3年修完MIT双学位的00后中国女学霸，AI公司获14亿融资

当ChatGPT式通用AI还在比拼“谁更像人聊天”时，一个藏在公式里的赛道正让顶级资本疯狂——2026年3月，AI初创公司Axiom拿到2亿美元A轮融资（约14亿人民币），估值16亿美元，这个成立仅15个月的团队没有刷屏级通用应用，却让红杉中国、a16z等VC超额认购，核心原因只有一个：让AI真正学会“像数学家一样思考”。

不同于通用AI的“数据堆砌式计算”，AI+数学的核心是自动定理证明（ATP）与逻辑推理引擎——要求AI复现人类数学家“假设→推导→验证→修正”的完整流程，而非简单给出答案，当前通用AI陷入内容创作、聊天交互的同质化竞争，而AI+数学精准命中高门槛、高客单价的垂直场景，成为资本新焦点。

从潮汕工厂到MIT：她的“反套路”数学人生

Axiom创始人洪乐潼的成长轨迹,是一道打破常规的“证明题”：
潮汕籍，广州长大，父母是服装加工厂务工者，家里无任何数学背景，小学时她能在菜市场帮妈妈快速算出几十笔找零的最优组合，被老师推荐到区数学竞赛班；高一成为广东仅4位参加全国数学奥赛的女选手之一，获铜牌；17岁提前锁定MIT录取资格，3年啃完数学+物理双学位，期间在《Journal of Automated Reasoning》等顶刊发9篇论文，其中2篇聚焦“金融场景下的自动定理证明”。

2024年,洪乐潼中断MIT博士学业——转折点是帮对冲基金朋友优化模型时的发现：对方花12小时推导的高维随机波动率模型，因一个未察觉的逻辑假设错误，单周交易亏损180万美元；更致命的是，人工推导复杂模型的错误率高达15%，高维场景甚至“算不动”。

MaaS不是“卖模型”：Axiom的核心是“逻辑严谨性”

Axiom的核心模式是数学即服务（MaaS），本质是“把数学家的工作变成可调用的AI服务”，而非售卖通用AI模型：

• 技术内核：自研“逻辑推理引擎”，能模仿人类数学家的推导流程——比如模型出现错误时，引擎会回溯到前一步假设定位根源，而非简单修正数据，某华尔街对冲基金测试显示，该引擎对复杂量化模型的验证效率提升8倍；
• 收费逻辑：按“模型复杂度”定价，高维期权定价模型收费50万-200万美元，由于模型严谨性直接影响交易收益，量化基金一旦接入不会轻易更换，客户留存率达92%；
• 落地数据：国内某头部量化私募2025年Q4接入工具后，高频交易策略的模型验证效率提升6倍，单季度因模型错误减少的损失达3200万元人民币；某美国量化基金原本3周完成的“多资产波动率联动模型”仅用5天，错误率从14%降至2.8%。

不止金融：数学+AI正在撬动硬科技的“成本墙”

洪乐潼的野心远不止金融——她认为数学是所有硬科技的基础，Axiom技术已延伸至3大场景并落地新案例：

• 药物研发：某欧洲药企2026年1月公布，用Axiom引擎验证的新型靶向药分子结构，比人工推导的稳定性提升18%，研发周期缩短2个季度；某抗癌药企2025年合作时，引擎12天完成传统方法需45天的稳定性验证，发现3个人工未察觉的逻辑漏洞，避免5000万美元无效实验；
• 工程设计：某航空制造企业2025年测试，Axiom优化的发动机涡轮叶片冷却模型，使叶片热应力降低12%，燃油效率提升3.5%；某高铁制造商2026年2月用其优化空气动力学模型，列车风阻降低7%，年节省电费超2000万元；
• 航天领域：某商业航天公司2025年用引擎计算卫星变轨参数，原本人工需3天的复杂计算压缩到8小时，轨道偏差率从0.03%降至0.005%。

这种“学术落地”让洪乐潼登上2025福布斯“30岁以下30人”榜单，评语称：“她重新定义了数学的价值——从‘期刊里的抽象公式’到‘产业中的实用工具’。”

资本为何押注？高门槛+高粘性才是“护城河”

通用AI技术迭代快,但AI+数学的壁垒极高：一方面需要同时精通数学（尤其是数理逻辑）、AI算法与垂直场景（如金融量化）；落地场景集中在高客单价领域（量化交易、药企、航空航天等），客户粘性极强。

红杉中国合伙人在融资时表示：“Axiom不是‘另一个AI工具’，它解决了硬科技领域‘人工推导不可靠、效率低’的核心痛点——这是通用AI无法替代的差异化优势。”

想了解游戏圈的前沿动态？从3A大作的研发黑科技到 indie game 的创新玩法，从行业政策解读到市场数据洞察，慈云游戏网会持续带来一手资讯，千万别错过！