطبقة التالية من قيمة الذكاء الاصطناعي ستأتي من التخصيص المستمر وليس من النماذج التأسيسية وحدها. إتاحة المنصة للجمهور تحولها من مشروع بحثي إلى منتج تجاري يجب أن يثبت قدرته على التفوق على منافسين بتقييمات أعلى بكثير مثل Applied Compute. المعيار الحاسم خلال الأشهر القادمة سيكون نشر أرقام أداء قابلة للتحقق تثبت أن التعلم المستمر يتفوق فعلياً على الضبط الدقيق التقليدي في مجالات القانون والمالية.
المصدر الإعلامي: TechCrunch AI | تدقيق وتحليل البيانات: AI Tools Oasis
أسئلة شائعة
فريق AI Tools Oasis
نقدم لك أحدث الأخبار والتحليلات في عالم الذكاء الاصطناعي بدقة ومصداقية. تابعنا للحصول على كل جديد.
