一年暴赚640亿英镑！250人AI团队如何重写金融规则

据《星期日泰晤士报》最新发布的2026英国富豪榜，一个令人不安的反差出现在榜单前列：46岁的亚历克斯·格尔科以160．06亿英镑的总资产跻身英国第八大富豪。在过去的一年里，他的财富暴涨了72．61亿英镑，折合人民币超过640亿元，平均每天增值接近1990万英镑。

这一惊人的财富增幅并非来自房地产开发，也不像互联网巨头那样依靠庞大的营销网络与庞大的人力组织。格尔科的盈利引擎名叫XTX Markets——一家总部位于伦敦的顶级量化做市商。这家公司的全公司员工数仅仅250多人，没有任何一名传统意义上的人工喊单交易员，却能驱动一台日均吞吐2500亿美元的全球资金流转机器。更关键的是，它不靠分析师研判宏观走势，而是完全依赖一套深度学习驱动的AI交易系统。

在华尔街对冲基金还在为裁减研究员和优化IT预算争吵时，XTX已经完成了一次静默的范式革命。AI正在以前所未有的速度接管金融市场的微观定价权，而格尔科正是这场革命的最核心受益者。

从莫斯科大学到伦敦金童：数学家的算力霸权

格尔科的商业基因深深扎根于纯数学。1979年出生于莫斯科的他，在莫斯科国立大学攻读数学博士期间专攻交换代数与同调维数。这种对极度抽象结构与高维空间的敏感度，后来被他全盘迁移到了高频交易的微观世界里。

2004年入行德意志银行，2009年执掌GSA Capital外汇交易部门后，格尔科敏锐地捕捉到一个传统做市商的阿喀琉斯之踵：无论模型设计得多么精密，人类交易员的认知延迟、心理干预和信息获取滞后，始终是制约系统上限的最大瓶颈。2015年创立XTX Markets时，他果断做了一道减法——剔除所有人工交易员，将订单执行与风险对冲的决策权完全移交给算法。

今天的XTX Markets实际上是一家披着金融外衣的硬核科技公司。根据公司技术白皮书及公开披露信息，XTX搭建了规模超过400PB的全球金融市场历史与实时数据池。为了榨干这些数据的价值，公司在欧美多地部署了庞大的专用GPU计算集群，日夜不息地运行深度神经网络进行跨时空的模式识别。

与传统量化机构普遍采用的线性回归或多因子统计套利模型截然不同，XTX的AI系统具备跨资产类别的“联觉”能力。在处理外汇或股票做市任务时，底层模型不会死盯单一标的的买卖盘口，而是同时并行吞吐股票、固定收益、外汇、大宗商品和加密货币等超过5万种金融工具的实时数据流。算法能从这些高度相关的交叉数据中，精准提取出极其隐秘的价格异动信号，并在几微秒内完成双向报价的微调。

这种算力层面的降维打击，直接转化成了极高的成交胜率和市场占有率。在极度碎片化的全球现货与衍生品市场中，XTX抢占了无数次人类专业投资者反应不及的微小价差，积少成多，最终滚出了每日高达2500亿美元的惊人交易量。

隐形垄断：250人如何撬动万亿流动性？

250名员工，对应着2500亿美元的日交易量。如果将其换算成人均产能，这意味着每名员工平均每天要推动近10亿美元的资金周转，效率是传统大型投行职工人均水平的百倍甚至千倍以上。

这种违背常识的高效能从何而来？根本原因在于利益分配机制与组织架构的极致纯粹。XTX Markets从未引入任何外部风险投资基金、主权财富基金或公募资金作为股东。其股权结构呈现出高度的封闭性与集中度：创始人格尔科个人独揽公司75％的股份，剩余极少量份额由少数几位掌握核心代码的技术合伙人持有。

没有外部股东的掣肘，XTX不需要被迫向公众披露细枝末节的季度财报，也不必为了迎合资本市场的短期情绪而牺牲长期的战略定力。公司产生的绝大部分现金流，被直接转化为核心团队的股权激励机制，以及下一代的算力基础设施扩建中。

这种彻底的闭环结构，赋予了XTX无视短期经济周期的强悍韧性。近年来，XTX不仅在芬兰卡亚尼等地豪掷逾十亿欧元，规划建设超大规模的定制级数据中心项目，还通过旗下慈善平台向基础人工智能安全与高等数学教育领域持续输血。格尔科个人财富一年内翻倍，本质上是他对底层硬核技术壁垒进行长期重资产投入后，获得的一次性股权估值兑现。

监管悬剑与系统性隐忧

然而，这台看似完美的自动化印钞机，也隐藏着足以动摇市场根基的系统性隐患。XTX的崛起早已触及了全球金融监管的红线边缘。

尽管XTX明确声明不直接面向普通散户提供保证金交易服务，也不接受银行存款，但其庞大的高频自动化交易体量，在市场处于正常波动期时是高效的流动性提供者。可一旦遇到诸如地缘政治突发、央行超预期加息引发的极端流动性枯竭，这类AI系统会不会瞬间转变为助涨杀跌的破坏力量？

事实上，监管机构正在重新审视“无人化做市”的风险敞口。在经典的市场假设中，当盘面出现剧烈跳空，人工做市商往往会出于保护自身头寸的考虑主动撤回买单。但在XTX的代码逻辑里，AI只相信数据分布与模型置信区间。当市场环境滑落到训练样本之外的“长尾极端区域”时，算法不仅无法提供缓冲，反而可能因为触发自动风控协议而导致大规模撤单，进一步加剧价格崩塌。

业内分析指出，深度强化学习模型固有的“黑盒效应”，使得人类很难在毫秒级别理解算法的内在逻辑。未来三至五年，针对AI高频交易是否应缴纳更高额的摩擦税，或是强制保留一定比例的人工干预节点，将成为欧洲与美国证券监管机构的博弈焦点。

中国量化赛道的镜像与启示

格尔科的财富神话，不仅是西方金融圈的谈资，更是中国本土量化私募必须直面的一记警钟。

回顾过去十年，国内头部量化私募同样在算力投入上毫不手软，搭建了自己的超算中心。但从产业纵深来看，绝大多数国内量化机构仍处于“传统统计学量化＋局部机器学习辅助”的过渡阶段。交易策略依然重度依赖截面多因子选股、行业轮动与量价统计套利。在极度依赖低延迟通道与全市场高频微观结构建模的做市业务上，我们与XTX之间存在明显的代际落差。

XTX的案例为中国金融机构提供了三个极具操作价值的观察维度：首先，未来的金融护城河不再仅仅是牌照或资金通道，而是独家清洗过的干净数据池与千万级GPU张数的持续迭代能力；其次，组织架构的“去人化”是突破盈亏平衡点的唯一路径。当竞争对手还在纠结于明星基金经理的名片包装时，对手已经把中后台的行政、合规与运营人力压缩到了极限；最后，反脆弱性工程。如何在追求极致速度的同时植入人工熔断开关，防止模型过拟合导致的灾难性回撤，将是所有试图复制XTX路径的中国机构的首要课题。

站在当下看未来，A股市场的智能化改造正处于从“信息化”向“认知智能”跨越的关键节点。机构普遍看好算力基建与国产替代带来的结构性机会。在这场无声的军备竞赛中，谁能率先跑通“底层数据＋超大算力＋工程化落地”的闭环，谁才能真正握住下一代金融科技的核心方向盘。

传统交易员的身影或许不会立刻消失，但制定市场微观运转法则的那支笔，已经悄然换了一副握持者。