格尔科的系统是专有算力+做市，不是聊天框预测涨跌

格尔科1979年生于莫斯科，莫斯科国立大学数学博士，研究方向包括交换代数与同调维数，后获新经济学院经济学硕士，Mathematics Genealogy Project登记为数学家。2004年进入德意志银行做股票与外汇量化，2009年到GSA Capital主管外汇交易。2015年离开后创立XTX Markets，公司名来自矩阵运算相关公式。

他的路径不是「突然发现AI能炒股」，而是从学术数学转到量化交易，再把机器学习做成核心基础设施。公开报道（包括《金融时报》）称，他早期判断单纯拼微秒速度的高频路径有上限，转而押注「智力」——用更多算力和数据做更好的价格预测。公司没有外部投资者，利润流向少数合伙人，他持股约75%。财富榜上的跃升，对应的是这家私人公司估值上升，而非他个人在券商账户里一年翻了多少倍。

系统怎么转：数据、算力、预测，然后做市

XTX的公开描述是：用机器学习预测价格，在交易所和其他场所交易，并向客户提供流动性。全公司约250人（部分报道约300人），没有传统意义上的人工交易员。决策由算法执行，员工主要是研究员和工程师。

数据层：超过400PB全球金融市场数据（相当于数万亿张照片量级）。

算力层：研究集群约2.5万块英伟达GPU（主要是近几代），早期报道称在冰岛部署超算，利用地热能源和低温降低冷却成本；公司正投入逾10亿欧元在芬兰建设多座数据中心。

预测层：深度学习模型同时处理超过5万种金融工具的实时数据流（股票、固定收益、外汇、商品、加密等），从交叉市场中识别微观价格模式，预测尺度从毫秒到数小时。

执行层：做市（买卖两边报价，赚价差）与自营（捕捉短暂扭曲）。日均成交约2500亿美元，这是成交规模，不是管理资产或单日盈利。

不是A（散户用大模型看K线喊涨跌），而是B（机构用专有数据+大规模GPU集群做高频/中频价格预测与做市）。边缘极小，靠规模和持续执行累积。2025年有报道称英国业务收入约39亿英镑、利润可观，并向合伙人分配大额利润；这些数字是公司层面，不是可复制的个人策略收益率。

普通人能用AI做什么，不能做什么

公开大模型可以降低几道门槛：把新闻、财报、研报快速摘要；帮写或调试Pine Script/Python回测代码；对照历史模式提出假设；把散乱信息整理成可检验的清单。这比从零学编程或读完一堆英文文件更快。

它做不到的是：稳定给出可交易的超额收益、替代风险管理和仓位控制、在实盘滑点与手续费下复制回测结果。公开的AI交易竞赛（纸面资金、实时价格）显示高度分化：有模型在某段时间跑赢标普，也有大幅回撤；跨季节排名不稳定，约四成模型-赛季组合最终盈利。西方主流模型在部分实盘或模拟竞赛中出现过显著亏损。这些是实验记录，不是产品承诺。

目前较常见、可观察的公开工具与记录（均为辅助或模拟，非保证）：

• ChatGPT / GPT系列：擅长把多源信息整合成论点、辅助写分析框架。公开竞赛中表现分化，有阶段落后。
• Claude（Anthropic）：金融推理基准上常居前，代码生成与谨慎表述较好。部分纸面机器人在特定区间跑赢标普，但样本短、回撤存在。
• Gemini（Google）：多资产关联分析较强。竞赛中有领先也有落后时段。
• Grok（xAI）：原生接入实时X信息流，适合情绪与新闻时效场景。公开记录中有正有负。
• 专门交易竞技场/排行榜（如部分AI Trading Arena、TradingBotTracker等）：多模型纸面账户实时对比，可观察但不可直接当实盘依据；领先者常切换，绝对收益多数在个位数到低双位数区间，且期间有回撤。

使用建议（针对新手）：把AI当研究助手和代码助手，而不是自动下单器。任何信号先写下来：进场条件、出场条件、单笔最大亏损占总闲钱的比例（例如1%–2%）。先用模拟或极小现货验证，再考虑实盘。大模型会幻觉数字和因果关系，必须人工核对原始数据。

可观察的不是「谁又用AI赚了多少」

看XTX或同类机构是否继续加码自有算力（芬兰数据中心进度、GPU规模），看公开大模型在独立纸面竞赛中的跨周期稳定性，看个人使用AI后是否真的减少了冲动交易、还是只是更快地下单。机构级系统与个人用聊天窗口的差距，在数据专有性、算力、执行和风控，而不在「有没有用AI」四个字。

格尔科的路径证明，数学背景+长期投入算力与数据，可以在做市和微观预测上建立规模优势。它不证明普通人打开一个聊天框就能复制同等结果。AI降低的是信息整理和代码门槛，抬高的是对规则与仓位的要求。把工具用在可检验的流程上，比追逐「一年640亿」的标题更接近能重复的交易。

币安智能：同一类模型，接到交易所的执行层

10月5日，币安联席CEO Richard Teng与产品副总裁Jeff Li发布Binance Intelligence，包含三款产品，不是单一聊天机器人。

币安AI（部分报道称Finance AI）：免费，面向普通用户。提供个性化市场信息、组合表现摘要、资产异动分析、语音或文字简报。自10月5日起分地区逐步开放，此前Beta约有15万测试用户。它降低的是「读懂行情」的门槛，不自动下单。

币安AI Pro：面向想把一句话变成策略的用户。Beta自2026年3月25日上线（基于OpenClaw开源生态），全新版计划10月下旬推出，采用免费增值模式（标准版有月度免费积分，Premium约19.99 USDC/月可实盘部署、模拟测试、选择模型）。用户用自然语言描述规则，系统生成策略流程图，可先纸面测试，再经用户审核后在授权的子账户实盘。API无提现权限，资金需手动从主账户划入。早期内部数据称约70%的AI动作是执行而非单纯分析。接入模型包括ChatGPT、Claude、Qwen、MiniMax、Kimi等。

Agent OS：2026年8月20日上线的开发者平台。通过MCP（模型上下文协议）等标准，让外部AI应用（ChatGPT、Claude Code、Codex、Cursor等）接入币安的交易、行情、钱包、支付能力。日调用已超28万次。开发者可自建Agent，用户控制权限与子账户资金。

相似之处与差别

相似：底层都是公开或可调用的主流大模型（Claude、ChatGPT等系列），都支持自然语言输入、策略草稿生成、信息摘要。公开AI交易竞赛里跑赢或跑输的，正是这些模型家族。

差别：公开工具大多停在「生成建议或代码」，用户自己去别的平台下单。币安把模型接到自有订单簿、成交、子账户隔离和风险限额上，形成「生成→审核→执行」的闭环，且资金与主账户隔离。这更接近「带执行层的助手」，而不是纯聊天窗口。与XTX的差距更大：XTX用专有数据+数万GPU做微观做市，币安AI是在现有大模型上叠加交易所能力，面向零售与开发者。

旧产品还是新推出？目前能看到哪些战绩

Agent OS是8月20日已上线的产品，有日调用规模数据。AI Pro的Beta从3月25日就开始，全新正式版是10月下旬的更新。币安AI则是10月5日起分批开放的新消费端界面，Beta约15万用户。

公开可核对的「战绩」目前主要是使用量，而非长期收益排行：Agent OS日调用超28万次；AI Beta约15万测试用户；AI Pro早期动作中执行占比约70%。独立第三方对币安AI Pro策略的长期实盘超额收益，尚未形成可公开对比的榜单。与此同时，使用相同模型家族的公开纸面竞赛（多赛季、数千笔交易）显示，仅约43%的模型-赛季组合最终盈利，排名跨期不稳定，部分模型出现显著回撤。模型能力在提升，但稳定可复制的超额仍未成为默认结果。

对普通人：把AI当流程工具，而不是自动印钞机

格尔科的案例证明，数学+长期算力投入可以在做市层建立规模优势。币安的案例证明，同一类大模型可以被接到普通账户的执行层，降低「从想法到下单」的步骤。两者都不等于「打开聊天框就能稳定赚钱」。

可操作的做法是：完成AiCoinz专属币安链接：https://jump.do/zh-Hans/xlink-proxy?id=3 

或APP登陆币安直接填写邀请码aicoin668，以下是AiCoin邀请码专属的丰厚注册福利：

福利一：新客最高440U

1、充100U+交易100U → 送100U仓位券

2、充1,000U+交易50,000U → 再送300U仓位券

3、充3,000U+交易200,000U → 再送40U现金券

三档叠加，充100U就能拿第一档

福利二：开盲盒，最高25枚RE

1、注册+充50U+交易100U+登录App

2、完成后活动盲盒一个，随机抽取RE代币，最高25枚

相当于一个新用户注册完成任务后可以吃到2重福利

注册和认证后，用币安AI快速整理行情与组合信息；用AI Pro把规则写成可审核的策略草稿，先纸面跑，再设单笔亏损上限（例如总闲钱的1%–2%）后小额实盘；开发者用Agent OS接入自己的模型。任何生成的数字和因果关系都需人工核对原始数据。

可观察的不是标题里的640亿，而是模型在独立竞赛中的跨期稳定性、币安AI产品的实际执行限制是否被遵守、以及个人使用后是否减少了冲动交易。AI降低信息门槛的同时，抬高了对规则和仓位的要求。把工具用在可检验的流程上，比追逐单一财富故事更接近能重复的动作。

风险提示：不构成投资建议；可能损失全部本金；遵守所在地法律；不用杠杆、借贷和生活费参与。

 

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。