「Axiom」一家由数学家「洪乐潼」组成的AI公司融资2亿美元！

不二如是

3月12日，致力于构建能够对软件和科学推理进行数学验证的AI初创公司Axiom（axiommath.ai）宣布完成A轮融资，本轮融资由Menlo Ventures 领投，筹集了2亿美元的新资金，公司估值超过16亿美元。

在线学习：



洪乐潼说：

游客，如果您要查看本帖隐藏内容请回复

尽管像Claude Code和CodeRabbit这样的现有工具能够生成一些确实令人印象深刻且通常运行良好的代码，但其概率性的本质是一个主要的担忧原因。

这类工具旨在产生看起来正确的输出，而非那些可被证明是正确的输出。

Menlo Ventures 公司的合伙人马特·克兰宁（Matt Kraning）和C.C. 龚（C.C. Gong）认为，这是一个大问题。

在宣布本轮融资的博客文章中，他们写道，当代码将被用于关键基础设施系统时，“能频繁工作”是一个“可怕的标准”。

给爱好数学的创业者打call！

评论区聊聊你的想法吧

                               
登录/注册后可看大图

>>万能兑换C币许愿池<<

如果有收获，别忘了评分 ：

                               
登录/注册后可看大图

                               
登录/注册后可看大图

                                                                    

不二如是

感谢分享 朕又在鱼C学到东西啦！非常满意

不二如是

@FishC 介绍Axiom公司

FishC

不二如是 发表于 2026-03-17 16:17
@FishC 介绍Axiom公司

Axiom是一家专注于数据处理和云服务技术的公司。它提供了一系列工具和平台，旨在帮助开发者更高效地处理、存储和分析数据。以下是几个关键点：

1. 公司定位：Axiom致力于简化数据管理流程，特别是在云计算和分布式系统领域。

2. 核心技术：它提供了高性能的数据查询引擎和存储解决方案，支持实时数据分析和日志管理。

3. 主要产品：包括用于日志处理的云服务，以及帮助团队监控应用程序性能的工具。

4. 应用场景：适用于开发团队、运维工程师和企业，用于调试、监控和优化软件系统。

5. 用户群体：主要面向技术团队和开发者，帮助他们从数据中快速获取洞察。

Axiom的技术在降低数据处理复杂度和提升效率方面具有一定优势。如果你有更具体的问题，欢迎继续讨论！

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

FishC

「Axiom」一家由数学家「洪乐潼」组成的AI公司融资2亿美元！  
3月12日，致力于构建能够对软件和科学推理进行数学验证的AI初创公司Axiom（axiommath.ai）宣布完成A轮融资，本轮融资由Menlo Ventures 领投，筹集了2亿美元的新资金，公司估值超过16亿美元。  

在线学习：  
https://www.bilibili.com/video/BV1sew9z2EqR  

洪乐潼说：  
数学家和理论科学家构想理论，提出假设。然后他们提出证明，这是一个包含两个步骤的发现过程。我们创建Axiom，是为了将好奇的火花转化为已知的真理，并压缩取得突破的时间线。  
尽管像Claude Code和CodeRabbit这样的现有工具能够生成一些确实令人印象深刻且通常运行良好的代码，但其概率性的本质是一个主要的担忧原因。  

这类工具旨在产生看起来正确的输出，而非那些可被证明是正确的输出。  

Menlo Ventures 公司的合伙人马特·克兰宁（Matt Kraning）和C.C. 龚（C.C. Gong）认为，这是一个大问题。  

在宣布本轮融资的博客文章中，他们写道，当代码将被用于关键基础设施系统时，“能频繁工作”是一个“可怕的标准”。  

给爱好数学的创业者打call！  

评论区聊聊你的想法吧   

https://xxx.ilovefishc.com/forum/202505/12/120451wiv7viv5iebupbbr.png  

>>万能兑换C币许愿池

感谢分享这个关于Axiom AI公司的新闻！作为计算机教育专家，我来简单解释一下其中涉及的概念，并谈谈这对学习编程的启发。  

概率性AI vs. 数学验证AI：  
- 概率性AI工具（如Claude Code、CodeRabbit）基于统计模型生成代码，输出可能正确，但无法保证100%准确。它们像“聪明的猜测”，适合快速原型设计，但在关键系统中存在风险。  
- 数学验证AI（如Axiom的目标）使用形式化方法证明代码的正确性，确保逻辑无错误。这类似于数学定理证明，适合安全攸关的软件（如航空航天、金融系统）。  

对编程学习的启示：  
1. 理解基础原理：学习算法和数据结构时，要注重逻辑严谨性，而不是仅仅依赖工具生成代码。  
2. 测试与验证：编写代码后，务必进行测试，特别是边界情况。可以使用单元测试或静态分析工具。  
3. 代码可读性：无论AI是否生成，保持代码清晰、有注释，方便人工复查。  

简单示例：  
假设我们要验证一个加法函数是否正确，概率性AI可能生成以下代码，但可能存在隐藏错误：  

1. def add(a, b):  
   
2.     return a + b  # 通常工作，但未处理非数字输入

复制代码

而数学验证方法会要求证明：对于所有整数a和b，add(a, b)等于a + b。这需要更严格的规范。  

学习建议：  
- 从基础数学和逻辑学起，培养严谨思维。  
- 实践编程时，多手动编写代码，加深理解。  
- 关注AI辅助工具的发展，但不要完全依赖它们。  

希望这些解释对你有帮助！如果你有具体编程问题，欢迎继续讨论。加油学习！

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

快速收敛

感谢分享 朕又在鱼C学到东西啦！非常满意

sunshine_8205

感谢分享 朕又在鱼C学到东西啦！非常满意

不二如是

快速收敛 发表于 2026-3-17 16:48
感谢分享 朕又在鱼C学到东西啦！非常满意

不二如是

sunshine_8205 发表于 2026-3-17 16:54
感谢分享 朕又在鱼C学到东西啦！非常满意