二〇〇一年六月八日，洪乐潼出生于广州市天河区，父母是来自潮汕地区的普通务工者，在广州从事服装加工。尽管家庭并无学术背景，洪乐潼自幼便展现出对数字异乎寻常的敏感。14岁那年，她在草稿纸的边缘写下”MIT”三个字母，为自己设定了一个清晰而遥远的目标。洪乐潼的数学天赋在小学高年级开始显现，进入初中后，她通过了广州市奥校免费集训队的遴选，成为30名全额资助学员之一。这一免费的公共教育资源，成为她日后走上竞技数学道路的关键起点。二〇一二年进入奥校集训队后，洪乐潼接受了系统性的竞赛训练。她的数学才能并非简单地体现在解题速度上，而在于对抽象结构的直觉把握。指导老师后来回忆，洪乐潼在面对组合数学和数论问题时，往往能跳过常规思路，直接洞察问题背后的代数结构。这种”数学直觉”在竞赛选手中极为罕见，通常只有在长期从事研究工作的数学家身上才能观察到。二〇一七年，洪乐潼在中国女子数学奥林匹克竞赛中获得金牌，进一步确认了她在全国同龄人中的顶尖位置。高中就读于广东名校华南师范大学附属中学期间，她加入广东省数学奥林匹克省队，成为队中仅有的四名女生之一。在”华罗庚金杯”全国中学生数学竞赛和全国高中数学联赛中，她多次获得优异成绩。正是在奥数集训中，洪乐潼第一次接触到研究型数学。她后来回忆：”奥赛就像持续释放多巴胺的快感，而研究型数学像在撞墙，充满痛苦与煎熬——我其实特别喜欢这种挑战感。”这种对困难本身的热爱，预示了她日后选择纯数学而非应用方向的人生轨迹。二〇一八年，17岁的洪乐潼以USAMO国际营唯一非美籍满分选手的身份，被麻省理工学院数学系提前录取，实现了14岁时写在草稿纸上的目标。

二〇一九年秋，洪乐潼进入麻省理工学院，攻读数学（Course 18）与物理（Course 8）双学位。彼时恰逢全球疫情爆发，校园生活被打断，但洪乐潼却将这段封闭时光转化为惊人的学术产出期。”没什么其他事情干，就一直做数学研究”，她后来轻描淡写地回忆道。MIT的学术记录显示，洪乐潼仅用六个学期便完成了两套学位课程，GPA达到5.0/5.0满分。本科期间，她不仅修读了20门硕博课程，还在多个顶尖研究项目中担任核心角色。大一时期，她便加入了数论教授小野健的研究团队，开始了在模形式和分拆函数领域的深耕。洪乐潼的本科研究足迹遍布多个学术机构：她参与了布达佩斯数学学期项目，在明尼苏达大学德卢斯分校REU项目和弗吉尼亚大学REU项目中开展研究。通过这些经历，她在《美国数学会会刊》《数论研究杂志》《拉马努金期刊》等同行评审期刊上发表了9篇学术论文，研究主题涵盖分拆同余、模椭圆曲线与K3曲面的L函数、月光猜想、弹出栈排序算法以及组合计数等多个领域。她曾担任MIT本科数学协会主席，展现出超越纯学术的社群组织能力。毕业前后，洪乐潼获得了两项重量级荣誉：二〇二二年，她获得爱丽丝·谢弗数学奖，该奖每年仅颁发给全美一名本科女生；随后，她又斩获AMS-MAA-SIAM弗兰克·摩根奖，这是北美数学本科生的最高荣誉，她是第五位获此殊荣的女性。她在本科阶段展现的研究深度，被北美数学界视为一代人中最出色的学术成就之一。

二〇二一年底，洪乐潼成功获得罗德奖学金，成为当年中国大陆仅有的四名获奖者之一。罗德奖学金被誉为”本科诺贝尔奖”，是世界上历史最悠久、最负盛名的国际奖学金项目之一。随后，她前往英国牛津大学攻读神经科学理学硕士学位，这一选择在外界看来颇为意外——一位已经在纯数学领域崭露头角的年轻学者，为何转向看似截然不同的神经科学？洪乐潼后来解释了这一转型的逻辑：”人工智能与科学家未来的互动会怎样？是我接下来希望研究的课题。”在牛津仅用9个月完成硕士学位后，洪乐潼加入了伦敦大学学院的盖茨比计算神经科学中心开展研究。该中心由”深度学习之父”、诺贝尔奖得主杰弗里·辛顿创建，是全球计算神经科学和人工智能研究的重镇。在这里，洪乐潼的数理基础与AI前沿发生了化学反应。她作为第一作者开展了深度学习研究，正式踏入人工智能领域，并一度成为盖茨比中心”理论做得最好的年轻人”。她在UCL的研究聚焦于将严格的数学方法论应用于机器学习模型的分析和优化，这种跨学科视角为她日后创办Axiom埋下了关键种子。二〇二二年，洪乐潼还获得了斯坦福大学玛丽安·米尔札哈尼奖学金，以纪念这位已故的伊朗裔数学家——第一位获得菲尔兹奖的女性。这段在牛津和伦敦的经历，标志着洪乐潼从一个纯粹的数学研究者，开始向”用数学思维重塑AI”的方向转型。她开始意识到，当前AI大模型最根本的缺陷不在于计算能力不足，而在于缺乏可验证性——它们可以生成看起来正确的答案，却无法证明自己是对的。

二〇二四年，洪乐潼进入斯坦福大学攻读数学博士与法学博士双学位项目，同时获得骑士-亨利奖学金。她对法学的兴趣源于高中时期加入辩论队的经历，尤其关注宪法、刑法和诉讼领域。在博士就读期间，她甚至用法律知识帮助低收入劳工解决实际问题。然而，命运的转折点在二〇二四年深秋降临。一个周末，洪乐潼在斯坦福附近的一家咖啡馆遇到了时任Meta AI研究总监的Shubho Sengupta。两人原本只是随意交谈，却在数小时的深入讨论中发现了彼此研究领域的惊人交集：用人工智能解决世界上最棘手的数学问题，同时用数学的严谨性来检验AI的输出。这次被洪乐潼称为”改变人生轨迹的对话”之后不久，两人决定共同创业。二〇二四年秋天，洪乐潼做出了一个令学术界震惊的决定：从斯坦福大学退学，全身心投入创业。她后来回忆做决定时的心境：”二〇二四年某天晨跑时，我想起AMD首席执行官苏丽莎的忠告——要迎难而上。于是，我下定决心。”公司取名Axiom（公理），源自数学中不证自明的基本命题，暗含着洪乐潼的核心理念：AI推理应当像数学公理一样，建立在可验证、不可动摇的基础之上。加州州务卿企业数据库显示，Axiom Inc.于二〇二四年在特拉华州注册，总部设于硅谷帕洛阿尔托。一个由10人组成的小团队，开始在硅谷的核心地带构建”AI数学家”。

Axiom Math的核心技术路线可以概括为”形式化验证”——通过Lean编程语言，将数学证明转化为可执行程序，使AI系统的每一步推理都能被机器逐步检查。这与当前主流大语言模型的”概率猜测”模式形成根本性差异。洪乐潼的核心洞察是：AI带来的最大风险不是能力不足，而是不可验证性。她曾指出，ChatGPT o3等模型在数学测试中被曝出作弊行为——它们可能在训练中已接触过这些题目，而当要求展示完整证明过程时，准确率从96%骤降至5%。Axiom的技术方案是将教科书、论文和期刊中的数学内容转换为Lean程序化知识，使AI不仅能解决数学问题，还能通过形式化验证来检验解答的正确性。这一方法论的核心优势在于：系统要么给出可验证的证明，要么坦承无法解决——它不可能”撒谎”。创业仅4个月，洪乐潼带领不足10人的核心团队，将Axiom Prover系统推向线上。该系统在IMO银牌级难度的几何题上，可在分钟级时间内输入即出证明。更令人震惊的是两项突破性成就：第一，系统在24小时内完成了埃尔德什第124题的形式化证明——这是加法数论中悬置30年的难题；第二，在5小时内推翻了埃尔德什第481题的现有结论——这道迭代算术难题已悬置45年。美国数学学会审读后评价：”逻辑无隙，隐性错误为零。”二〇二五年十二月，Axiom Prover在普特南数学竞赛中斩获12题全对的满分——在98年赛事历史中，仅有5位人类选手达到过这一成绩。

Axiom Math的融资节奏堪称AI创业史上的现象级事件。二〇二四年八月，还在襁褓中的Axiom便完成了960万美元种子轮融资，由B Capital领投，Greycroft、Madrona和Menlo Ventures等知名机构参与，投后估值约3亿美元。对于一家尚无产品收入的初创公司，这一估值已属罕见。二〇二五年十月，Axiom宣布完成首轮6400万美元正式融资，投后估值达到3亿美元，进一步印证了资本市场对”AI+数学”赛道的强烈信心。真正的爆发发生在二〇二六年三月。Axiom宣布完成2亿美元A轮融资，由Menlo Ventures领投，Greycroft、Madrona、B Capital、Toyota Ventures等老股东持续加码，投后估值飙升至16亿美元（约110亿人民币），正式跻身独角兽行列。从斯坦福退学到打造独角兽，洪乐潼仅用了约18个月。投资人对Axiom的追捧，既有对洪乐潼个人学术背景的高度认可，也反映了对”可验证AI”这一新兴赛道的战略性押注。Menlo Ventures合伙人Matt Kraning评价道：”AI将编写所有代码，但数学将证明其是否有效。”投资机构Quiet Capital将”AI for Mathematics”提升到与”AI for Climate”并列的核心赛道，半年内形式化验证初创公司估值普遍上涨70%。洪乐潼对此保持清醒：”Axiom很小，却很强。我们在探索各种更聪明的技术来降低成本，资本效率很高。”她透露，融资到手后一部分用于算力成本，一部分用于招聘。截至二〇二六年中期，Axiom拥有20多名员工，正在快速扩张。

Axiom Math最具话题性的人才事件，莫过于57岁的数学泰斗小野健辞去弗吉尼亚大学终身教职，加入一家仅有15人的初创公司——而他的汇报对象，正是他曾经的本科生洪乐潼。小野健是模形式领域的顶尖学者、美国数学学会前副会长，获得过古根海姆奖、斯隆奖等荣誉，曾指导过十位摩根奖得主。他的学术影响力远超象牙塔：曾为美国奥运游泳队提供数据分析，为电影《知无涯者》担任数学顾问，甚至出演百威啤酒广告来证明”64卡路里小于80卡路里”。小野健与洪乐潼的缘分始于MIT。二〇一九年，大一新生洪乐潼加入了小野健的数论研究项目。师生关系延续多年，洪乐潼在本科阶段发表的9篇论文中，有多篇与小野健合作。二〇二五年底，小野健做出了震动学术界的决定。他在LinkedIn上写道：”我57岁，给24岁的学生打工，还自己掏了搬家费。”随后辞去教职，带着妻子和柯基犬从夏洛茨维尔搬到旧金山，入职Axiom，工牌编号015，职位为”创始数学家”。舆论将这一事件称为”数学国家队级别的倒贴”。小野健后来解释了加入Axiom的原因：他认为纯数学研究正首次以”平等合伙人”而非”工具使用者”的身份嵌入生成式AI的迭代闭环，而洪乐潼正是这一历史性转变的最佳推动者。此外，核心科学家François Charton是率先将Transformer模型引入数学领域的先驱之一，来自Meta AI的Shubho Sengupta担任CTO。这种”顶级数学家+顶级AI工程师”的团队组合，在全球AI创业公司中极为罕见。

截至二〇二六年中期，Axiom Math已从2月开始提交了8篇由AI系统生成或形式化证明的数学论文，横跨数论、组合、交换代数、代数几何、表示论等多个领域。到5月底，其中5篇已通过同行评审并被学术期刊接收——这是AI系统独立产出的学术论文首次大规模通过同行评审的标志性事件。最受瞩目的成果之一是二〇二六年八月完成的”246定理”形式化验证。这一定理证明无论数字多大，总能找到两个间距不超过246的素数。验证工作由AxiomProver系统完成，输出论文长达132页，全部通过Lean 4验证器检验，并在GitHub上开源。洪乐潼团队开发的多智能体系统包含四个协作模块：Conjecturer自动生成缺失引理、核心证明搜索引擎、Auto-informalizer将机器证明翻译为人类可读形式，形成了完整的”生成-形式化-验证”闭环。在商业化方面，Axiom的路径清晰而务实。短期内，公司计划向Two Sigma、Renaissance等对冲基金输出”可审计数学因子”，按因子寿命订阅收费；同时将形式化验证技术封装成API上架AWS和Google Cloud，为智能合约、芯片验证提供形式化证明服务。五年目标更为远大：让AI在潜在空间中发现人类尚未注册但具有工业价值的新定理，直接申请专利，实现全球授权变现。洪乐潼的设想是，这套技术最终可以服务于代码验证领域——当AI大规模生成代码并渗透到金融、医疗等关键系统时，形式化证明技术可以确保代码的正确性。小野健对此评价：”形式化证明正是应对AI安全挑战的试验场。今天用来验证数学证明的技术，明天就能用来验证AI写的代码是否正确。”

洪乐潼的创业故事，折射出二〇二五至二〇二六年硅谷新兴的”Neo Labs”（新型研究室）浪潮。这一概念专指由顶级AI研究者创立、以基础模型或新一代智能体系为目标、融资规模巨大、研究导向极强的一类新型AI实验室。Axiom Math正属于这一范畴——它既不是传统的SaaS创业公司，也不是通用大模型实验室，而是一个以纯数学研究方法论为根基的”可验证智能”研究机构。洪乐潼对竞争对手有着清晰的认知。她曾公开表示，Axiom的主要竞争对手Harmonic花了两年多才达成第一个重要数学里程碑，而Axiom”快很多”。Harmonic同样能攻克数学难题，且在代码编写和芯片设计领域展现潜力，最新估值达14.5亿美元，英伟达、红杉资本等均为其股东。但洪乐潼坚持Lean语言的底层路线和”验证优先”的方法论，使Axiom在技术路径上保持了鲜明的差异化。洪乐潼深受DeepSeek故事的启发。二〇二五年初DeepSeek横空出世之际，她曾写道：”一个小而专注、特立独行的团队。一群理想主义者组成的优秀合作伙伴。他们执行力强，亲力亲为。最珍贵的，是那份理想与使命交织的信念。这就是DeepSeek的故事，也是我想亲自书写的故事。”在斯坦福二〇二六年新设的”AI-Conjecturing”跨学科博士班中，首批10个名额由Axiom全额资助，毕业论文须同时提交”人类可读的定理陈述”与”Lean 4可编译的形式化证明”——这标志着Axiom正在从一家创业公司，向学术生态的塑造者转型。洪乐潼相信，当问题足够难的时候，人才密度会急剧上升。”很多人来这里，是为了专注做技术，而不是应付一般的公司文化。”她说，”研究者意识到，科学发现的时间线正被AI大幅压缩，这种硬核科技的快速推进，比大厂的稳定更有吸引力。”对于未来，洪乐潼将Axiom形容为具有”SpaceX式的风险特征”——要么成功登月，要么彻底失败，中间地带很小。但正是这种极致的赌注，吸引了最顶尖的人才和最耐心的资本。