洪乐潼的数学登月：Axiom 如何把证明变成算力问题 (2026)

2026 年 4 月 20 日 11:00，张小珺《商业访谈录》第 137 集上线，嘉宾是 Axiom 创始人兼 CEO 洪乐潼 Carina。节目时长约 4 小时 24 分钟，主题从数学之美一路谈到 AI for Math、Lean、Putnam 满分和 Ken Ono 加入 Axiom。1

这期最有意思的地方，不是一个 00 后华人女孩拿到 2 亿美元 A 轮、16 亿美元估值，也不是 57 岁终身教授小野肯辞职加入她的公司。真正的主线是：洪乐潼把数学从「天才的灵感」拆成一个可以被计算、验证、迭代的系统。她想做的不是一个会做题的模型，而是一台能参与数学发现的机器。1

本期速读

维度	信息增量
人物	洪乐潼把自己称为「蛮力型选手」，不是传统意义上的天才直觉派。她的创业者气质来自持续选择更难的题，而不是从小就想创业。1
公司	Axiom 做的是 AI for Math，核心不是让 AI 用自然语言「讲」数学，而是把数学转成 Lean 这类形式化语言，让证明可以被机器验证。1
团队	团队不是纯数学家俱乐部，而是 AI、强化学习、代码生成、编译器、Lean / Mathlib、纯数学家混在一起。洪乐潼强调，数学家在未来更像「算力资源分配者」，用直觉决定哪些问题值得投入。1
Ken Ono	小野肯先是洪乐潼本科暑研项目的导师，后来在 OpenAI / DeepMind 之外选择加入 Axiom。洪乐潼说他是理论建造者，能把不同领域连接起来，给团队的 benchmark 和问题选择提供判断。1
终局	她把 Axiom 看成 binary outcome：要么登月成功，要么登月失败。中间状态不多，像火箭发射，要么上去，要么坠毁。1

核心观点拆解

1. 数学不是「解题」，而是一套文明契约

洪乐潼开场先谈数学是什么。她说，数学像人类创造的一套文明体系：先接受一组公理，再在这些「理所当然」之上往上建。数学家之间有一种契约，大家约定哪些东西可以作为地基，之后再谈推导、证明和美感。1

这也是她理解「被创造」与「被发现」的方式。数学不是简单地从自然里捡到一个真理，也不是任意发明一套规则。更像一群受过相近训练的人，在共同语言里判断：这个问题自然吗，这个证明美吗，这个结果值得被承认吗。证明的功能不只是证明对错，它也是一种说服共同体的方式。1

她举 Ramanujan、Hardy、Littlewood 和张益唐的例子，是为了说明一个细节：一个发现即便看上去「对」，也要通过证明进入数学共同体。证明通过以后，数学家还会继续追问这个证明是否自然、是否美、是否能被简化。这个过程很像一个长期的审美与治理过程。1

2. 她不是天才叙事里的主角，反而更像 AI 的工作方式

洪乐潼不断反着「天才少女」这个叙事讲自己。她说自己一直想成为直觉派天才，但从小就觉得自己是蛮力型选手。几何题做不出，她就把图形代数化，用复杂的复数方法去硬解；MIT 第一学期上博士概率论，40 分考试拿 4 分，她的反应不是放弃，而是回去补分析基础。1

这段经历和她后来做 AI for Math 的直觉连在一起：AI 未必像人类一样给出最优雅的图形解法，它可能用几千行 Lean 代码，一步一步枚举、分类、验证，把一道题「干出来」。这不是人类审美里的漂亮证明，但它提供了另一个方向：数学可以通过机器擅长的方式被推进。1

「去解决一个有意义的失败，比很多个肤浅的成功来得更有价值。」1

3. AI for Math 的关键不是「数学当语言」，而是「数学变成 Lean」

她明确反对一种做法：把数学只当成自然语言来处理。她说，过去很多人把数学当语言，但她觉得不对，真正要做的是「把数学变成 Lean」。这里的 Lean 是一种形式化证明语言，能把数学命题和证明写成机器可检查的形式。白话说，就是把「看起来讲得通」变成「每一步都能被验证」。1

Axiom 的路线因此有两个层次。第一层是把自然语言数学题转成 Lean，让模型的输出可以自我验证。第二层是把每天证明出来的东西继续喂回系统，作为技能库或训练数据，形成某种 self improvement。数学特别适合做这件事，因为它有清晰的验证信号：证明对就是对，不对就是不对。1

这也是她把数学、代码和现实世界实验放在同一张地图里的原因。数学和代码都有可验证的 reward；现实世界实验也有 reward，比如鸡蛋落地会碎。她认为这三类验证信号，是训练更强推理系统的关键地带。1

4. 数学家的未来角色，是给算力排序

洪乐潼对数学家不会被简单替代的判断很清楚：如果 AI 让数学供给爆炸，人类数学家最稀缺的部分会变成直觉。她说，数学家能提供 0.01% 的直觉，判断哪些问题值得集中算力解决。1

这句话的信息量很大。过去数学家的工作是亲自推导、证明、写论文；在她设想的世界里，数学家会提出 wish list，判断问题之间的连接性，决定 200 个 H200 该花在哪道题上、8000 个 H200 又该花在哪道题上。算力变成一种数学资源，直觉变成资源分配方法。1

她借 AlphaFold 讲了一个类比：如果有足够算力，就不是建平台让科学家提交 200 个蛋白，而是把 2 亿个蛋白全部折叠掉。放到数学里，就是把人类能想到的、应用科学家在意的、物理学家在意的问题尽可能都解决。这个愿景听起来激进，但它解释了 Axiom 为什么需要公司形态、资金和算力，而不只是一个学术小组。1

5. Ken Ono 加入，不是一个「教授给少女打工」的八卦

节目里最容易被传播的标题，是「57 岁终身教授辞职，给 24 岁女孩打工」。但访谈里的故事更细：Ken Ono 先是洪乐潼本科时期 REU 暑期研究项目的导师；多年后，他写邮件告诉她，自己可能加入 OpenAI 或 DeepMind，希望她有心理准备，因为这会与 Axiom 形成竞争关系。洪乐潼的反应很直接：如果你能去 OpenAI 或 DeepMind，为什么不来我们这里？1

她没有把这件事讲成「说服大师」。她说自己不太会劝人，也不想误导别人，只是把事情摊开：如果你也想做，我们可以一起做，并承担风险。Ken Ono 最后选择 Axiom，一个重要原因是这里的 DNA 更数学，不是 general AGI 下面的一个数学方向。1

洪乐潼对 Ken Ono 的定义是「理论建造者」。数学家大致可以分成解决问题者和理论建造者，后者能把不同领域连起来，用全新视角提出问题，再交给更善于解题的人推进。放到 Axiom 里，他不是吉祥物，也不是学术背书，而是在帮团队判断哪些 benchmark、哪些问题更值得做。1

6. Axiom 的创业叙事，来自「最不像创业者的人」

洪乐潼原本很不喜欢创业。她在 MIT 时想过做数学教授，也想过去量化金融实习；她对产品导向、风险投资周期和「昙花一现」式项目都警惕。她甚至去问主要竞争对手能不能招她，对方问她是什么方向的 PhD，她说数学，对方说他们只招计算机 PhD。1

后来她发现，AI for Math 这件事没有人把 2022 年以来爆发的想法集中到一个有算力、有资金、有产品压力的工业组织里验证。学术界有论文，有 DeepMind 的 AlphaGeometry / AlphaProof，有 OpenAI 早期探索，有形式化定理证明的积累，但缺一个足够聚焦的公司把这些东西拉到同一个目标上。1

Axiom 这个名字也来自她对数学的审美。她提到自己小时候看过《数学天书中的证明》，觉得「公理」这个词和形式化语言呼应：从有限公理推导出新的结果，像有地基之后往上建高楼。这个名字很数学、克制、理性、锋利。1

高密度金句

「数学有一点像人类决定去创造一个文明体系。」1

「证明某种程度上是影响力。」1

「我是蛮力型选手。」1

「失败是你的 default。」1

「数学家会提供 0.01% 的直觉。」1

「要么登月成功，要么登月失败。」1

时间线

少年时期：在 Ross Program 一类数论训练中，被二次互反律和简洁证明击中；同时长期感到自己不是直觉型天才，而是靠蛮力和持续尝试推进。1
MIT 第一学期：在成绩保护机制下挑战博士概率论，40 分试卷拿 4 分，但把失败转成补基础、继续攀登的机制。1
本科暑期：在 Ken Ono 的 REU 项目候补名单上被捞起，因此放弃桥水线上实习，继续走向数学研究。1
2024 年 9 月左右：开始认真评估 AI for Math，试图劝退自己，也试过去加入竞争对手。1
圣诞假期：与早期核心成员形成 reading group，系统读 AI for Math 文献，把分散的技术路线连成一张图。1
2025 年 Putnam：Axiom Prover 在 Putnam 竞赛当天完成 12 题满分；团队内部的关键工作，是把题目形式化，并让系统完成可验证证明。1
2026 年 4 月：节目播出时，Axiom 已完成 2 亿美元 A 轮融资，估值 16 亿美元。1

读完带走

第一，Axiom 的真正野心不是「让 AI 做数学题」，而是把数学变成可验证、可自我改进的推理系统。它把形式化证明当成 AI 的训练场，因为这里少有模糊地带。

第二，洪乐潼的独特性不在「年轻」本身，而在她把蛮力、失败、数学审美和公司组织放到了一条线上。她不迷信天才直觉，却又认为数学家最后最值钱的东西正是直觉。

第三，Ken Ono 加入这件事，不该只看成代际反转。它更像一个信号：一部分顶级数学家已经开始接受，人类数学家的位置会改变，不是被替换成无用的人，而是站到更高抽象层，提出问题、分配算力、选择战场。

第四，Axiom 的风险也在这里。它不是一个稳扎稳打的 SaaS 公司，而是洪乐潼自己说的登月公司。登月成功，数学发现的速度会变；登月失败，也不会有太多体面的中间态。

Fuentes de referencia

1小宇宙第137集原始音频