24岁创业新星：打造自证AI数学家，重塑科研与工业信任

初创公司 Axiom Math 由 24 岁的 Carina Hong 创立，旨在研发能够自主验证逻辑正确性的“AI 数学家”。2025 年，该公司成功融资 6400 万美元，核心团队汇聚了来自 Meta 和 Google 的顶尖人才及知名数学家。与主流大模型不同，Axiom 的系统通过 Lean 编程语言确保每一步推理过程都可追溯、可检查，解决了 AI 结果难以验收的信任难题。通过 Putnam 数学竞赛中的优异表现，Axiom 证明了 AI 能从简单答案生成转向严密的形式化证明。这一对可信度的追求，旨在将 AI 从不稳定的辅助工具提升为科研与工业领域真正落地、可被验收的可靠合作者。

2025 年，AI 发布会无不标榜“我们能做什么”。

但企业真正关心的，是另一个问题：AI 成果如何证明正确？

许多 AI 产品在 demo 阶段表现良好，上线后却频出问题：

错误无法定位，

责任难以追溯，

结果无法复现。

最终只能以“无法验收”告终。

Axiom Math，一家位于旧金山的 AI 初创公司，另辟蹊径：不追求 AI 能做什么，而是证明它做对了什么。

这家刚在 2025 年 10 月完成种子轮融资（6400 万美元，估值 3 亿美元，B Capital 领投）的公司，正在打造一个能自主给出答案并验证对错的 AI 数学家。

因此，团队吸引了众多技术背景深厚的人才：Meta FAIR、Google Brain 的前核心研究员，以及创始人 Carin​​a Hong 在 MIT 的导师、知名数学家 Ken Ono。

Carina Hong，年仅 24 岁。

2025 年 12 月 21 日，有媒体问及她的招聘秘诀，她回答得简洁有力：

难题够挑战，人才自然汇聚。

这不是空谈。她的方法就是找到一个值得十年磨一剑的难题，等待真正的高手主动找上门。

第一节｜24岁，3亿估值，她要让 AI 学会自证

Carina Hong 出生在广州。

小时候做奥数题时，她未曾想过未来会在硅谷讲述 AI 的故事。但她记得，每解决一道题，就像孩子通关游戏，停不下来。

她一路从广州考至 MIT，又凭借罗德奖前往牛津学习神经科学，最终前往斯坦福攻读数学博士与法学博士联合项目。

在 MIT，她选修了 20 门研究生数学课程，发表了 9 篇论文，还研究了神经网络如何理解函数。在牛津，她待在 UCL 盖茨比研究所（DeepMind 的诞生地），首次近距离观察到 AI 解决真实问题：图像、序列、控制模型。

她开始思考：如果 AI 能玩游戏、能写代码，为什么不能做数学？

真正的转折发生在硅谷。

在斯坦福读博时，她常去一家咖啡馆写论文。一次偶然的机会，她结识了 Meta FAIR 团队的 AI 科学家 Shubho Sengupta。

一个是数学家，想让 AI 理解数学；

一个是工程师，想找到 AI 真正值得解决的问题。

他们聊了两个小时，未谈项目也未讲融资，只围绕一个假设展开：能否造一个 AI 数学家？

这次对话后，她开始认真思考此事。不久后，她退学了。

她说：有些问题，在学校解决太慢了。

她要做的不是聊天机器人或代码助手，而是一个能验证定理、甚至提出新猜想的 AI 系统。

这个系统名为 Axiom（公理），即数学理论最基本的起点。

从这一起点出发，开发一套让 AI 探索数学边界的系统。

第二节｜Putnam考试9/12，但重点不是分数

人们一想到 AI 学数学，往往想到考试和给答案。

但 Carina 说，这只是第一步。真正重要的是它是否知道自己答得对不对。

这不仅是数学问题也是工程问题。如果 AI 答案无法被验证则无法在关键场景使用。

人类做数学题有个天然优势：能回头检查证明是否有逻辑漏洞、推理是否跳步、细节是否一致。

Carina 将此过程称为“验收”。

但大模型不行。

它们会生成大量内容却很难确认这些内容是否正确。在数学中哪怕多一个字母出错整个结论就不成立。

要解决这个问题需依靠形式化语言。

Carina 的团队使用 Lean 数学编程语言。所有公式、步骤、证明必须像程序一样写清楚且能被机器验证通过。

这意味着不是 AI 说对就对而是每一步都留下可检查痕迹最后像软件测试一样通过验证。

第三节｜Meta、Google的人为何离职来这里

|

|Meta、Google的人为何离职来这里

|

|Meta、Google的人为何离职来这里

|Meta、Google的人为何离职来这里