全文 3,000字 | 閱讀約 8 分鐘

（對(duì)話 Axiom Math 創(chuàng)始人：AI 最重要的品質(zhì)）

2025 年，幾乎每一場(chǎng) AI 發(fā)布會(huì)都在說“我們能做什么”。

但企業(yè)真正卡住的，是另一個(gè)問題：AI 做出來的結(jié)果，怎么證明是對(duì)的？

很多 AI 產(chǎn)品上線前 demo 演示得很好，一上線就出問題：

錯(cuò)誤定位不了，

責(zé)任追不清楚，

結(jié)果復(fù)現(xiàn)不了。

最后只能說：沒法驗(yàn)收。

Axiom Math，一家總部在舊金山的 AI 初創(chuàng)公司，換了個(gè)思路：不是追求 AI 能做什么，而是證明它做對(duì)了什么。

這家剛在 2025 年 10 月完成種子輪融資（6400 萬美元，估值 3 億美元，B Capital 領(lǐng)投）的公司，在做一個(gè) AI 數(shù)學(xué)家，能獨(dú)立給出答案，也能自己驗(yàn)證對(duì)錯(cuò)。

也因此，這個(gè)團(tuán)隊(duì)吸引了一批技術(shù)背景極深的人： Meta FAIR、Google Brain的前核心研究員， 還有創(chuàng)始人Carina Hong 在 MIT 的導(dǎo)師、知名數(shù)學(xué)家Ken Ono。

Carina Hong，24歲。

2025 年 12 月 21日，有媒體問她如何招人，她的回答很簡(jiǎn)單：

問題夠難，人自然會(huì)聚過來。

這不是空話。她的方法就是找到一個(gè)值得花十年去解的難題，然后等那些真正的高手主動(dòng)找上門。

24 歲，6400 萬美元，估值 3 億。

她在賭的不是一個(gè)產(chǎn)品，而是 AI 的下一個(gè)及格線。

第一節(jié)｜24歲，3億估值，她要讓 AI 學(xué)會(huì)自證

她叫 Carina Hong，出生在廣州。

小時(shí)候做奧數(shù)題的時(shí)候，她并不知道未來會(huì)站在硅谷講 AI。但她記得，每解決一道題，就像小孩通關(guān)游戲，停不下來。

她一路從廣州考到MIT，再拿到羅德獎(jiǎng)去牛津?qū)W神經(jīng)科學(xué)， 最后跑去斯坦福讀數(shù)學(xué)博士+法學(xué)博士聯(lián)合項(xiàng)目。

在MIT，她修了 20 門研究生數(shù)學(xué)課程，發(fā)表了9篇論文，還研究過神經(jīng)網(wǎng)絡(luò)如何理解函數(shù)。在牛津，她待在UCL蓋茨比研究所（DeepMind 的誕生地），第一次近距離看到 AI 在解決真實(shí)問題：圖像、序列、控制模型。

她開始問自己：如果 AI 能玩游戲、能寫代碼，為什么不能做數(shù)學(xué)？

真正的轉(zhuǎn)折發(fā)生在硅谷。

她在斯坦福念博時(shí)，常去一家咖啡館寫論文。 一次偶然的機(jī)會(huì)，她認(rèn)識(shí)了 Meta FAIR團(tuán)隊(duì)的 AI 科學(xué)家Shubho Sengupta。

一個(gè)是數(shù)學(xué)家，想讓 AI 理解數(shù)學(xué)。

一個(gè)是工程師，想找到 AI 真正值得解決的問題。

他們聊了兩個(gè)小時(shí)，沒談項(xiàng)目，也沒講融資。只是圍繞一個(gè)假設(shè)展開：能不能造一個(gè)AI 數(shù)學(xué)家？

那次對(duì)話之后，她開始認(rèn)真思考這件事。不久后，她退學(xué)了。

她說：有些問題，在學(xué)校解決太慢了。

她要做的，不是聊天機(jī)器人，也不是代碼助手，而是一個(gè)能驗(yàn)證定理、甚至提出新猜想的 AI 系統(tǒng)。

這個(gè)系統(tǒng)叫 Axiom，公理的意思，也就是數(shù)學(xué)理論最基本的起點(diǎn)。

從這個(gè)起點(diǎn)出發(fā)，開發(fā)一整套系統(tǒng)，讓 AI 也能探索數(shù)學(xué)的邊界。

第二節(jié)｜Putnam考試9/12，但重點(diǎn)不是分?jǐn)?shù)

大多數(shù)人理解 AI 學(xué)數(shù)學(xué)，想到的可能是考試、給答案。

但 Carina說，那只是第一步。真正重要的，是它知不知道自己答得對(duì)不對(duì)。

這不僅是數(shù)學(xué)問題，也是工程問題。 AI 的答案如果不能被驗(yàn)證，就沒法用在關(guān)鍵場(chǎng)景。

人類做數(shù)學(xué)題，有個(gè)天然優(yōu)勢(shì)：我們能回頭檢查， 證明有沒有邏輯漏洞，推理有沒有跳步，細(xì)節(jié)前后一不一致。

Carina 把這個(gè)檢查的過程，叫做“驗(yàn)收”。

但大模型不行。

它們會(huì)生成很多內(nèi)容，卻很難自己確認(rèn)這些內(nèi)容是不是對(duì)的。尤其在數(shù)學(xué)里，哪怕多一個(gè)字母出錯(cuò)，整個(gè)結(jié)論就不成立。

要解決這個(gè)問題，就要靠形式化語言。

Carina 的團(tuán)隊(duì)用的是一種叫 Lean 的數(shù)學(xué)編程語言。 所有的公式、步驟、證明，必須像程序一樣寫清楚，而且要能被機(jī)器驗(yàn)證通過。

這意味著，不是 AI 說對(duì)就對(duì)，而是它每走一步都要留下可檢查的痕跡，最后像軟件測(cè)試一樣通過驗(yàn)證。

為了證明這套方法可行，他們做了個(gè)測(cè)試。

2025 年 12月，美國(guó) Putnam 數(shù)學(xué)競(jìng)賽剛結(jié)束，這是全美最難的本科生數(shù)學(xué)競(jìng)賽，參賽者約 4000 人。Carina 團(tuán)隊(duì)在 X 上發(fā)布結(jié)果：AxiomProver 自主解決了其中 9 道題，在 Lean 語言中給出形式化證明，并全部通過了驗(yàn)證。

這不僅僅是做對(duì)了 9 題，而是 AI 自己做題、自己檢查、自己確認(rèn)通過。

Carina 說：

“我們不是追求一個(gè)能抄答案的 AI，而是一個(gè)能完成所有數(shù)學(xué)細(xì)節(jié)的合作者?！?/p>

驗(yàn)收的真正含義是什么？

就是 AI 不僅要給出答案，還要證明答案是對(duì)的。

在芯片設(shè)計(jì)、科學(xué)研究、金融系統(tǒng)這些容錯(cuò)率低的場(chǎng)景里，模糊的答案沒有任何價(jià)值。AI 得能給出過程、解釋思路、接受檢查。

能被驗(yàn)收，才意味著能被信任。

第三節(jié)｜Meta、Google的人為什么離職來這里

要做到這一點(diǎn)，需要什么樣的團(tuán)隊(duì)？

這個(gè)團(tuán)隊(duì)不大，現(xiàn)在也只有 17 人，但每一個(gè)加入的人，都是各自領(lǐng)域的頂尖研究者。

CTO Shubho Sengupta，是 Carina 在斯坦福附近的咖啡館偶遇的。 他原本在Meta FAIR，帶隊(duì)開發(fā)過OpenGo和CrypTen，也參與過早期的CUDA GPU架構(gòu)。他知道大模型的問題，也知道數(shù)學(xué)領(lǐng)域?yàn)槭裁措y。

但在大公司，目標(biāo)太分散。他想找一個(gè)地方，專注解決一個(gè)極限難題。

另一位核心成員 Fran?ois Charton，早在 2019 年就在研究怎么用 Transformer解決積分問題。他不放過任何一個(gè)細(xì)節(jié)，不看大模型能寫出多少，而是看它會(huì)不會(huì)走錯(cuò)哪一步。

還有Hugh Leather，做的是深度學(xué)習(xí)與編譯器的結(jié)合。 他不是傳統(tǒng)意義上的數(shù)學(xué)家，但在用代碼表達(dá)復(fù)雜邏輯上，他有深厚的積累。

他們都從 Meta、Google 這樣的地方走出來，放棄了更穩(wěn)定的研究路徑。

Carina 提供的不是職位，而是一種愿景： 用 AI 做出可驗(yàn)證的數(shù)學(xué)成果，每一步清晰，每個(gè)結(jié)論都能站得住。

而這個(gè)愿景吸引來的，不只是業(yè)界的 AI 研究員。

2025 年 12 月初，57 歲的數(shù)學(xué)家 Ken Ono 也辭掉了弗吉尼亞大學(xué)的終身教職，全職加入 Axiom 。

他曾是 Carina 的導(dǎo)師，領(lǐng)導(dǎo)過多個(gè)數(shù)學(xué)奧林匹克研究項(xiàng)目，是拉馬努金理論的專家，也上過超級(jí)碗的廣告，是個(gè)把數(shù)論帶進(jìn)大眾文化的人。

他說，作為純數(shù)學(xué)家，他很少有機(jī)會(huì)參與改變世界的事。 這一次，他不想錯(cuò)過，帶著家人搬到硅谷， 成了 Axiom 的第15位成員， 身份是創(chuàng)始數(shù)學(xué)家。

他的任務(wù)不是寫代碼， 而是設(shè)計(jì)難題，測(cè)試模型推理的極限。

Carina 說，這些人之所以愿意來，并不是為了趕熱潮，而是想做一件真正值得做的事

“我們不是在做一個(gè)產(chǎn)品，是在定義一套新標(biāo)準(zhǔn)：每個(gè)公式都可檢查，每道推理過程都可追溯。AI 不是生成一個(gè)答案，而是展示完整的思考過程?！?/p>

這就是他們 17 個(gè)人正在做的事。

第四節(jié)｜不是解題，而是教 AI 提問

定義新標(biāo)準(zhǔn)，只是 Carina 的第一步。

她真正想做的，是讓 AI 學(xué)會(huì)發(fā)現(xiàn)問題本身。

他們最近在研究一個(gè)數(shù)學(xué)界著名的未解難題：Collatz 猜想。 這個(gè)問題簡(jiǎn)單得像小學(xué)生游戲，卻困住了研究者幾十年。

Axiom 的研究員用 Transformer 模型去學(xué)這個(gè)問題， 模型沒能直接給出證明， 但展現(xiàn)出了另一種能力：

它在預(yù)測(cè) Collatz 序列時(shí)，對(duì)萬億級(jí)數(shù)字的準(zhǔn)確率達(dá)到了99.8%。

更重要的是，它為什么錯(cuò)、錯(cuò)在哪，都能被清楚地解釋。這些錯(cuò)誤背后有明確的規(guī)律，而不是隨機(jī)的幻覺。

這意味著什么？

意味著 AI 不是在記憶答案，而是在學(xué)習(xí)數(shù)學(xué)思維。

在 Carina 看來，他們不是讓 AI 找已知答案，而是訓(xùn)練它像一個(gè)真正的數(shù)學(xué)家一樣去思考，去探索。

她所說的探索，主要分成三個(gè)階段：

• 第一步，用形式語言表達(dá)定理，模仿已有的邏輯結(jié)構(gòu)。

• 第二步，驗(yàn)證舊問題的不同解法，提出新的證明路線。

• 第三步，提出新猜想，創(chuàng)造從未出現(xiàn)過的問題并給出數(shù)學(xué)依據(jù)。

整個(gè)過程，不是 ChatGPT 式的隨機(jī)對(duì)話，而是在證明空間里有規(guī)則地探索，不斷嘗試，直到找到新的路徑。

這種探索為什么重要？

因?yàn)閿?shù)學(xué)是人類最嚴(yán)密的語言，也是現(xiàn)實(shí)世界運(yùn)轉(zhuǎn)的底層邏輯。每一個(gè)數(shù)學(xué)突破，都可能帶來這些領(lǐng)域的飛躍。

Carina 相信，數(shù)學(xué)研究曾經(jīng)以十年一進(jìn)展的速度運(yùn)行， 現(xiàn)在 AI 可以把這個(gè)周期縮短到幾個(gè)月。

而 AI 數(shù)學(xué)家未來能做的，不只是解題，更是和人一起重新定義問題本身。

這不只是數(shù)學(xué)領(lǐng)域的事。無論是密碼學(xué)、芯片結(jié)構(gòu)、物理建模，背后都依賴于能被精確描述與檢驗(yàn)的數(shù)學(xué)原理。一旦 AI 能做到可驗(yàn)證，它就能從“只能試試看”的輔助工具，變成“可以放心用”的合作者。

這，正是 Carina 在押注的那條線：

AI 的下一個(gè)及格線，不是能力，是可信度。

結(jié)語｜能被驗(yàn)收的，才叫AI

Carina 的想法很簡(jiǎn)單。

她只給出一個(gè)判斷標(biāo)準(zhǔn)：AI 說得對(duì)不對(duì)，不是看有沒有人信，而是看它能不能自己交代清楚。

Axiom Math 在做的，就是讓 AI 必須講明白。 不是讓模型更像人，而是讓它能被信任。

真正能用的 AI，不靠 Demo，靠驗(yàn)收。

這個(gè)標(biāo)準(zhǔn)一旦成立，AI 走進(jìn)科研、金融、芯片、法律，才算真正開始。

而她，只是把這扇門推開了一點(diǎn)點(diǎn)。

識(shí)自AI

本文由AI深度研究院出品，內(nèi)容基于Carina Hong公開采訪視頻翻譯整理，并結(jié)合公開報(bào)道進(jìn)行分析解讀。翻譯力求準(zhǔn)確傳達(dá)原意，分析內(nèi)容為編輯部觀點(diǎn)。未經(jīng)授權(quán)，不得轉(zhuǎn)載。

星標(biāo)公眾號(hào)， 點(diǎn)這里 1. 點(diǎn)擊右上角 2. 點(diǎn)擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)

https://www.youtube.com/watch?v=b_UMhn8E8lI&t=264s

https://e.vnexpress.net/news/tech/personalities/building-math-ai-startup-how-24-year-old-stanford-dropout-carina-hong-is-attracting-big-tech-talent-4993367.html

https://www.businessinsider.com/axiom-math-stanford-dropout-meta-ai-researchers-startup-2025-12

https://www.turingpost.com/p/carina

來源：官方媒體/網(wǎng)絡(luò)新聞，

排版：Atlas

編輯：深思

主編：圖靈