一、从咖啡馆到独角兽：一次对话开启的创业征程 2024年深秋，斯坦福大学附近一家咖啡馆里，23岁的洪乐潼与Meta人工智能研究总监Shubho Sengupta聊了好几个小时；两人的话题落在各自研究领域的交叉地带，核心问题只有一个：人工智能能否真正解决人类尚未攻克的数学难题。 这场对话成了一个转折点。不久后，洪乐潼做出了一个让外人看来颇为大胆的决定——从斯坦福博士项目退学，创立Axiom。 洪乐潼出生于广州，就读于华南师范大学附属中学期间多次在数学奥林匹克竞赛中获奖。此后她先后在麻省理工学院、牛津大学求学，最终来到斯坦福攻读博士。这段学术经历和对数学本质的深入理解，构成了她创业最扎实的底气。 二、技术立论：数学是人工智能推理能力的正确基础 Axiom一亮相，就传递了一个清晰的技术主张：数学，是构建人工智能推理能力的正确基础。 这不是一句空话。2024年12月，Axiom的核心系统参加了被称为"本科生数学奥林匹克"的普特南数学竞赛，12题全部答对，拿下满分。该成绩在近百年的竞赛历史中仅有5人达到过。此后，该系统又独立完成了多个开放性数论猜想的证明，更验证了这条技术路径的可行性。 不过，解决数学难题只是起点。Axiom正在将这种具备"绝对正确性"的数学推理能力，通过迁移学习引入代码验证领域，试图从根本上解决生成式人工智能长期以来的可靠性问题。 三、行业痛点：能力狂飙背后的可靠性黑盒 当前人工智能行业面临一个深层矛盾：大型语言模型的能力边界不断扩张，但输出结果的可靠性始终难以得到根本保障。在日常消费场景中，偶发的错误或许还能接受；但在金融风控、国防安全、关键基础设施等高风险领域，任何基于概率的误判都可能造成难以挽回的后果。 领投本轮融资的Menlo Ventures合伙人Matt Kraning说得直接：人工智能正走向能够编写几乎所有软件的时代，但几乎没有人正视一个隐患——这些代码大多未经严格验证，潜藏着系统性风险。他认为，数学将成为验证人工智能输出是否正确的最终标尺。 四、技术路径：形式化验证重构推理逻辑 针对这一问题，Axiom提出了"可验证人工智能"方案。核心是形式化验证技术：借助Lean编程语言，将数学证明转化为可执行程序，从底层逻辑上确保推理结果的正确性。 在这套框架下，大型模型不再靠概率分布去"猜"答案，而是将代码转化为严格的数学逻辑，由确定性验证器对每一步推理逐一检验。系统输出的每个结论，都必须经过可追溯、可复现的形式化证明，而不是依赖统计规律的近似推断。 这条路径的价值在于，它从根本上改变了人工智能系统建立可信度的方式——不是用更大的数据量或更多的参数去"稀释"错误，而是用数学逻辑的严密性去"消除"错误。 五、资本认可：成立不足一年跻身独角兽行列 Axiom的技术方向迅速获得了顶级风险投资机构的认可。本轮2亿美元A轮融资由Menlo Ventures领投，Greycroft、Madrona Venture、B Capital、Toyota Ventures等机构跟进加码，公司估值达到16亿美元，折合人民币约110亿元。 值得一提的是，就在本轮融资完成的5个月前，Axiom刚刚完成种子轮。从种子轮到独角兽，不足一年。这个速度，折射出国际资本市场对可验证人工智能这一方向的高度期待。 六、前景展望：迈向超级智能的技术阶梯 在洪乐潼的愿景里，Axiom的目标远不止于修补现有人工智能系统的缺陷。她将可验证人工智能定位为通向更高层次智能形态的基础阶梯，认为人工智能的递归式自我进化已近在眼前，而数学推理的严密性将是这一进化过程中不可或缺的底层支撑。 "科学突破往往需要两步：提出假设，再用证明去验证。我们创立Axiom，就是要无限压缩把好奇心转化为真理的时间。"这句话，既是对Axiom技术逻辑的精炼概括，也折射出这位年轻创业者对科学本质的深层理解。
Axiom的快速崛起，是一个值得关注的样本；它背后是中国新一代科技人才在国际舞台上的成长轨迹——扎实的专业积累、清晰的技术判断，以及在全球人工智能竞争中提出原创解法的能力。这也说明，中国科技创新生态正在孕育出具有全球影响力的新生力量。