XTX Markets：没有一个人类交易员的 160 亿英镑 AI 交易帝国

当《星期日泰晤士报》5 月发布 2026 年富豪榜时，Alex Gerko 的名字出现在第八位 —— 前一年是第二十位。他的财富在一年之内从 87 亿英镑增长到 160 亿英镑，是榜单上单年财富增幅最大的之一。该刊指出，他拥有莫斯科国立大学的数学博士学位，并于 2015 年创立了一家量化交易公司。富豪榜难以说清的是，为什么这家名为 XTX Markets 的公司成了英国最赚钱的私营企业之一 —— 或者一支不到 300 人、不设任何交易台的团队是如何做到的。

答案，是在十年构建和迭代深度学习做市系统中形成的：XTX 做成了金融业几十年来一直视为不切实际的事 —— 把人类判断从交易过程中完全移除，换成一个比任何专业交易员团队执行得更好、更快、成本更低的 AI 系统。XTX 现在每天处理超过 2500 亿美元的交易量，其英国各实体 2025 年合计净利润达到 17.1 亿英镑，营收 39.3 亿英镑。

这一结果的规模 —— 以及它对算法交易走向的提示 —— 值得比一份财富排名多得多的审视。

从莫斯科数学到零人类交易员

Gerko 创立 XTX 的路径穿过一系列塑造了他对市场独特信念的机构。在莫斯科国立大学完成力学与数学本科学位后，他取得数学博士学位，随后加入德意志银行，后来加入伦敦系统化对冲基金 GSA Capital。GSA 是量化交易方法的早期采用者，Gerko 正是在那里研究后来成为 XTX 基础的统计模型。

据报道，他在那些年得出的结论，不只是计算机能比人交易得更快 —— 这一点自 2000 年代初的高频交易起就显而易见 —— 而是人类交易员会引入无法通过监督或经验纠正的系统性错误。对回撤的情绪反应、对先前价格水平的锚定、无法同时处理数千个相关变量：这些不是个人缺陷，而是人类认知的结构性属性，任何围绕人建立的做市业务都必须迁就它们。

XTX 于 2015 年 1 月 30 日注册成立，作为 GSA Capital 的分拆公司，从一开始就围绕相反的假设设计。不设交易台。没有资深交易员决定何时拉宽或收窄价差。没有风险经理凭直觉要求砍仓。模型做所有这些事。

今天，XTX 约 300 名员工中的大多数是数学家、密码学家、机器学习工程师和基础设施架构师。他们的角色不是交易。而是编写数学模型、调试神经网络，并维护代表他们进行交易的计算基础设施。

AI 做市在 XTX 的规模上究竟如何运作

要理解 XTX 的模型为何有这样的表现，有必要具体说明做市在技术层面涉及什么。

做市商的职能是持续挂出买价（它愿意为买入某项资产支付的价格）和卖价（它卖出时收取的价格）。两者之间的价差是做市商每笔交易的理论收入。但实践中，做市商还会积累库存：每次卖出，它就变成空头；每次买入，它就持有头寸。如果市场朝不利于该库存的方向移动 —— 比如股票下跌，而做市商持有从客户订单积累下来的多头 —— 库存损失可以数倍地抹掉价差收入。

这种库存风险是做市的核心问题。人类交易员通过对冲规则、基于经验判断市场处于趋势还是均值回归状态，以及流经交易大厅的社交信息的组合来管理它。XTX 通过在数十年市场数据上训练的统计模型来管理它，这些模型部署在一个能在微秒内同时评估数千个变量的 GPU 集群上。

支撑该系统的训练数据集不是一小批近期价格。据审视过 XTX 披露规格的基础设施分析，该公司存储了 650 PB 的高速市场数据 —— XTX 在公司运营期间及之外遇到或获取的每一次订单簿更新、每一个 tick、每一次跨资产价格变动。这个语料库给模型提供了任何人类交易员的经验都无法复制的统计根基。一个交易员可能有十五年的职业经验；XTX 的系统同时接触过跨越数十年、多个地域和多种资产类别的市场结构。

据报道，输入 XTX 推理模型的信号远不止原始价格数据。多个价位的订单簿深度、新订单的到达速率、价格变动的短期自相关结构、来自另类数据的情绪代理指标，以及松散相关工具之间的瞬时相关性，都是驱动这一规模深度做市模型的特征集候选。难点不在于计算其中任何一个特征，而在于以足够短、对定价决策有意义的时间视野实时组合数千个特征。GPU 并行是使能技术：在 CPU 上需要数秒的运算，跨数千核心向量化后可以在微秒内完成。XTX 选择自建集群而非依赖共享云基础设施，意味着它可以在训练和实时推理之间分配 GPU 资源而没有调度冲突 —— 当同一硬件必须同时服务模型开发和生产交易时，这是一项不小的优势。

系统的推理端实时运行。当交易对手请求报价时，XTX 的 AI 评估订单簿的当前状态、相关资产的走势、近期流动性状况以及公司当前的库存 —— 然后产出一个经校准、反映所有这些输入的买卖价差。这发生在电子交易所要求的亚毫秒时间尺度内。

每笔交易背后的 GPU 基础设施

运行这套系统需要多数交易公司从未尝试构建的计算基础设施。XTX 组建了被基础设施分析师称为量化金融领域最大的私有 GPU 集群之一：超过 25000 张 GPU，包括约 10000 张英伟达 A100 和 10000 张 V100，配以 650 PB 的高速存储。该集群每天处理超过一万亿个数据点。

不依赖云计算的战略决定意义重大。多数量化交易公司 —— 包括 Two Sigma，据报道在迁移基础设施之前，它在云需求高峰期只有大约 20% 的时候能拿到 A100 GPU —— 都接受了对公有云容量的某种依赖。对做市而言，单笔交易的盈利取决于毫秒级执行，云资源调配延迟是 XTX 认定不可接受的运营风险。

2025 年 1 月，XTX 宣布计划投资超过 10 亿欧元在芬兰卡亚尼建设私有数据中心园区，选择这座城市部分因为寒冷气候（降低冷却成本），部分因为可以获得可再生电力。第一栋建筑面积约 15000 平方米，设计承载最多 22.5 兆瓦的 IT 容量。2026 年 6 月，XTX 与芬兰建筑集团 YIT 签约，开始在同一园区建设第三座设施。

自有而非租用基础设施的决定有着复合的战略优势。XTX 可以为模型训练和回测安排 GPU 时间，而不必与其他客户竞争。它可以专门针对交易工作负载的延迟要求调整计算节点之间的网络拓扑。它还保留了自建而非购买运营业务的系统所带来的竞争护城河。

作为参照：XTX 为交易推理组建的基础设施规模，大致可比中等规模 AI 研究机构的训练基础设施 —— 不及前沿实验室最大的训练运行，但大于多数学术计算集群。区别在于 XTX 的集群不用于训练通用语言模型；它用于在每个交易日实时运行金融市场推理。

XTX 在量化金融竞争版图中的位置

XTX 不是量化交易中最大的公司。Jane Street仅 2026 年第一季度就录得 161 亿美元交易收入和 103 亿美元利润，其规模让 XTX 的年度数字相形见绌。Jane Street 雇用约 3500 人，并保留一种混合模式：人类研究员设计策略，自动化系统执行。

但 XTX 的模式代表着与 Jane Street 不同的东西。Jane Street 的规模部分来自人类智力资本 —— 构建新策略的研究员和交易员 —— 而 XTX 的盈利几乎完全由 AI 系统本身产生，人类处在工程和维护角色，而非 alpha 生成角色。XTX 2025 年 39.3 亿英镑的营收由不到 300 名员工创造，这一人均营收比率在几乎任何行业都难以匹敌。

另一家主要电子做市商 Citadel Securities 对基础设施采取混合方式，对延迟敏感的任务使用自有的托管硬件，对时间要求较低的工作负载使用云计算。这种灵活性的代价是失去 XTX 完全自有集群所提供的计算调度确定性。

最能照亮 XTX 模式的结构性对比，可能根本不是另一家交易公司 —— 而是 DeepSeek 的母公司幻方量化。幻方是一家中国量化交易公司，为其交易业务组建了约 10000 张 A100 GPU，随后用富余算力和利润资助了 DeepSeek AI 模型的开发。XTX 和幻方走的是平行的路：交易公司兼 AI 基础设施运营者，用价差捕获的经济收益资助算力采购，算力又反过来资助研究和进一步的模型改进。模板相同，哪怕具体的研究方向不同。

更广泛的市场结构背景在此很重要。在 MiFID II 之后的欧洲监管环境中，系统性内部化撮合者 —— 用自有资本执行客户订单而非将其路由到交易所的公司 —— 已成为现货股票流动性的重要来源。XTX 在这一类别中的主导地位，既反映了监管向电子做市的转向，也反映了与一家花十年专门为这一职能优化 AI 模型的公司竞争的实际难度。另一家主要电子流动性提供商 Virtu Financial 和荷兰做市商 IMC 在重叠的细分市场运营，但在做市这一具体领域尚未公开匹敌 XTX 的基础设施投入或其纯 AI 驱动的模式。

XTX 的做市地位得到了Rosenblatt 2025 年 ELP SI 排名的再次确认，该排名把 XTX 列为英国和欧盟现货股票市场中作为系统性内部化撮合者的电子流动性提供商第一名 —— 这一位置它在过去六年中占据了五年。其 2025 年股票 SI 成交量达到 1770 亿欧元，比 2024 年增长 50%，日均成交量超过 6.93 亿欧元，并在 2025 年 4 月这一个月里，日成交量首次对任何电子流动性提供商而言突破 10 亿欧元。

当交易利润资助数学研究

Gerko 把 XTX 利润的用途，为他的优先事项打开了一扇不寻常的窗。除了建数据中心，他还投入了大量资源推进支撑 AI 推理的形式化数学基础设施。

2023 年 11 月，XTX 发起了 AI 数学奥林匹克奖 —— 一个 1000 万美元的竞赛基金，旨在鼓励开发能在国际数学奥林匹克竞赛中夺金的 AI 系统，这项竞赛要求大语言模型历来难以胜任的那种创造性数学推理。该奖项是对 AI for 数学兴趣的早期信号，当时这一领域仍处于萌芽阶段。

到 2025 年 7 月，XTX 走得更远。Gerko 个人承诺 1000 万美元 —— 平分给Lean 聚焦研究组织（Lean FRO）和 Mathlib 计划 —— 以加速 Lean 证明助手及其所用数学库的开发。Lean 是一个形式化验证系统，让数学家能写出可被机械检查正确性的证明。在 Lean 中形式化了越来越多本科和研究生数学的 Mathlib 库，是旨在对数学命题进行严格推理、而非从训练数据中模式匹配的 AI 系统的前提。

对有 Gerko 这种背景的人来说，理由不难识别。把人类直觉与数学证明分开的那道鸿沟 —— 似是而非的论证与经过验证的论证之间的差别 —— 正是把当前大语言模型与真正能推进数学的 AI 系统分开的鸿沟。Gerko 的交易系统靠比人类判断更精确而获利；他的慈善押注 AI 最终会在数学推理上达到类似的精确。

XTX 还是 Renaissance Philanthropy AI for Math 基金的创始捐赠者，这是一个支持多家机构 AI for 数学研究的更广泛计划。该领域的其他项目 —— 包括吸引了陶哲轩等数学家参与的系统 AI 研究所（SAIR）—— 也在这一更广泛的资助生态中获得了支持，不过截至本文发表时，XTX 对 SAIR 贡献的具体条款尚未公开确认。

👉 延伸阅读：陶哲轩：AI 证明泛滥，正在把数学与人类理解割开

AI 做市尚不能做什么 —— 以及风险在哪里

XTX 的模式尽管盈利能力已得到证明，但并非没有结构性风险，而聚焦于其非凡回报的报道大多没有触及这些风险。

做市中的核心技术风险是制度切换问题。市场大部分时间处于均值回归或趋势状态，训练良好的模型可以高效定价。但周期性的事件 —— 闪崩、流动性危机、地缘政治冲击 —— 会产生单向资金流，让做市商持有大量、迅速贬值的库存。人类交易员管理这种情况，部分靠从新闻和社交网络读取情绪，部分靠与其他交易员沟通，部分靠不完全依赖近期价格历史的、基于经验的模式识别。XTX 的 AI 系统是否以相当的韧性处理这些事件，没有公开记录；公司不发布模型架构细节、失败模式分析或事后报告。

英国最高法院对 Gerko 作出的2250 万英镑税务裁决 —— 涉及他创立 XTX 之前在 GSA Capital 任职年间的递延薪酬安排 —— 是与 XTX 交易业务无关的个人法律事务。但这一裁决促使 Gerko 开始自愿清算 HFFX，一个自 2015 年起就没有投资过的休眠投资合伙企业。这一事件说明监管者和法院仍在梳理十年前量化金融中常见的薪酬结构的税务处理。

另外，XTX 的芬兰子公司于 2026 年 6 月在爱尔兰法院对戴尔科技提起诉讼，指控戴尔违反了 1680 台服务器 —— 合同价值约 5.49 亿美元 —— 的约定价格，强加了 6200 万到 7000 万美元的涨价。这起诉讼说明了 XTX 基础设施战略的资本密集度：一个需要与单一服务器供应商签订九位数合同的数据中心园区，是一项重大的运营承诺，在带来性能优势的同时也带来交易对手和定价风险。

XTX 的模式还给金融体系提出了一个更长期的结构性问题。一个足够主导的 AI 做市商原则上可以收窄报价价差、改善市场流动性 —— 但它也可能把流动性的供给集中到单一系统，在最需要流动性的时刻造成单点故障。尚无监管机构专门处理 XTX 这种规模的纯 AI 做市商的系统性影响。

AI 金融尚未回答的架构问题

XTX Markets 已经证明，一支小型工程团队可以构建一个 AI 系统，产生此前需要成群的 MBA、交易员和投资组合经理才能获得的那种回报。2025 年的结果 —— 不到 300 名员工、2500 亿美元日交易活动、17.1 亿英镑净利润 —— 不是预测或愿景。它们是提交给英国公司注册处的经审计财务账目。

对更广泛金融业的竞争含义意义重大。XTX 握有的优势主要不是算法上的 —— 许多公司都能构建做市模型。优势是基础设施上的：十年的专有数据、650 PB 的训练语料，以及一个 25000 张 GPU 的计算集群，没有任何机构竞争者在 XTX 所组建的这种专门自有、延迟优化的配置上与之匹敌。构筑这道护城河花了十年和数十亿英镑。从零复制它既需要资本，也需要生成可比数据的时间。

XTX 模式尚未解决的是 AI 做市在真正危机期间的开放问题。造就 XTX 最赚钱几年的条件 —— 不断上升的成交量、波动但终归有趋势的市场、对电子流动性稳定的结构性需求 —— 未必会无限期持续。在正常市场中榨取数十亿的同一个 GPU 集群和训练语料，在没有历史类比的条件下将面临另一种考验。让 Gerko 成为英国第八富有者的 AI 系统能否驾驭那些条件，是现有证据无法回答的问题。

下一个值得关注的有意义里程碑，是 XTX 的 AI 架构 —— 或其衍生品 —— 能否作为研究贡献发表，而不是完全保持专有。Gerko 对形式化数学的慈善表明他相信 AI 推理的进展最终会受益于开放的科学交流。这一信念是否延伸到交易架构本身，还是竞争护城河继续封闭，对判断 XTX 是在构建一个持久的机构、还是一个异常赚钱的先发优势，比任何富豪榜排名都更有决定性。