00后正在改变世界。
智东西10月13日报道，由00后女生创办的AI创企Axiom Math，最近拿下6400万美元（约合人民币4.56亿元）种子轮融资，估值达到3亿美元（约合人民币21.39亿元）。
Axiom Math创始人洪乐潼（Carina Hong）是一位00后中国女学霸，凭借着在数学上的天赋和努力，一路从广州走向麻省理工学院、牛津大学和斯坦福大学，又从斯坦福大学双博士项目毅然选择辍学，创立了专注于数学推理的AI公司Axiom Math。
如今AI数学研究竞赛正持续升温，OpenAI、谷歌DeepMind等顶级研究机构都屡出突破，这家2024年成立的年轻创企同样将重心放在数学领域，希望研发“AI数学家”，并已经吸引多名前Meta AI研究人员加入。
这位被资本寄予厚望的年轻创始人，究竟有何过人之处？她所创立的Axiom Math，又为什么能吸引一众AI大牛加入？一切答案，都藏在她“天才数学少女”的成长轨迹与Axiom Math对数学的不断探索之中。
一、MIT本科、牛津硕士、斯坦福博士辍学创业，00后女生从广州“走到”硅谷
24岁的洪乐潼成长于广东广州，从小就展现出了对数学浓厚的兴趣，14岁时，她就开始在草稿纸边缘写下“MIT”来激励自己。
洪乐潼在接受《福布斯》采访时透露，在初中参加免费数学奥赛培训期间，她沉浸在“超级有趣的数学问题”中，仿佛跨越时空与不同文明的数学思想对话。“在智力层面，我实现了环游世界。”洪乐潼如此形容这段经历。
Axiom Math创始人洪乐潼（Carina Hong）
然而在入学麻省理工学院后，19岁的洪乐潼初陷入了迷茫：“我完全不认识任何麻省理工的人，数学系的同学大多通过美国奥赛早已相识，那段时光非常孤独。”
麻省理工学院“动手实干”的校风成为她的精神支柱。通过担任国际学生协会与本科数学协会主席等职务，洪乐潼在校园中找到了归属感。
这种经历让她确信：即使没有人脉资源，通过极致努力也能获得成功。“你必须对自己足够严苛，才能绽放光彩。”洪乐潼强调道。
洪乐潼仅用3年就修完了数学与物理双学位，并在此期间撰写9篇研究论文涵盖数论、组合数学、理论计算机科学与概率论等领域，并修读了20门高等数学课程。
洪乐潼谷歌学术主页（来源：谷歌学术）
2022年，洪乐潼荣获女性数学协会艾丽丝·谢弗奖。而后，2023年，她又斩获了备受瞩目的北美数学领域本科生最高奖：美国数学会颁发的弗兰克与布伦尼·摩根奖（Frank and Brennie Morgan Prize）。
本科毕业前夕，她在获得斯坦福大学数学博士项目的录取的同时，迎来了一个“绝佳机遇”：她获得了罗德奖学金，可以赴牛津大学攻读神经科学硕士。
“我希望更深入地理解生物学，”她解释道，“科学领域中除了数学和物理还存在更广阔的世界，将数学作为一个维度，生物医学作为另一个维度，就能构建起跨越科学领域的认知体系。这至少是我的思维模型。”
2024年，洪乐潼去往斯坦福大学，同时攻读法学博士与数学博士，她觉得“法学如同第三维度，与数理、生物医学共同构建完整的认知空间。”
尽管如此，数学始终是洪乐潼最根本的学术热忱所在。她已在堆栈排序算法等领域发表多项研究成果，并对数论相关的工作尤为倾心。洪乐潼坦言“我始终怀揣着研究者的初心，渴望攻克真正艰深的技术难题。”
在采访中，洪乐潼透露，最令她感到振奋的还是数学与深度学习相结合的跨学科探索。“我希望能参与突破那些令人振奋的技术瓶颈，”她说，“AI与数学家将如何互动？应用科学家又将如何与AI数学家协作？这些都是我接下来希望深入探索的命题。”
2024年，洪乐潼从斯坦福辍学，创立了Axiom Math。
二、当下数学AI有三大技术趋势，Axiom Math想要构建“AI数学家”
Axiom Math认为，当下，语言模型的能力正在持续加速迭代。然而，这些先进模型仍面临核心挑战，即在复杂推理任务中会出现难以预测的隐性错误。
尽管模型训练依托海量数据资源，但训练所需数据既包含日常对话等非结构化内容，也涵盖专业领域的结构化数据，不同类型的数据的质量存在显著差异。
目前，通过人类反馈强化学习等后训练技术，模型的输出已能较好契合人类价值取向，在大多数应用场景中表现优异。但在数学证明、科学计算等要求严格可验证性的关键领域，现有模型的输出结果仍缺乏足够的可信保证。这种可靠性缺口已成为制约大模型在高端科研和工业应用落地的技术瓶颈。
Axiom Math判断，当前有三大技术趋势正在汇聚：
第一，神经网络已超越模式匹配，进入可扩展推理阶段，其能力随着算力、模型规模与数据的增长持续提升。
第二，通过Lean等编程语言，数学形式化走向成熟：根据柯里-霍华德对应关系，证明变成了可执行程序，编程语言不再仅是产生输出的工具，更成为验证抽象对象属性的“利器”。
第三，大语言模型在代码生成领域跨越关键阈值，能够可靠地生成多种语言（包括形式化规约语言）的高质量代码，为原本无限的动作空间提供了强大的先验约束。
这种协同效应创造了前所未有的机遇，即推理引擎能够在零人工干预的情况下，自主提出并证明无数定理。这给Axiom Math亮起了指引方向的灯塔。
基于以上基础，Axiom Math将目标设定为将教科书、档案论文与期刊中的英语数学内容转化为软件程序，使AI能创造新问题，且其解决方案可经形式化测试验证。
Axiom Math公司主页（来源：Axiom）
目前Axiom Math正专注于训练能够发现并正确解决新数学问题的模型，一个能够在“前所未有的规模与速度”下实现数学发现的推理引擎，Axiom Math将其形容为一位“AI数学家”，或者说是一个具备无限分支能力的“数学领域的AlphaGo”。
但这条路并不是无人踏足，OpenAI与谷歌DeepMind等AI巨头近期均在国际数学奥林匹克竞赛中获得金牌级评分，他们的AI模型成功解答6道极端难题中的5道。但洪乐潼认为这类基准测试可能存在取巧空间，无法体现研究级数学的真实水平。
“解决复杂数学问题始终是人类诸多发明的核心，”B Capital合伙人雅恩-大卫·埃利希（Yan-David Erlich）在一篇解释他们为什么选择投资Axiom Math的文章中说，“能够创建模拟现实的新问题并予以解决，对推动人类知识进步至关重要。”
“数学是构建超级智能的完美试验场。”洪乐潼告诉《福布斯》。
三、多名前Meta AI研究员加盟，纯粹的数学AI是吸引点
不到一年，洪乐潼的初创公司就已经招募了一批经验丰富的科技界资深人士，其中多人来自Meta基础人工智能研究院（FAIR）：
Axiom Math首席技术官舒博·森古普塔（Shubho Sengupta）曾领导Meta FAIR团队开发OpenGo与CrypTen。此前，他致力于塑造谷歌Brain的分布式训练系统，并且是最早的CUDA开发者之一。
弗朗索瓦·沙尔东（François Charton）自2019年起便开创性地将Transformer应用于复杂数学问题。他近期使用Transformer在许多具体的常微分方程（ODE）系统上成功学习出近似的Lyapunov函数。
休·莱瑟（Hugh Leather）在将深度学习应用于代码生成方面的开拓性经验，包括构建了首个用于编译器与GPU代码生成的大语言模型，这为Axiom Math团队带来了关键优势。
Axiom Math主要成员合影，中间为创始人洪乐潼（Carina Hong）
阿拉姆·马尔科相（Aram Markosyan），曾在Meta领导安全与公平性研究的AI科学家；休·莱瑟（Hugh Leather），前Meta AI研究科学家，是最早将深度学习用于代码生成的研究者之一。
对许多研究人员而言，Axiom Math致力于用人工智能进行数学发现的使命成为关键吸引点，从其办公室的会议室以卡尔·弗里德里希·高斯（Carl Friedrich Gauss）与阿达·洛芙莱斯（Ada Lovelace）等数学传奇人物命名便可见一斑。
“对我而言，能在一家认真对待数学AI、不将其视为支线任务的公司从事这项工作，正是契机所在。”沙尔东认为。
结语：Axiom Math或将为AI基础研究打开大门
Axiom Math的诞生与融资案例，折射出AI前沿领域2个发展趋势。首先，AI研究正从通用能力建设向垂直领域深度渗透，数学这一被视为人类理性思维巅峰的领域成为新的突破口。其次，顶尖学术人才向产业界流动的趋势愈发明显，跨学科背景的年轻研究者纷纷投入到AI创业生态之中。
Axiom Math试图解决当前大模型在复杂推理中的可靠性问题，想要借助AI手段实现数学领域的新突破。然而，这条道路充满挑战，技术是一方面，OpenAI、谷歌DeepMind等AI巨头在数学推理领域的持续投入，意味着竞争将异常激烈。
数学是物理、化学、生物以及所有理工科的基础，Axiom Math想要借AI之手解决数学问题的努力，或许会为AI基础研究注入新的活力。