智東西（公眾號：zhidxcom）
作者 | 王涵
編輯 | 漠影
00后正在改變世界。
智東西10月13日報道，由00后女生創辦的AI創企Axiom Math，最近拿下6400萬美元（約合人民幣4.56億元）種子輪融資，估值達到3億美元（約合人民幣21.39億元）。
Axiom Math創始人洪樂潼（Carina Hong）是一位00后中國女學霸，憑借著在數學上的天賦和努力，一路從廣州走向麻省理工學院、牛津大學和斯坦福大學，又從斯坦福大學雙博士項目毅然選擇輟學，創立了專注于數學推理的AI公司Axiom Math。
如今AI數學研究競賽正持續升溫，OpenAI、谷歌DeepMind等頂級研究機構都屢出突破，這家2024年成立的年輕創企同樣將重心放在數學領域，希望研發“AI數學家”，并已經吸引多名前Meta AI研究人員加入。
這位被資本寄予厚望的年輕創始人，究竟有何過人之處？她所創立的Axiom Math，又為什么能吸引一眾AI大牛加入？一切答案，都藏在她“天才數學少女”的成長軌跡與Axiom Math對數學的不斷探索之中。
一、MIT本科、牛津碩士、斯坦福博士輟學創業，00后女生從廣州“走到”硅谷
24歲的洪樂潼成長于廣東廣州，從小就展現出了對數學濃厚的興趣，14歲時，她就開始在草稿紙邊緣寫下“MIT”來激勵自己。
洪樂潼在接受《福布斯》采訪時透露，在初中參加免費數學奧賽培訓期間，她沉浸在“超級有趣的數學問題”中，仿佛跨越時空與不同文明的數學思想對話。“在智力層面，我實現了環游世界。”洪樂潼如此形容這段經歷。
▲Axiom Math創始人洪樂潼（Carina Hong）
然而在入學麻省理工學院后，19歲的洪樂潼初陷入了迷茫：“我完全不認識任何麻省理工的人，數學系的同學大多通過美國奧賽早已相識，那段時光非常孤獨。”
麻省理工學院“動手實干”的校風成為她的精神支柱。通過擔任國際學生協會與本科數學協會主席等職務，洪樂潼在校園中找到了歸屬感。
這種經歷讓她確信：即使沒有人脈資源，通過極致努力也能獲得成功。“你必須對自己足夠嚴苛，才能綻放光彩。”洪樂潼強調道。
洪樂潼僅用3年就修完了數學與物理雙學位，并在此期間撰寫9篇研究論文涵蓋數論、組合數學、理論計算機科學與概率論等領域，并修讀了20門高等數學課程。
▲洪樂潼谷歌學術主頁（來源：谷歌學術）
2022年，洪樂潼榮獲女性數學協會艾麗絲·謝弗獎。而后，2023年，她又斬獲了備受矚目的北美數學領域本科生最高獎：美國數學會頒發的弗蘭克與布倫尼·摩根獎（Frank and Brennie Morgan Prize）。
本科畢業前夕，她在獲得斯坦福大學數學博士項目的錄取的同時，迎來了一個“絕佳機遇”：她獲得了羅德獎學金，可以赴牛津大學攻讀神經科學碩士。
“我希望更深入地理解生物學，”她解釋道，“科學領域中除了數學和物理還存在更廣闊的世界，將數學作為一個維度，生物醫學作為另一個維度，就能構建起跨越科學領域的認知體系。這至少是我的思維模型。”
2024年，洪樂潼去往斯坦福大學，同時攻讀法學博士與數學博士，她覺得“法學如同第三維度，與數理、生物醫學共同構建完整的認知空間。”
盡管如此，數學始終是洪樂潼最根本的學術熱忱所在。她已在堆棧排序算法等領域發表多項研究成果，并對數論相關的工作尤為傾心。洪樂潼坦言“我始終懷揣著研究者的初心，渴望攻克真正艱深的技術難題。”
在采訪中，洪樂潼透露，最令她感到振奮的還是數學與深度學習相結合的跨學科探索。“我希望能參與突破那些令人振奮的技術瓶頸，”她說，“AI與數學家將如何互動？應用科學家又將如何與AI數學家協作？這些都是我接下來希望深入探索的命題。”
2024年，洪樂潼從斯坦福輟學，創立了Axiom Math。
二、當下數學AI有三大技術趨勢，Axiom Math想要構建“AI數學家”
Axiom Math認為，當下，語言模型的能力正在持續加速迭代。然而，這些先進模型仍面臨核心挑戰，即在復雜推理任務中會出現難以預測的隱性錯誤。
盡管模型訓練依托海量數據資源，但訓練所需數據既包含日常對話等非結構化內容，也涵蓋專業領域的結構化數據，不同類型的數據的質量存在顯著差異。
目前，通過人類反饋強化學習等后訓練技術，模型的輸出已能較好契合人類價值取向，在大多數應用場景中表現優異。但在數學證明、科學計算等要求嚴格可驗證性的關鍵領域，現有模型的輸出結果仍缺乏足夠的可信保證。這種可靠性缺口已成為制約大模型在高端科研和工業應用落地的技術瓶頸。
Axiom Math判斷，當前有三大技術趨勢正在匯聚：
第一，神經網絡已超越模式匹配，進入可擴展推理階段，其能力隨著算力、模型規模與數據的增長持續提升。
第二，通過Lean等編程語言，數學形式化走向成熟：根據柯里-霍華德對應關系，證明變成了可執行程序，編程語言不再僅是產生輸出的工具，更成為驗證抽象對象屬性的“利器”。
第三，大語言模型在代碼生成領域跨越關鍵閾值，能夠可靠地生成多種語言（包括形式化規約語言）的高質量代碼，為原本無限的動作空間提供了強大的先驗約束。
這種協同效應創造了前所未有的機遇，即推理引擎能夠在零人工干預的情況下，自主提出并證明無數定理。這給Axiom Math亮起了指引方向的燈塔。
基于以上基礎，Axiom Math將目標設定為將教科書、檔案論文與期刊中的英語數學內容轉化為軟件程序，使AI能創造新問題，且其解決方案可經形式化測試驗證。
▲Axiom Math公司主頁（來源：Axiom）
目前Axiom Math正專注于訓練能夠發現并正確解決新數學問題的模型，一個能夠在“前所未有的規模與速度”下實現數學發現的推理引擎，Axiom Math將其形容為一位“AI數學家”，或者說是一個具備無限分支能力的“數學領域的AlphaGo”。
但這條路并不是無人踏足，OpenAI與谷歌DeepMind等AI巨頭近期均在國際數學奧林匹克競賽中獲得金牌級評分，他們的AI模型成功解答6道極端難題中的5道。但洪樂潼認為這類基準測試可能存在取巧空間，無法體現研究級數學的真實水平。
“解決復雜數學問題始終是人類諸多發明的核心，”B Capital合伙人雅恩-大衛·埃利希（Yan-David Erlich）在一篇解釋他們為什么選擇投資Axiom Math的文章中說，“能夠創建模擬現實的新問題并予以解決，對推動人類知識進步至關重要。”
“數學是構建超級智能的完美試驗場。”洪樂潼告訴《福布斯》。
三、多名前Meta AI研究員加盟，純粹的數學AI是吸引點
不到一年，洪樂潼的初創公司就已經招募了一批經驗豐富的科技界資深人士，其中多人來自Meta基礎人工智能研究院（FAIR）：
Axiom Math首席技術官舒博·森古普塔（Shubho Sengupta）曾領導Meta FAIR團隊開發OpenGo與CrypTen。此前，他致力于塑造谷歌Brain的分布式訓練系統，并且是最早的CUDA開發者之一。
弗朗索瓦·沙爾東（Fran?ois Charton）自2019年起便開創性地將Transformer應用于復雜數學問題。他近期使用Transformer在許多具體的常微分方程（ODE）系統上成功學習出近似的Lyapunov函數。
休·萊瑟（Hugh Leather）在將深度學習應用于代碼生成方面的開拓性經驗，包括構建了首個用于編譯器與GPU代碼生成的大語言模型，這為Axiom Math團隊帶來了關鍵優勢。
▲Axiom Math主要成員合影，中間為創始人洪樂潼（Carina Hong）
阿拉姆·馬爾科相（Aram Markosyan），曾在Meta領導安全與公平性研究的AI科學家；休·萊瑟（Hugh Leather），前Meta AI研究科學家，是最早將深度學習用于代碼生成的研究者之一。
對許多研究人員而言，Axiom Math致力于用人工智能進行數學發現的使命成為關鍵吸引點，從其辦公室的會議室以卡爾·弗里德里希·高斯（Carl Friedrich Gauss）與阿達·洛芙萊斯（Ada Lovelace）等數學傳奇人物命名便可見一斑。
“對我而言，能在一家認真對待數學AI、不將其視為支線任務的公司從事這項工作，正是契機所在。”沙爾東認為。
結語：Axiom Math或將為AI基礎研究打開大門
Axiom Math的誕生與融資案例，折射出AI前沿領域2個發展趨勢。首先，AI研究正從通用能力建設向垂直領域深度滲透，數學這一被視為人類理性思維巔峰的領域成為新的突破口。其次，頂尖學術人才向產業界流動的趨勢愈發明顯，跨學科背景的年輕研究者紛紛投入到AI創業生態之中。
Axiom Math試圖解決當前大模型在復雜推理中的可靠性問題，想要借助AI手段實現數學領域的新突破。然而，這條道路充滿挑戰，技術是一方面，OpenAI、谷歌DeepMind等AI巨頭在數學推理領域的持續投入，意味著競爭將異常激烈。
數學是物理、化學、生物以及所有理工科的基礎，Axiom Math想要借AI之手解決數學問題的努力，或許會為AI基礎研究注入新的活力。
來源：《福布斯》、B Capital、Axiom Math
