文 | 新质动能

数学博士，靠算法赚出千亿身家。

据《星期日泰晤士报》最新发布的2026英国富豪榜，46岁的亚历克斯·格尔科（Alex Gerko）排名第8，总资产高达160.06亿英镑，约合人民币1417亿元。

过去一年，格尔科个人财富暴涨72.61亿英镑，约合人民币643亿元。折算下来，他的财富平均每天增加约1.7亿元。

这笔财富的背后，是格尔科一手创办的量化交易公司XTX Markets。XTX只有约300名员工，日均交易额却达到2500亿美元。它没有传统意义上依靠人工盯盘、喊单的交易团队，取而代之的是大量算法模型和庞大的计算资源。

而XTX并不是个例。如今，从海外量化巨头Jane Street、Citadel Securities，到国内的幻方量化，越来越多机构开始把AI引入交易和研究流程，甚至不惜投入数十亿美元争夺算力。

格尔科究竟如何靠算法赚出千亿身家？AI又是怎样改变全球量化交易行业的？

一、富豪榜上的数学博士

在2026年英国富豪榜前十名中，格尔科算得上一个特别的存在。

榜单第一名依然是欣杜贾家族，财富达到380亿英镑。前十名中，还有三位来自金融科技领域的新面孔：加密货币公司Tether的克里斯托弗·哈伯恩，以181.77亿英镑排名第六；数字银行Revolut创始人尼克·斯托龙斯基，以164.11亿英镑排名第七；格尔科则以160.06亿英镑排名第八。

与依靠家族财富、地产或传统实业积累财富的富豪不同，这几位新上榜者的财富，都与金融科技和数字化业务密切相关。

其中，格尔科的财富增长尤其惊人。相比2025年，他的身家增加了72.61亿英镑。按一年365天计算，平均每天增加约1989万英镑，折合人民币约1.7亿元。

不过，“日增值”并不意味着每天都能拿到这么多现金。格尔科持有XTX约75%的股份，这一年的财富增长，主要来自公司股权估值的上升。

2025年，XTX英国三家主要经营实体的营收合计约39亿英镑，同比增长44%；税后利润合计约17.1亿英镑。

XTX的盈利能力持续增强，也让创始人和核心团队获得了丰厚回报。

据英国《金融时报》报道，2025年，格尔科从XTX获得约8.95亿英镑的利润分配，另外23名核心量化分析师和技术开发人员合计获得约8.33亿英镑，平均每人超过3600万英镑。

这家公司没有外部投资方，所有利润都流向少数合伙人。成立至今，XTX 已经成长为英国盈利能力最强的私营企业之一。

格尔科也因此常年登上英国“最大纳税人”榜单。仅2023年，他个人纳税6.645亿英镑，创下英国单人纳税纪录，后续数年持续蝉联“纳税王”。

同时，格尔科还持续投入慈善，XTX已经向英国教育与慈善机构捐赠超5000万英镑，还设立了“数学卓越基金”，支持数学研究和人才培养。

二、数学博士干出量化帝国

一个只有数百名员工的公司，为什么能在全球金融市场赚到这么多钱？答案要从格尔科的数学背景，以及XTX独特的交易模式说起。

1979年，格尔科出生于莫斯科，少年时期就读于一所专门培养数学人才的学校。后来，他在莫斯科国立大学获得数学博士学位，研究方向是交换代数和同调维数，又在新经济学院取得经济学硕士学位。

毕业后，格尔科来到伦敦，2004年进入德意志银行，从事股票和外汇量化交易；2009年，他转投对冲基金GSA Capital，继续负责外汇交易。经过多年积累，2015年，格尔科创办了XTX Markets。

数学训练让格尔科擅长从复杂数据中寻找规律，而多年的交易经验，则让他意识到：模型在电脑里算得再准，也不代表在真实市场中一定能赚钱。

比如，模型判断某只股票价格偏低，但等交易指令真正发出时，价格可能已经发生变化；又或者，模型发现了买卖机会，却未必能以预期价格完成交易。如何让算法既能看准市场，又能完成交易，成为XTX要解决的重点问题。

与一些传统高频交易机构不同，格尔科并没有把竞争重点全部放在交易速度上。

过去，部分高频交易机构为了抢先几微秒完成交易，不惜投入巨资建设通信网络，铺设跨洋光缆，甚至在交易所附近搭建微波通信设施。因为在高频交易中，哪怕只快一点点，也可能影响最终的交易结果。

XTX则选择把更多资源投入算法模型和计算能力建设，希望通过更准确的市场判断建立优势。公司利用机器学习分析全球金融市场数据，从中寻找不同资产之间不容易被发现的联系，并据此判断市场价格、生成买卖报价。

举个例子，一家公司的股票价格发生变化，背后可能不只是这家公司自身的消息，还可能与汇率、利率、行业走势，甚至其他市场的交易活动有关。

XTX的交易系统会持续分析这些信息，动态调整买入和卖出报价。当市场参与者按照这些报价进行交易时，XTX便以做市商的身份提供流动性，并通过买卖报价之间的价差等方式获得收益。

这也是XTX与普通AI炒股工具最大的不同，它不是简单地告诉用户“买什么股票”，而是直接参与全球金融市场交易，为其他市场参与者提供买卖报价和流动性。

这套模式背后，需要庞大的数据处理和计算能力。据XTX官网披露，公司研究集群拥有超过2.5万块GPU，预测覆盖超过5.3万种金融工具，交易业务遍及35个国家，日均交易额约2500亿美元。

不过，格尔科的财富故事并不容易复制。XTX的成功并非单靠某个数学模型，而是建立在长期积累的交易经验、专业团队、海量数据和强大的计算系统之上。对普通人来说，这样的技术和资源门槛，显然难以企及。

三、全球量化巨头，开始争抢AI算力

格尔科和XTX并不是孤例。放眼全球，AI正在成为量化交易机构争夺竞争优势的重要工具。

过去，这些机构比拼的是交易速度和策略能力；如今，竞争又延伸到了GPU、数据存储和模型研发，算力投入也随之水涨船高。

与XTX齐名的做市巨头Jane Street，就是其中的代表。

这家公司早已将深度学习视为量化交易的重要发展方向。据公开报道，Jane Street拥有数万块高端GPU，存储规模超过1EB，日均成交金额约4000亿美元。

2026年4月，Jane Street又宣布向AI云计算公司CoreWeave投资10亿美元，并签下一份为期五年、总额约60亿美元的云计算服务协议。

对于一家已经拥有庞大计算资源的量化机构来说，这笔投入进一步体现了它对AI算力的重视。

如果说Jane Street展示的是量化机构在基础设施上的投入，那么另一家金融巨头Citadel Securities，则展示了AI在实际工作中能够带来的效率提升。

公司创始人肯·格里芬曾透露，Citadel Securities使用机器学习进行交易已经有十年之久。如今，公司还开发了一套智能体AI系统，可以帮助研究人员复现和验证金融学术论文。

过去，研究团队完成一篇论文的复现和验证，往往需要6至8周；借助这套AI系统，现在只需要两三个小时。这意味着，研究人员可以把更多时间投入策略判断和投资研究，而将部分繁琐的数据处理与验证工作交给AI完成。

这场竞争也早已延伸到中国。国内量化机构中，幻方量化是较早将深度学习应用于实盘交易的代表。

早在2016年10月，幻方就将首个由深度学习模型生成的股票仓位投入实盘交易；到2017年，深度学习已全面应用于幻方的交易。

此后，幻方持续投入计算基础设施建设，并由创始人梁文锋创办了AI公司DeepSeek。从量化交易到大模型研发，幻方也成为国内少数同时布局金融算法和通用人工智能的机构之一。

其他国内量化机构也在加快跟进。例如，灵均投资开始将大模型用于新闻、财报和研报等信息的分析，帮助研究人员拓展投资研究的范围。

从Jane Street斥资数十亿美元锁定云算力，到Citadel Securities用AI将研究周期从数周压缩到数小时，再到幻方从深度学习交易走向大模型研发，AI已经成为量化机构争夺竞争优势的重要工具。

对这些机构来说，下一轮竞争不仅是交易速度和模型能力的较量，也是数据、算力与人才的综合比拼。

参考资料：

《46岁“数学家”靠AI炒股、做市成为全球顶级富豪，一年大赚超640亿》，券商中国；

《从数学博士到英国“纳税王”：他用AI撑起千亿美金量化帝国》，DeepTech深科技；

《46岁数学博士靠AI炒股、交易，成为全球顶级富豪！过去一年其身家暴增642亿元》，每日经济新闻；

《俄罗斯亿万富翁成英国“头号纳税人”，平均每小时缴税人民币46万元》，红星新闻；

《How Hedge Funds and Market Makers Are Using AI》,AI Street;

《神秘量化巨头 Jane Street 不再隐身：像数学系的对冲基金，如何用 AI 重塑华尔街》, 新浪财经。