25岁的广州女孩洪乐潼，用数学把AI“说对话”的过程变成“步步可验”的证明，一年内把Axiom做成独角兽，刚获2亿美元A轮，估值16亿美元，连弗吉尼亚大学的终身教授Ken Ono都辞职加入
她看见行业里最大的痛点很简单也很刺眼：大模型太会“蒙”，在关键场景里这不是小问题，是红线
在金融、代码安全、基础设施这些地方，答案不能“差不多”，必须“绝对对”
这话听起来像苛求，但如果你身边有搞量化的朋友，就会明白，0.01%的错误都可能带来灾难性的连锁反应
洪乐潼的回应也很直接：让AI像数学家那样工作
她把“证明”搬进AI，建立Axiom，做“Verified AI”——不是只给答案，而是给得出答案的每一步，并用Lean这种为数学证明设计的语言把每一步交给机器检查
不是拍脑袋的相关性，而是能复查、能复现的因果链
我很喜欢她说的一句话，简单到像备忘录：“
科学突破常常只有两步，先提出假设，再用证明验证
Axiom要做的，是把好奇心变成真理的时间无限压缩
”这句话像是把创业的浪漫和工程的严谨缝在一起，让人一下子就懂了他们在忙什么
再回头看她的来路，会明白这条路径并非突然闪现
她在广州长大，父母是普通务工者，却从小在数学上一路通关
17岁进MIT
3年修完数学和物理双学位，本科就发了9篇论文，在模椭圆曲线、K3曲面上的L函数、所谓“月光猜想”等纯数领域埋头扎进去了
她拿到过全美女性数学家的最高荣誉Alice T. Schafer奖，也拿过表彰本科研究的摩根奖
2021年，她拿到牛津的罗德奖学金，学神经科学，期间在伦敦大学学院的盖茨比计算单位做深度学*研究，算是正式踏入AI
此后她去了斯坦福，数学与法律双博士，但在一个节点选择退学创业
Axiom成立不到一年，就把最难的“可靠性”问题打出一个样板
去年12月，他们的核心系统在普特南竞赛上做到了满分，12题全对
普特南在北美是皇冠级的大学生数学比赛，人类满分极少见
更让同行紧张的是，Axiom还用Lean做成了埃尔德什问题集里两道开放题的形式化证明，一道用时一天，一道五小时，全程无人干预
这意味着它不仅能在已有题库里“抄套路”，还能在未知里找到正确的路
当然，解题只是冰山一角
他们把这种“绝对正确”的推理能力迁移到代码验证和高风险决策里，试图让“无幻觉”的能力从数学走到产业
Axiom把目标客户对准对冲基金、量化交易这些对正确性极度敏感的地方
这选择不讨巧，却很实在
资本市场的反馈也很快
2025年10月，他们拿下6400万美元种子轮，彼时公司还在验证引擎
今年3月
又完成2亿美元A轮，Menlo Ventures领投，老股东Greycroft、Madrona、B Capital、Toyota Ventures继续跟投，投后估值16亿美元——折合约110亿元人民币
官方口径很克制：这笔钱会用来把在形式数学上的领先，扩展到可信AI更广的领域
一句话，不是追求更大的模型，而是更可靠的智能
团队阵容，是Axiom的另一个底气
去年12月
弗吉尼亚大学的终身教授、知名数论学家Ken Ono辞职加入，出任创始数学家
他曾对AI持怀疑态度，后来在媒体上说
“见证了数学超级智能的可能”，所以选择加入
这不是一个年轻人“招到了名人”，更像是一个学术权威看到了一条新河道
CTO是前Meta AI研究总监Shubho Sengupta
早年参与谷歌分布式训练系统，也站在CUDA技术最早的一批门口；
核心科学家Francois Charton
把Transformer引入数学的先行者，曾用大模型推翻过一个被讨论了几十年的猜想
这样的组合，像是把理论、系统、范式都各找来一位“带刀护卫”
为什么是数学？
为什么是Lean？
因为这两样东西有一个共同点：不靠信任，靠验证
传统大模型像一个“语言上的统计高手”，它最擅长的是看见十万次后做第十万零一次的猜测
但在需要“绝对正确”的地方，统计直觉让位给形式推导
每一步怎么来、能否复核，比答案本身更重要
Axiom的做法，就是把证明当产品，把验证当交付
我也在想
这是不是一条更轻、更硬的路
轻，是指不用在参数规模上激烈军备，把钱堆在显卡上；
硬，是指必须在推理链条上经得起机器检验
这需要数学的训练，也需要工程的执念
这两件事很多团队都懂，但能把两端同时推高的，确实不多
把镜头从Axiom移开一点，会看到一群00后集体起跑
有媒体刚报道，灵初智能成立一年多拿到约20亿元人民币的融资，联合创始人陈源培2001年生，师从李飞飞
同龄的杨丰瑜在耶鲁拿到博士后回国做具身智能，刚完成新一轮融资
还有由三位00后创立的Mercor，宣布1亿美元B轮，估值20亿美元
他们有一个共性：不急着讲风口，先把问题想清楚
洪乐潼曾在朋友圈写过一句话：“祝自己做花也做树，缤纷热情，孤离兀立”
这像是她对自己和团队的注解，漂亮但不随风站队，孤独却站得稳
投资人也很罕见地一致给出高评价
有人说
她兼具深厚的数学功底、惊人的执行力和吸引一流人才的能力，这是二十年见过最强的创始人之一
这种评价在硅谷不常见，因为大家更愿意把功劳归给“赛道”
在Axiom这件事上
更像是方向+方法+人，三者叠加
当然
关于他们取得的数学里程碑，细节层面存在不同表述
比如某些问题被称为“二十年未解”的说法，多来自二手媒体
但有一件事是清楚的：他们把证明写成了机器能读懂、能核验的版本，且在无人干预的条件下跑通了
这比“你信我啊”更有说服力，也更像一个可复制的技术路径
下一步看什么？
我更关心他们把“步步可验”这件事
怎么落到代码安全和高风险决策里
比如自动发现交易策略中的逻辑漏洞，或在关键软件发布前自动给出验证报告
如果这条路打通，不仅是降低“幻觉”风险，还是在为AI的法律与合规“兜底”
写到这儿，再回看开头那句“把好奇心到真理的时间压缩”，会觉得这像是整个AI行业的自我要求
AI的上限在哪里，可能不在参数，而在可验证的推理能力
而把这道门推开的，偏偏是一群25岁左右的年轻人
他们生在算力洪流里，却愿意回到“证明”这一最古老的秩序
这既浪漫，也务实
如果说上一代讲的是“能不能跑起来”
这一代更在意“跑到哪儿算对”
版权声明：本文转载于今日头条，版权归作者所有，如果侵权，请联系本站编辑删除
