互联网巡回犬 Vol.27：给 AI Agent 装上钱包的印度小队，还有一个 24 岁华人要用 Lean 语言证明数学定理

今天叼回两个项目，一个在修 AI Agent 花不了钱的问题，另一个在修 AI 做数学时经常说谎的问题。前者是基础设施里最被忽视的那块砖——支付；后者是用形式化证明做出来的、第一批能被同行评审接受的 AI 数学论文。

现在的 AI 购物助手有个共同的毛病：你让它帮你买东西，它找到了，给你一个链接，让你自己去下单。这不叫 Agent，这叫搜索引擎加了个对话框。

Prava 想解决的就是这个。它的产品定位是「AI Agent 的支付基础设施」——开发者接入 Prava API 后，用户只需在首次设置时绑卡、设置指纹或面容 ID，之后 Agent 下单时会生成一个「限时限额代币」，这个代币只对特定商家、特定金额生效，几分钟后自动失效，无法复用。用户用生物识别确认就能完成支付，整个过程 AI 不接触任何原始卡片信息，零 PCI 合规压力转移给应用层。1

这件事听起来简单，但在支付合规上有几道墙。首先是 PCI DSS——传统方案里，Stripe 的 token 只在 Stripe 商家体系内有效，要接通任意商家就得直接和卡网络谈，这通常要几个月的合规审核和专门的合规团队。Prava 把自己定位为「中间协调层」：它已经完成 PCI DSS Level 2 认证，数据金库部分交给 Level 1 认证的 Skyflow，4 到 5 行代码接入，理论上可以打通全球任意 PSP（支付服务商）。Visa 在这里是个重要的信号。Prava 是东南亚最快和 Visa Intelligent Commerce 对接完成的团队，而 Visa 的 Trusted Agent Protocol 让 Agent 能在 Cloudflare 保护的 20% 全球网站上不被 bot 检测拦截——这个能力在 Agentic Commerce 里价值很高，普通 AI Agent 访问结账页面大概率被当成机器人封掉。2

创始人是 Sushant Pandey 和 Shubham Kukreti，两人印度出身，大学毕业后直接去做这件事：Sushant 关掉了一家盈利的咨询公司，Shubham 从东京一家日本创业公司辞职。起点并不是 Agentic Payments——他们最早想做跨境稳定币支付，和监管周旋了一阵没搞通，2024 年底在新加坡一个黑客松上试着让 AI Agent 自己刷卡，卡被封了。这个失败的实验反而让他们看清楚了问题：支付的基础设施根本没有为「软件作为消费主体」设计过。3

现在 Prava 已在美国上线，正在被美国和印度市场的 AI 购物类、出行类、个人助手类应用接入。支持方是 WTFund——Nikhil Kamath（印度知名企业家兼天使投资人）的基金，已公开表态支持。融资金额未披露。300 多个初创公司在它的 Playground 上测试过产品，它也是最早做出可交互 Agentic Payments 演示沙箱的团队之一。

和 Robinhood 最近推出的 Agent 交易账户、Stripe 的 Agent 支付能力、Amazon Bedrock 的 AgentCore Payments 放在一起看，Prava 的位置是「接触所有这些体系的那一层」——它不站队任何一个平台，只做协议层的中立通路。这个赌注对不对，取决于 Agentic Commerce 最终是让各大平台割裂成独立生态，还是需要一个中间层来打通。两种结果的概率现在还真说不清楚，但窗口就在这两年。4

5 月 28 日，学术数据库 arXiv 上又多了几篇特殊的论文——作者机构栏写着「Axiom Math」，用 Lean 语言写成的形式化证明附在正文里，旁边注明已通过同行评审。这是 Axiom Math 今年 2 月以来发出的第 8 篇论文，其中 5 篇已被正式期刊接受。研究领域横跨代数几何、数论、组合数学，其中一篇和哈佛商学院教授合作，把经济学家 Robert Aumann 的经典定理做了形式化验证。5

创始人洪乐潼，2001 年出生于广州，17 岁进 MIT 读数学与物理，三年拿双学位，拿了罗德奖学金和摩根奖，发表了 9 篇论文，之后在牛津读神经科学，被斯坦福数学和法学双博士录取，2024 年秋天为了 Axiom 从斯坦福退学。这条履历密度在创业圈里不常见，但不是重点。重点是他跟数论学家 Ken Ono 在一起——Ono 是弗吉尼亚大学数学系终身教授，研究领域包括 Ramanujan 猜想和模形式，他辞掉了终身教职全职加入 Axiom。两人以前是师生关系，Ono 主动放弃稳定职位这个细节，至少说明这件事在学术圈内部不只是一个「AI 工具」的项目。

Axiom 要解决的核心问题是 AI 数学推理里的幻觉：现有的大模型能生成看起来合理的数学推导，但里面的逻辑错误往往很难被发现，因为错误藏在格式正确的符号里。Axiom 的路线是形式化证明——用 Lean 这种证明辅助语言，把每一步推导都写成计算机可以验证的语句，最后由独立的检测器逐步核查。他们自己描述的流程是：用户用自然语言提出问题，AxiomProver 把它翻译成形式化语言，生成证明，检测器验证，数学家补上人类可读的解释再发出去。在今年 2 月到 5 月这段时间，5 篇论文经过这个流程走完了同行评审，这在 AI 辅助研究里是第一次。

有一个数据值得单独说：在普特南数学竞赛上，AxiomProver 拿到了满分；它还解决了两个困扰学界数十年的 Erdős 猜想。这两个成绩的含义不一样——竞赛题有标准答案，评分系统相对客观；而 Erdős 猜想的解决被同行评审接受，才是真正的证明。两个都做到，说明这不只是「专门调优了一个考试场景」。

融资方面，今年 3 月完成 2 亿美元 A 轮，加上此前种子轮累计融资约 2.64 亿美元，估值 16 亿美元。联合创始人 Shubho Sengupta 来自 Meta。公司注册地在美国，洪乐潼持有美国绿卡（广州出生的第二代移民背景）。5

Axiom 长期想做的事比「AI 数学家」更大：把「生成-形式化-验证」这个闭环推广到任何需要可靠推理的领域，包括高风险决策场景。这个方向离赚钱还远，但如果形式化推理真能成为 AI 可信输出的基础设施，Axiom 占的位置会很关键——前提是他们能持续维持 Ono 这个量级的学术共识，而不只是靠融资热度维持能见度。

巡回犬追踪备注：今日调研中，36kr 首发了深圳 AI 内容共创平台 FunloomAI 的 Pre-A 融资消息（数千万元），因原文暂时无法访问完整核查，项目详情留待下期补跟。下期继续盯 A2A 生态与 AI Agent 基础设施方向。