文 | 字母 AI
25 岁的洪乐潼，最近在硅谷火了。
这个来自广东的女孩，17 岁考入 MIT，三年修完数学和物理双学位，后来又进入斯坦福深造。
元股证券:ygzq.hk按照硅谷最熟悉的那套叙事，她是"天才少女创业者"的模板人物。
但洪乐潼真正让人记住的，不是履历，而是她做的事太反常识。
当整个 AI 行业都在追逐更大的模型、更强的生成能力、更像人的表达时，她偏偏转身去做了一件最不性感、也最难商业化的事：用数学验证 AI。
她创办的公司叫 Axiom，成立不足两年，员工只有 20 多人，最近拿下 2 亿美元 A 轮融资，投后估值高达 16 亿美元，折合人民币超 110 亿元。
Axiom 不做聊天机器人，不做文生图，也不跟风大语言模型的热潮。它做的是"形式化验证"。
说白了，就是想用数学和逻辑，把 AI 每一步推理都变成可以检查、可以证明、可以追责的东西。
这听起来很冷门，但它瞄准的，却是大模型最麻烦的软肋——幻觉。
现在的 AI 最大的问题不是不够强，而是不够可靠。它可以把答案说得很像对的，甚至真的做对题，但你没法确认它到底是真的推出来了，还是只是"猜对了"。而 Axiom 要做的，就是把这种模糊状态，变成一种可验证的确定性过程。
这也是为什么，当洪乐潼拿着这个想法去融资时，迎面撞上的不是掌声，而是一个极其现实的问题："数学怎么赚钱？"
01 迎难而上的天才少女
洪乐潼的办公室在硅谷帕洛阿尔托大学大道，距离斯坦福大学步行只要半个小时。斯坦福是她博士生涯的起点，但学位还没有念完，她就退学创业了。
事实上，早在博士在读期间，洪乐潼就已经注册了公司。公司取名 Axiom，名字源自数学术语"公里"，"我想从公理出发，打造一个能够自我改进的超级智能推理器。"
一个 24 岁的博士生，没钱没人没产品，仅凭一个想法，她就拿下了 960 万美元的种子轮投资。
凭什么？
要知道现有的大模型本质上是概率黑盒，通过海量数据学习模式，然后基于统计规律给出答案。推理过程无法被量化，所以会胡说、会出错。
洪乐潼要做的就是用数学公理和形式化验证，让 AI 每一步推理都可证明，可以直接面向金融、军工、芯片和自动驾驶等对可靠性要求极高的市场。
她做的事显然击中了 AI 最大痛点，解决幻觉与可靠性的问题。
更何况，早期投资投人，她本人也是不折不扣的跨学科天才学霸。
洪乐潼从小就展现出了惊人的数学天赋。2001 年，她出生于广州市天河区，曾就读于华南师大附中。高一时，她就在全国数学奥林匹克选拔赛中晋级，并在华罗庚杯、全国高中数学联赛中屡获佳绩。
正是在奥数集训中，她对研究型数学产生了兴趣。
2018 年，17 岁的她被 MIT 录取，3 年就修完了数学和物理双学位，不仅发表了 9 篇学术论文，还获得全美女性数学家最高荣誉 Alice T. Schafer 数学奖等诸多荣誉。
此后，她获得牛津大学罗德奖学金，她没有继续深耕数学，转头去学了神经科学，因为想"构建跨越科学领域的认知体系"。
基于这一目标，她同时在伦敦大学学院盖茨比计算神经科学中心开展深度学习研究，该中心由"深度学习之父"杰弗里 · 辛顿联合创立。也正是在此期间，她正式踏足 AI 领域，接触到许多最前沿的课题。随后她又进入斯坦福大学，攻读数学与法律双学科博士。
2024 年，ChatGPT o3 被曝光在数学测试中存在"作弊"嫌疑，全球舆论哗然。
作为斯坦福数学博士的洪乐潼也在社交媒体上发表了看法：" OpenAI 大模型在数学测试中表现优秀，大概率是因为训练数据中提前泄题了。在一些测试中，大模型回答的准确率虽然高达 96%，但一旦展示推理过程，得分率就降至 5%。"
南京配资公司面对行业痛点，一种名为 Lean 的语言闯入她的视线，也让她嗅到了创业机会。
与自然语言不同，Lean 语言是一个非常神奇的、可以自验证的数学编程语言。洪乐潼打了个比方："如果用英语写出数学证明，我没办法知道一个 5000 行的证明是否正确，需要找高水平的专家验证。但 Lean 是自验证的，只要跑通了就是对的。"
Lean 的逻辑是把自然语言或非形式化验证，转成机器可检查的形式化验证。
那啥是形式化验证呢？
普通的 AI，你只能用它的答案来判断它是不是理解这个问题，但你不知道它中间有没有瞎蒙。
形式化验证是要求你把每一步都写成机器能检查的逻辑链条。只要中间有一步跳了、糊了、偷懒了，它就不给过。
之所以形式化验证能治大模型会幻觉，是因为形式化验证不管你答案如何，只要你的结论是从前提里一步步合法推出来的，那答案就是对的，从而避免了模型产生幻觉。
所以 Axiom 做的，就是让大模型负责猜想和搜索，让 Lean 负责验算和判断。如果 Lean 检查发现过程不对，那就退回去继续改。
但这显然是一条窄路。这条路冷门到什么程度？在整个 AI 版图里，形式化验证几乎是边缘中的边缘，全球的商业化玩家一只手就数得过来。
显然她并不是因为形式化验证是下一个风口才选的，而是因为她对"困难"的定义和别人不一样。
奥赛就像持续释放多巴胺的快感，而研究型数学像在撞墙，充满痛苦与煎熬。我其实特别喜欢这种挑战感。"她曾这样解释自己痴迷数学的原因。
正是这种刻在骨子里的挑战欲，让她不愿再停留在学术研究的舒适区，渴望在更广阔的战场上去攻克 AI 领域的硬骨头。
2024 年深秋，斯坦福附近的一家咖啡馆里，股票配资，多空杠杆，全国持牌平台，配资开户洪乐潼与当时 Meta AI 研究总监 Shubho Sengupta 聊了整整几个小时，核心议题只有一个：AI 能不能真正学会数学推理？
两人一拍即合，一个退学，一个辞职，两人一起创业。
02 一支"草根"工程师军团
Axiom 只有 20 多名员工，洪乐潼用了一个词来形容团队的气质：草根工程师精神。
但事实上，这支团队的成员身份一点也不草根，甚至背景堪称豪华。
Axiom 第一位成员，正是和她在咖啡馆聊了好几个小时的 Meta 前员工 Shubho Sengupta，如今他的身份是公司的 CTO。
核心科学家 François Charton，则是将 Transformer 架构引入数学推理领域的先驱人物。他干的活，就是把数学算式当成一种"语言"输入进 Transformer，试试看 Transformer 能不能像翻译句子一样去翻译数学。
其他成员约半数来自 Meta AI，另一半则是世界级数学家与形式化验证先驱。
而最让外界震惊的一位成员，是 57 岁的数学泰斗小野健（Ken Ono）。
他是模形式领域的顶尖学者，美国数学学会前副会长，拿过古根海姆奖、斯隆奖等荣誉。指导过的学生中有十位摩根奖得主。他还曾为美国奥运游泳队提供数据分析，为电影《知无涯者》担任顾问。
这位弗吉尼亚大学终身教授与洪乐潼结缘于麻省理工。彼时大一新生洪乐潼参与了他的数论项目。师生关系延续至今，角色却已不同，2025 年底，小野健辞去教职，全职加入 Axiom，成为第 15 号员工。
曾拒绝过 Google 和 Meta 邀请的小野健，为什么愿意为一个 24 岁的学生"打工"？
"如果我的猜想能被机器在 3 天内推广到 10 个维度，我愿意当一个‘标注工’。"小野健曾公开表示，他选择帮自己的学生打工，不仅因为洪乐潼开出"不设教学、不设行政、100% 科研"的合约，更关键的是，AI 对他的"降维打击"，让他感到兴奋。
一群顶级学者和前 Meta 成员，这个团队哪里草根了？
洪乐潼的解释是，草根，代表着始终"空杯"的心态和坚韧的品质。在创业这条路上，即使是资深"牛人"，也要从头学起，不断自我革新。
她自己最喜欢的不是当"精英"，而是做"草根"，做个 nobody（小人物），这样学习的坡度最陡、速度最快。
她自己也是"草根精神"的践行者，在被问到如何带领团队时，洪乐潼说："我其实不太喜欢用带领这个词。我希望自己是一个 Individual contributor（独立贡献者），每个人都是，这是一群志同道合的人在一起做事。"
"我们创立 Axiom，就是要无限压缩把好奇心转化为真理的时间"，在资本驱动的硅谷，洪乐潼的这种纯粹性，对于顶尖研究者而言，或许比一份高薪 offer 更有吸引力。
这支不到 20 人的团队，在成立后不到一年就交出了一份令人意外的答卷。
2025 年 12 月 3 日，Axiom 宣布其核心系统 AxiomProver 在无人干预的情况下，攻克了困扰数学界数十年的两道埃尔德什难题。
同一天，洪乐潼收到了入选"福布斯 30 岁以下 30 人"榜单的消息。
同月，AxiomProver 又在普特南数学竞赛中斩获满分，12 道题全对。普特南是北美最负盛名的大学生数学竞赛，成绩的中位数常常为零，过去近百年仅有 5 个人类选手拿到过满分。
Axiom 进一步印证了用形式化验证构建可靠、可核验、无幻觉的 AI，已是行业明确的重要方向，而 AxiomProver 则在这条路径上交出了可复现、高难度的实证。
03 赛道升温，但挑战刚刚开始
从行业发展来看，洪乐潼的选择正好踩在了技术转折点上。
2024 年年底，Meta FAIR 和斯坦福大学等多所机构联合发布了一篇立场论文《Formal Mathematical Reasoning: A New Frontier in AI》。
论文给出了这样一个判断，过去的 AI 数学就是喂很多数学题，再让模型输出答案。这就导致数据会污染、过程会胡编，AI 没办法自判断对错，并且还很难复现过程。
这显然是路走错了。就拿乘法口诀表来说，里面写的是 2*3 得 6，那么你自己也能理解 3*2 就也得 6。这个过程就叫复现。
论文主张的是下一步要把证明助手、形式系统、自动验证真正接进模型里来，让 AI 真正懂数学。
但这也意味着这条窄路正在变得拥挤。
过去十年，AI 赛道的主流叙事是"更大参数、更多数据、更快生成"，所有大公司都在这条路上狂奔。洪乐潼选择的形式化验证是其中冷门到几乎没有竞争的赛道。
今年年初，Meta 也发布了半形式化推理技术，让大语言模型能够在不执行代码的情况下验证代码补丁，准确率高达 93%。竞品公司 Harmonic 在今年 1 月获得了英伟达投资，估值达 14.5 亿美元，产品已扩展到代码编写和芯片设计领域。Theorem、Axiomatic AI、Cajal 等一批初创公司，也在近两年纷纷进入这个赛道。
对 Axiom 而言，挑战远不止行业竞争。
最大的挑战在于商业模式。洪乐潼最初的设想是将产品服务于对冲基金和量化交易公司，快速解决与资产定价、股市预测相关的复杂数学问题。
但这个蓝图至今仍停留在构想阶段。对高频交易而言，比"正确"更重要的是"足够快"，毫秒级的延迟可能比一次罕见错误带来更大损失。
Axiom 的绝对正确性，在追求速度的金融场景中，其实际价值目前仍需要打一个问号。另一个挑战，则在于除了对价格不敏感的航空航天、国防军工等少数领域，其他绝大多数企业愿意为"绝对正确"支付高溢价吗？
洪乐潼自己也承认这一点："数学怎么赚钱？我们从一开始就面临这个挑战。"但她认为，"现在，商业信号已经清晰很多，数学能创造价值，是因为它能自我验证、自我检查。"
另一方面，高估值本身也是一把双刃剑。16 亿美元的 A 轮估值意味着，投资人期望的是超高速的增长和明确的退出路径。
Axiom 必须在未来一到两年内证明其技术具备规模化商业化的可能，否则下一轮融资将面临巨大压力。与此同时，它需要在巨头和强劲对手的夹击中，用更少的资源跑出更快的速度。
Axiom 的未来，更像是一场理想主义的压力测试。 从"绝对正确"的技术理想，到"相对经济"的商业世界，Axiom 的挑战重庆股票配资信息网，才刚刚开始。
百强配资网提示：本文来自互联网，不代表本网站观点。
