機器人AlphaGo與李世石之間的頂級圍棋大戰最終勝負已經不再重要，因為AlphaGo展現出的超強戰力讓世人更加關注：隨著高智商游戲圍棋也被攻克，人工智能是否已經具備了全面挑戰人類的能力？
至少短期內我們還無需擔心，正如AlphaGo設計者哈薩比斯所說的：AlphaGo并不能理解圍棋為何物，在這些屬于無法從數理上做出判斷的領域，是電腦不可能具備的人類固有認知。AlphaGo依然屬于弱人工智能，和科幻電影中可以顛覆人類世界的強人工智能有著天壤之別。
人工智能概念從誕生至今已經走過了半個多世紀，各種弱人工智能應用早已在我們身邊像空氣與水一樣不可或缺。只是AlphaGo的勝利讓人類意識到，人工智能已經不再停留于“力大無窮”的蠻算階段。通過算法的優化改進，人工智能在更多人類專屬的領域內擁有了“人”一般的能力。例如機器已經可以聽懂你的對話；汽車已經可以自己認路行駛；很多傳統理財服務也已經可以由機器人提供。
把自己的財富交給機器人打理，這并不是什么新鮮事。據統計，全球目前由理財機器人管理的財富已經超過百億美元，像WealthFront或者Betterment等機構都是智能理財界的佼佼者。
機器人理財的原理就是基于客戶的理財需求，通過算法和產品來完成以往人工提供的理財顧問服務。簡單來說，機器人理財有點類似于私人銀行的線上化。通過強大的數據分析能力和較低的資金門檻，以及便捷的用戶體驗，理財機器人把一對一的傳統高端理財服務帶進了尋常百姓家。
如上圖所示，在傳統財富管理鏈條中，越在前端的工作邏輯越簡單，越傾向于重復勞動，也就越容易被機器人所替代，比如現在很多人可能已經一年都不需要去一次銀行柜臺了。但從資產配置環節往后需要人類做出判斷決策的部分越來越多，機器人所能起到的作用也就越來越小，不過隨著人工智能的升級，這種情況也在發生著改變。
1997年機器人深藍戰勝國際象棋冠軍卡斯帕羅夫時還是憑借強大的計算能力窮舉所有路數來選擇最佳策略：“深藍”靠硬算可以預判12步，卡斯帕羅夫則只可以預判10步。當時深藍并未試圖趁勝挑戰圍棋，因為圍棋規則雖然簡單，但組合變化繁多，甚至超過宇宙中所有原子數量的總和，蠻力窮舉已經無法勝任。
不過，經過十幾年算法的優化升級，人工智能終于打破了依靠蠻力運算的瓶頸。AlphaGo結合“深度學習”和“蒙特卡洛樹搜索”方法，通過學習大量歷史棋譜模仿人類棋感做出判斷，在對弈前期大幅降低運算量，到對弈后期再憑借絕不出錯的計算能力與人類對抗，巧妙填補了人工智能的不足。
和圍棋棋路組合的復雜多變相似，世間可供選擇的投資項目眾多，每一個投資用戶的情況又千變萬化，讓一家金融機構在動態之中為每一個投資用戶選出最符合其需求的資產組合，整個運算量同樣是銀河計算機也無法完成的任務。
目前通過算法的優化，如果僅考慮投資收益與流動性需求兩個指標的匹配，理財機器人已經具備了在瞬息間幫助上百萬投資者做出最優資產配置的能力，但這對于真正的人工智能理財而言只算剛走完了0到0.1的距離。未來的智能理財還需要將風險性、流動性和收益性都納入到機器人的“思維”之中，讓機器人比你更了解“如何使用你的錢包”，人工智能理財的進化之路仍然任重道遠。
即便如此，理財機器人的日漸普已經讓我們習以為常的理財體驗發生了翻天覆地的改變：例如理財機器人對于客戶可以做到一視同仁，因為用戶數量的增加并不會顯著增加它的使用成本；例如理財機器人可以規避很多道德風險，畢竟機器人不會為了個人私利向用戶推薦不恰當的產品；比如傳統金融機構囿于結算壓力，對用戶投資通常按年、月、日計息，而使用了機器人理財的懶財網卻可以做到按秒付息，將金融公平在時間維度上的體現達到了極致。
AlphaGo的勝利，證明了在既定邏輯下計算機的運算能力肯定會超過最頂尖的人類。AlphaGo對局李世石幫助人工智能獲得了全社會的關注，這將進一步刺激資本的投入，讓人工智能應用的范圍更加廣泛。金融行業作為最看重規則和數據的領域之一，無疑也將成為人工智能滲透最為徹底的行業之一。
雖然目前看來要讓機器學會像人類一樣思考比擁抱上帝還困難，但是隨著人工智能技術的快速發展，必然會有越來越多的機器具備人類一樣的行為能力，把人類從繁瑣的計算和勞動中解放出來。人們應當用最寶貴的時間去享受創造的快樂，而不是讓繁冗重復白白浪費生命，人工智能理財實現從0.1到1的跨越也許并不用我們再等待太久。