2026年2月23日，一個本該平靜的週一，IBM股價遭遇了自2000年10月以來最慘烈的單日暴跌。收盤時跌幅定格在13.2%，約400億美元市值在幾個小時內蒸發殆盡。導火索並非財報暴雷，也非監管重錘，而是一則產品公告：AI新創公司Anthropic宣佈，其Claude Code工具能夠將運行在IBM系統的COBOL程式語言現代化，而COBOL恰恰是IBM利潤豐厚的“護城河”業務。三天後，相似的劇情以完全相反的方式上演。2月26日，Jack Dorsey旗下的金融科技公司Block宣佈裁員約4000人，裁員比例接近50%，理由同樣是AI驅動效率提升。但市場的反應卻截然不同——Block股價在盤後交易中一度跳漲超過24%。Dorsey在致股東信中坦言：“我相信在未來一年內，大多數公司都會得出同樣的結論，並做出類似的結構性調整。”兩個事件，同一個驅動因素——AI；兩個截然不同的市場反應——一個暴跌，一個暴漲。這背後究竟發生了什麼？答案或許指向一個更深層的命題：AI正在重新定義“什麼是有價值的資產”。對於上市公司高管、投資者和傳統企業決策者而言，理解這一重估邏輯，已經不再是前瞻性的戰略思考，而是關乎生存的當務之急。
一、同一個AI，不同的市場判決
要理解這兩起事件的反差，需要先看清它們各自的資產結構。IBM的暴跌，表面上是Claude Code工具的技術威脅，實質上是市場對其核心資產模式的重新定價。COBOL這門誕生於20世紀50年代末的編程語言，至今仍支撐著全球約95%的ATM交易和大量金融、航空、政府等關鍵領域的核心繫統。Anthropic在博客中寫道：“每天有數千億行COBOL代碼在生產環境中運行，為關鍵系統提供動力。儘管如此，懂COBOL的人數卻逐年減少。”長期以來，將COBOL系統現代化一直是一項複雜且成本高昂的工程，這也成為IBM利潤豐厚的業務護城河。但Anthropic宣稱：“藉助AI的力量，團隊無需耗費數年光陰，能夠在幾季的時間裡將COBOL代碼庫現代化。”市場聽到的潛臺詞是：IBM依賴的人力密集型的系統維護收入、圍繞大型機的服務收入，正在被AI技術侵蝕。然而，值得玩味的是，IBM股價在次日就反彈2.68%。Wedbush和Evercore ISI等華爾街分析機構迅速出面護盤，稱此次暴跌是“毫無根據的過度反應”。他們的理由直指問題的核心：企業客戶不可能僅僅因為一個新AI工具可以翻譯遺留代碼，就立即拋棄他們的大型機系統。將代碼語法翻譯與硬件-軟件深度集成的系統現代化之間，存在著巨大的鴻溝。IBM自己也在同一天發佈回應，提出一個關鍵論點：現代化的挑戰不是COBOL語言問題，而是IBM Z平臺問題——翻譯代碼幾乎捕捉不到實際的複雜性，平臺的價值來自數十年的軟硬件集成，這是代碼翻譯無法遷移的。再看Block的事件。同樣是大規模裁員，同樣由AI驅動，市場的判決卻是上漲24%。關鍵在於Block的資產結構正在發生變化。自2024年以來，Block一直在重組其商業模式和人員配置，同時大力投資人工智能工具以提高運營效率，包括開發名為Goose的自有工具。Block首席財務官Amrita Ahuja在解釋裁員時強調：“我們正在採取大膽果斷的行動，但我們是建立在實力基礎上的。”這個“實力基礎”有數據支撐：2025年全年毛利潤達103.6億美元，同比增長17%。強勁的財務表現，為公司在此時推進大規模重組提供了緩衝空間。市場的解讀很清晰：Block不是在AI衝擊下被動收縮，而是在主動優化資產結構——用更少的“人力資產”換取更高的“技術資產”產出效率。裁員50%的同時上調全年指引，意味著單位人力產出的價值正在被AI放大。
二、AI時代，四類資產正在被重新定價
這兩個案例揭示了一個正在發生的趨勢：AI正在成為資產價值的“重新定價器”。不同類型的資產，在AI的評估框架下呈現出截然不同的價值曲線。第一類是人力資本密集型資產。IBM的COBOL維護團隊、傳統分析師、程序員等“信息加工者”的價值正在被AI稀釋。Anthropic在介紹Claude Code時提到，該工具可以識別“需要人工分析師花費數月時間才能發現的風險”。這並不是說人類不再重要，而是說那些依賴信息不對稱和流程性知識的工作，其價值正在被技術壓縮。但需要謹慎看待的是，AI替代的是“信息加工”，而非“價值創造”。Futurum Group的分析師Mitch Ashley在研究報告中指出，成功的COBOL現代化項目需要業務範圍界定、技術評估、數據遷移規劃、行為等效性驗證、可觀測性和組織變革管理等多重維度，代碼翻譯只是其中一環。那些能夠駕馭複雜系統、理解業務本質、做出戰略判斷的人類能力，依然稀缺。第二類是數據資產，它們正在成為AI時代的價值高地。隨著生成式AI的快速發展，數據的價值屬性正在被重塑。Tang等學者在《PLOS One》發表的研究中指出，生成式AI改變了數據的獲取、處理和利用方式，數據資產的價值不僅依賴於其內在質量和相關性，還與其在生成式AI框架下的應用場景、轉化能力和市場需求密切相關。這意味著，數據的獨特性、連續性和可治理性正在成為核心價值維度。一份數據集在一個場景下可能價值極高，在另一個場景下可能毫無用處。能夠為AI模型訓練提供獨家、持續、高質量數據的企業，正在獲得新的定價權。第三類是算法與模型資產。OpenAI與Paradigm合作推出的EVMbench，用於評估AI在檢測、修補和利用智能合約漏洞方面的能力，本身就說明算法正在成為可量化的資產。模型權重、算法框架、訓練方法論，正在成為可識別、可控制、可貨幣化的無形資產。第四類是傳統有形資產，它們正在經歷分化。那些依賴“信息不對稱”和“人力中介”的實體資產面臨貶值壓力，而具備“抗AI替代”屬性的實體資產——如能源設施、稀缺資源、核心基礎設施——價值相對穩定。原因很簡單：AI可以分析和優化這些資產的運營，但無法替代它們本身的物理存在和價值承載功能。
三、從“資產重估”到“AI免疫”
基於上述分析，企業需要一套系統性的框架，來判斷自己的資產在AI時代是增值還是貶值。RWA研究院提出“AI免疫”資產識別框架，包含三大核心特徵。第一個特徵是不可編碼性。這是指那些難以被AI完全學習或複製的價值要素。COBOL代碼本身可以被AI翻譯，但運行COBOL系統的Z系列大型機從芯片層面構建的交易處理能力、量子安全加密、八個九的可靠性，這些是AI工具無法複製的。Futurum Group的研究指出，“代碼翻譯捕獲不了實際的複雜性，平臺價值來自數十年的軟硬件集成”。同樣，線下的場景控制權、隱性的行業知識、複雜的關係網絡，這些難以被“編碼”的要素，構成了資產的第一道免疫屏障。第二個特徵是數據護城河。企業是否擁有獨家、持續、可治理的數據資產？是僅僅使用公開數據，還是能生成別人無法獲取的數據？中信銀行已經開始探索用大模型評估數據資產價值，嘗試“數據資產入表”。這背後的邏輯是：在AI時代，數據不僅是生產的原料，更是資產本身。但並非所有數據都有護城河——公開的網絡數據很快會被AI模型“消化”完畢，而擁有獨家數據源的企業，才能在AI估值框架下獲得溢價。第三個特徵是AI賦能彈性。資產本身能否被AI增強而非替代？這是區分IBM式衝擊和Block式轉型的關鍵。IBM的核心業務——維護COBOL遺留系統——是被AI“替代”的對象；而Block的業務模式——支付、金融服務——可以被AI“賦能”。實際上，IBM自己也開發了watsonx Code Assistant for Z，這個專用工具允許客戶直接在平臺上安全地重構和現代化遺留代碼，同時保留企業級的安全性。當資產能夠與AI形成協同而非對抗，其價值就是遞增的。反過來看，AI脆弱資產也呈現出三個特徵：依賴“信息處理”作為核心價值、可被標準化流程替代、無數據生成和積累能力。對照這三個特徵，企業可以對自己的資產組合進行“壓力測試”。
四、RWA的新機會：什麼資產值得被代幣化？
將上述框架延伸到RWA（現實世界資產代幣化）領域，可以得出一個清晰的結論：RWA不是“什麼資產都能上鍊”，而是在AI重估的大潮中，篩選出那些能穿越AI週期的硬資產。2026年3月，鏈上RWA總價值已突破250億美元，較一年前增長近四倍。但香港Web3.0標準化協會在2025年8月發佈的RWA產業白皮書中明確指出：“萬物皆可RWA是一個偽命題”。成功實現規模化落地的資產需要滿足價值穩定性、法律確權清晰性及鏈下數據可驗證性三大門檻。結合“AI免疫”框架，我們可以進一步細化為：值得代幣化的資產，首先是那些在AI重估中價值穩定的資產。第一類是具備“AI免疫”特徵的實體資產。包括能源資產、基礎設施、稀缺資源等。這類資產的價值不依賴於信息處理，而是源於物理存在和實際效用。白皮書中提到的新能源RWA（如充電樁、光伏資產）、GPU等算力資產，都屬於這一範疇。其中GPU算力資產憑藉AI產業的“剛性需求”和可信的“數字基因”，正在成為RWA的理想錨定資產。第二類是可編程的數據資產。擁有獨家數據源且能通過智能合約自動變現的資產，兼具“數據護城河”和“AI賦能彈性”。白皮書將數據與知識產權、碳信用等歸為無形資產類別。但需要警惕的是，並非所有數據都能成為資產——只有那些能夠持續生成、可確權、可驗證的數據，才具備代幣化的基礎。第三類是混合型資產，將“不可編碼”的物理控制權與“可編程”的數字權益結合。例如，商業地產的產權可以代幣化，但物業的實際運營、維護、租賃——這些線下場景的控制權——依然掌握在專業機構手中。這種“物理+數字”的雙層結構，既利用了區塊鏈的流動性優勢，又保留了“AI免疫”的線下價值錨點。反之，有兩類資產在AI時代需要謹慎對待代幣化。一類是高度依賴人力中介的金融資產，其價值容易被AI壓縮；另一類是無數據護城河的標準化資產，在AI估值框架下缺乏議價能力。
五、行動指引：從認知到決策
IBM的400億蒸發，是一個時代的信號——那些依賴信息不對稱和人力堆砌的資產，正在被AI重新標價。Block的逆勢上漲，是另一個時代的號角——能夠擁抱AI、優化資產結構的企業，正在獲得市場的重新定價。對於上市公司和傳統企業的決策者而言，這不僅是技術焦慮，而是資產價值體系的根本性重構。CEO們需要回答一個無法迴避的問題：我的資產組合，在AI眼裡值多少錢？基於本文的分析，可以提出三條可操作的建議。第一，立即啟動資產的“AI壓力測試”。對照“AI免疫”框架的三個特徵——不可編碼性、數據護城河、AI賦能彈性——對企業的核心業務單元進行逐一評估。識別哪些業務最容易在AI衝擊下價值縮水，哪些業務可能獲得AI的放大效應。第二，建立動態的資產組合管理機制。在AI重估的背景下，資產配置不再是“買入並持有”的靜態策略。企業需要有意識地增加“AI免疫”資產的比重，同時對那些AI脆弱資產製定轉型或剝離計劃。這不僅僅是財務部門的職責，更需要戰略部門、技術部門和業務部門的協同。第三，重新審視RWA戰略。在考慮資產代幣化之前，先用“AI免疫”框架篩選底層資產。RWA的核心價值不是“上鍊”本身，而是通過代幣化為優質資產獲得更好的流動性和定價效率。如果底層資產本身在AI時代就是貶值的，那麼代幣化只是在加速價值的流失。最後需要特別說明的是，根據中國八部門聯合發佈的42號文，在中國大陸境內嚴禁開展任何形式的代幣發行和代幣化交易。本文討論的RWA代幣化，僅指境外合規框架下的資產數字化實踐。企業在探索相關業務時，必須嚴格遵守“境內嚴禁、境外備案”的監管紅線。當AI開始為資產定價，唯一的安全感，來自那些AI無法定價的東西——不是代碼，不是數據，而是人類對價值的判斷力本身。（本文基於公開資料和數據撰寫，數據來源包括Nasdaq、騰訊新聞、Futurum Group、PLOS One、21財經、工商時報等權威媒體和研究機構。文中觀點不構成任何投資建議。）
