2026年2月23日，一個本該平靜的星期一，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。導火線並非財報暴雷，也非監管重錘，而是一則產品公告：AI新創公司Anthropic宣布，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。

三天后，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宣布裁員約4,000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事？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」 。對於上市公司高階主管、投資人和傳統企業決策者而言，理解這個重估邏輯，不再是前瞻性的策略思考，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，就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1950年代末期的程式語言，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系統。 Anthropic在部落格中寫道：“每天有數千億行COBOL程式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：「借助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。」市場聽到的潛台詞是：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股價在隔日就反彈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工具可以翻譯遺留程式碼，就立即拋棄他們的大型主機系統。將程式碼語法翻譯與硬體-軟體深度整合的系統現代化之間，存在著巨大的鴻溝。

IBM自己也在同一天發布回應，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平台問題——翻譯代碼幾乎捕捉不到實際的複雜性，平台的價值來自數十年的軟硬體集成，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的資產結構正在改變。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慧工具以提高營運效率，包括開發名為Goose的自有工具。

Block財務長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。

市場的解讀很清楚：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的評估架構下呈現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、程式設計師等「資訊加工者」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，而是說那些依賴資訊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取代的是“資訊加工”，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現代化專案需要業務範圍界定、技術評估、資料遷移規劃、行為等效性驗證、可觀測性和組織變革管理等多重維度，程式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、做出策略判斷的人類能力，依然稀缺。

第二類是資料資產，它們正成為AI時代的價值高地。隨著生成式AI的快速發展，資料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改變了資料的取得、處理和利用方式，資料資產的價值不僅依賴其內在品質和相關性，還與其在生成式AI框架下的應用情境、轉換能力和市場需求密切相關。

這意味著，資料的獨特性、連續性和可治理性正在成為核心價值維度。一份資料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、高品質資料的企業，正在獲得新的定價權。

第三類是演算法與模型資產。 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，本身就說明演算法正在成為可量化的資產。模型權重、演算法架構、訓練方法論，正成為可辨識、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「資訊不對稱」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，但無法取代它們本身的實體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程式碼本身可以被AI翻譯，但運行COBOL系統的Z系列大型主機從晶片層面建構的交易處理能力、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，「程式碼翻譯捕捉不了實際的複雜性，平台價值來自數十年的軟硬體整合」。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。

第二個特徵是資料護城河。企業是否擁有獨家、持續、可治理的資料資產？是僅使用公開數據，還是能產生別人無法取得的數據？中信銀行已經開始探索用大模型評估資料資產價值，嘗試「資料資產入表」。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——公開的網路數據很快就會被AI模型「消化」完畢，而擁有獨家數據來源的企業，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增強而非取代？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「取代」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台上安全地重構和現代化遺留程式碼，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「資訊處理」作為核心價值、可被標準化流程取代、無數據生成、累積能力。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，較一年前成長近四倍。但香港Web3.0標準化協會在2025年8月發布的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資料可驗證性三點門檻。

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、基礎建設、稀缺資源等。這類資產的價值不依賴資訊處理，而是源自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、光電資產）、GPU等算力資產，都屬於此範疇。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。

第二類是可程式化的資料資產。擁有獨家資料來源且能透過智慧合約自動變現的資產，兼具「資料護城河」與「AI賦能彈性」。白皮書將資料與智慧財產權、碳信用等歸類為無形資產類別。但要警惕的是，並非所有數據都能成為資產──只有那些能持續產生、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」的數位權益結合。例如，商業不動產的產權可以代幣化，但物業的實際營運、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+數位」的雙層結構，既利用了區塊鏈的流動性優勢，也保留了「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估價架構下缺乏議價能力。

五、行動指引：從認知到決策

IBM的400億蒸發，是一個時代的訊號－那些依賴資訊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，可以提出三個可操作的建議。

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、資料護城河、AI賦能彈性——對企業的核心業務單位進行逐一評估。辨識哪些業務最容易在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脆弱資產制定轉型或剝離計畫。這不僅是財務部門的職責，更需要策略部門、技術部門和業務部門的協同合作。

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，而是透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。

最後要特別說明的是，根據中國八部門聯合發布的42號文，在中國大陸境內嚴禁進行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位化實踐。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——不是程式碼，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，資料來源包括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。）