数学博士做AI交易，46岁跻身英国富豪榜前十

10月11日，财联社与证券时报引述《星期日泰晤士报》刚公布的2026英国富豪榜，46岁的亚历克斯·格尔科排在第八位，业内管他叫“数学家”，他也因此进入英国前十富豪之列。

炒股、做市都通过他旗下的平台完成，其总资产达到160.06亿英镑（约合1417亿元人民币），相比2025年猛增72.61亿英镑（约合643亿元人民币）。

换句话说，过去这一年，他每天的身家平均多出1989万英镑（约人民币1.76亿元）。

公开资料里写着，亚历克斯·格尔科1979年出生在莫斯科，在莫斯科国立大学拿到数学博士学位，之后搬到伦敦，陆续进入德意志银行和GSA Capital，并在GSA Capital一手搭建了外汇交易部门。

财联社另有报道提到，2015年亚历克斯·格尔科创立了交易公司XTX Markets（下称“XTX”）。

XTX搭起的AI交易系统，目的就是赚钱。

这套系统手里握着超过400PB的全球金融市场数据，背后是规模庞大的GPU集群在跑。整个XTX只有250多名员工，传统意义上的交易员一个没有，外部投资者同样没有。

公司成立之后，很快跻身英国最能赚钱的私营公司行列，利润悉数流向少数合伙人；持有约75%所有权的亚历克斯·格尔科，也由此成为英国最富有的人群之一。

2025年，XTX三个英国主要经营实体的税后利润加起来约17.1亿英镑，上一年是12.8亿英镑，增幅约33%。

AI生成概念图。

数学博士的金融天赋

格尔科不光有莫斯科国立大学数学博士学位，还在新经济学院拿了经济学硕士。叫他“数学家”，专业背景是摆在那里的。

交易这一行他也做了不短时间。在德意志银行时，他做过外汇量化交易和股票执行研究，金融天赋已经显露；后来到GSA Capital，负责外汇交易六年。2015年，XTX成立。

数学训练让他扛得住复杂数据，交易经历则让他清楚，一套模型从电脑走向市场，中间要撞上多少麻烦。

历史数据中的买入价，放到实盘未必成交；模型算出来的机会，也许在订单送到之前就没了。公式再精巧，这些琐碎又昂贵的难题照样得面对。

如今XTX官网显示，员工约300名，研究集群的GPU超过2.5万块，预测范围覆盖5.3万种以上金融工具，交易触达35个国家，日交易额约2500亿美元。

这个成交额说的是业务规模，既不是管理资产，也不是收入。要是把它当成“一天拿2500亿美元去押涨跌”，那就跟实际业务差得越来越远。

接住订单，才有生意

公开查询的信息显示，XTX对外介绍的核心业务，是用机器学习预测价格，在交易所及其他交易场所下单，并直接为客户提供流动性。

涉及的资产包括股票、外汇、固定收益、商品和加密资产。

说得直白点，客户要买要卖的时候，它可以站到对手方，报出一个愿意成交的价。

做市商赚的是买卖报价之间的差价，可这钱拿得并不踏实。

刚买进的资产转头就跌，或者刚卖出就大涨，亏掉的可能远远不止那点价差。仓位如何控制、风险怎样对冲，直接关系到这门生意还做不做得下去。

XTX的客户涵盖银行、资产管理机构、对冲基金和零售经纪商。公司还明确表示，会在一段时间内持有风险，并借机器学习提供市场冲击较小的流动性。

这意味着它的本事不只是"抢在别人前面下单"。报出去的价得有竞争力，单子成交之后，剩下的风险还得自己扛。要是一门心思只想着把订单抢到手，到头来很可能越忙越亏。

量化交易这行，打法本来就不止一种。做市靠的是赚价差，套利赚的是相关资产之间的价差回归，方向策略则是拿判断涨跌去搏收益。哪条路都不轻松，"量化"两个字从来就不等于稳赚。

XTX并没有把完整的模型、交易信号和仓位规则摊开给外界看。行业的通用策略能帮人看懂它做的是什么生意，但别把这些当成它自己的独门配方。

这块业务的需求端确实够大。国际清算银行2025年12月发布的报告显示，2025年4月全球外汇日均交易额大约9.5万亿美元，较2022年4月增长27%。

企业换汇、基金调仓、机构做对冲，都需要有人报出价格。行情剧烈震荡的时候，成交需求可能往上走，可做市商要背的风险也跟着变大。单子接得多，利润不一定就跟着涨。

再看XTX的财务结构，有个细节容易被忽略：2025年，那家提供知识产权及相关服务的技术实体，税后利润约16.9亿英镑，三个英国实体合计利润里的大头都来自它。

这跟集团内部的业务划分和收费安排有关，所以不能倒推说它是靠向散户卖炒股软件挣钱。表里的净收入也是三个实体相加算出来的，不能直接当成抵销内部交易后的全球集团营收。

AI具体贡献了多少利润，公开材料里没有做拆分。把整笔收益都记在AI头上，跟把一支球队的胜利全算在某一个球员名下差不多，听着过瘾，却解释不了这场球是怎么赢的。

图源：XTX官网。

能真正赚到钱，才是真功夫

格尔科这类公司的成绩，给交易圈提了个醒：一个策略能不能赚钱，最后得拿实际成交来验。回测里曲线可以画得很漂亮，实盘会把成本一笔一笔加回来。手续费、成交偏差、对冲开销，再加上资金规模上去之后带来的价格冲击，足够把纸面上的利润磨没。

所以，那些只教别人怎么下单、怎么赚钱，自己却拿不出一份完整交易记录的策略，依旧停留在纸上。讲得头头是道当然可以很有底气，可亏掉的钱，不会有人用掌声替你补上。

这倒不是说做研究、教理论的人就没有价值。研究可以交给团队去执行，教学也能帮人理解市场。问题在于，有人把"会解释"当成了"会赚钱"，再把听众变成替自己扛风险的人。

同样，下过场也不代表就经得起检验。只挑赚钱的那几笔展示，把亏损和杠杆藏起来，照样能编出一个成功故事。交易记录真正的分量，在于它连不好看的部分也一并留着。

格尔科的故事之所以值得看，不是因为它证明了"AI炒股能赚钱"，而是因为它把AI在金融市场里真正起作用的路径摆了出来。XTX赚的钱，说到底赚的是技术基础设施的钱。400PB的数据、庞大的GPU集群、250人的工程团队，这些门槛高得离谱。

它不是一个App加几句提示词就能照搬的。散户眼里的"AI炒股"，多半是被包装成低门槛、高回报的产品，跟真正的量化交易之间，隔着一整套工业体系。

真要说格尔科的故事给了什么启发，大概是这样：AI确实在改变金融市场的运转方式，但这份改变带来的红利，主要落到了那些有能力搭系统、扛风险、亲自下场执行的人手里。对普通人而言，看清这一点，比追哪个AI选股工具都要紧。

工具再聪明，也不等于市场里的钱更好赚。

反倒可能更难——当每个人手上的工具都在升级，想从市场里挣钱这件事，门槛只会被抬得更高。