IBM 蒸发 400 亿，Block 裁员一半股价反涨。同一个驱动因素，为何有两个截然不同的市场反应？

撰文：RWA 研究院

2026 年 2 月 23 日，一个本该平静的周一，IBM 股价遭遇了自 2000 年 10 月以来最惨烈的单日暴跌。收盘时跌幅定格在 13.2%，约 400 亿美元市值在几个小时内蒸发殆尽。导火索并非财报暴雷，也非监管重锤，而是一则产品公告：AI 新创公司 Anthropic 宣布，其 Claude Code 工具能够将运行在 IBM 系统的 COBOL 程式语言现代化，而 COBOL 恰恰是 IBM 利润丰厚的「护城河」业务。

三天后，相似的剧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 宣布裁员约 4000 人，裁员比例接近 50%，理由同样是 AI 驱动效率提升。但市场的反应却截然不同——Block 股价在盘后交易中一度跳涨超过 24%。Dorsey 在致股东信中坦言：「我相信在未来一年内，大多数公司都会得出同样的结论，并做出类似的结构性调整。」

两个事件，同一个驱动因素——AI；两个截然不同的市场反应——一个暴跌，一个暴涨。这背后究竟发生了什么？答案或许指向一个更深层的命题：AI 正在重新定义「什么是有价值的资产」。对于上市公司高管、投资者和传统企业决策者而言，理解这一重估逻辑，已经不再是前瞻性的战略思考，而是关乎生存的当务之急。

一、同一个 AI，不同的市场判决

要理解这两起事件的反差，需要先看清它们各自的资产结构。

IBM 的暴跌，表面上是 Claude Code 工具的技术威胁，实质上是市场对其核心资产模式的重新定价。COBOL 这门诞生于 20 世纪 50 年代末的编程语言，至今仍支撑着全球约 95% 的 ATM 交易和大量金融、航空、政府等关键领域的核心系统。Anthropic 在博客中写道：「每天有数千亿行 COBOL 代码在生产环境中运行，为关键系统提供动力。尽管如此，懂 COBOL 的人数却逐年减少。」

长期以来，将 COBOL 系统现代化一直是一项复杂且成本高昂的工程，这也成为 IBM 利润丰厚的业务护城河。但 Anthropic 宣称：「借助 AI 的力量，团队无需耗费数年光阴，能够在几季的时间里将 COBOL 代码库现代化。」市场听到的潜台词是：IBM 依赖的人力密集型的系统维护收入、围绕大型机的服务收入，正在被 AI 技术侵蚀。

然而，值得玩味的是，IBM 股价在次日就反弹 2.68%。Wedbush 和 Evercore ISI 等华尔街分析机构迅速出面护盘，称此次暴跌是「毫无根据的过度反应」。他们的理由直指问题的核心：企业客户不可能仅仅因为一个新 AI 工具可以翻译遗留代码，就立即抛弃他们的大型机系统。将代码语法翻译与硬件 - 软件深度集成的系统现代化之间，存在着巨大的鸿沟。

IBM 自己也在同一天发布回应，提出一个关键论点：现代化的挑战不是 COBOL 语言问题，而是 IBM Z 平台问题——翻译代码几乎捕捉不到实际的复杂性，平台的价值来自数十年的软硬件集成，这是代码翻译无法迁移的。

再看 Block 的事件。同样是大规模裁员，同样由 AI 驱动，市场的判决却是上涨 24%。关键在于 Block 的资产结构正在发生变化。自 2024 年以来，Block 一直在重组其商业模式和人员配置，同时大力投资人工智能工具以提高运营效率，包括开发名为 Goose 的自有工具。

Block 首席财务官 Amrita Ahuja 在解释裁员时强调：「我们正在采取大胆果断的行动，但我们是建立在实力基础上的。」这个「实力基础」有数据支撑：2025 年全年毛利润达 103.6 亿美元，同比增长 17%。强劲的财务表现，为公司在此时推进大规模重组提供了缓冲空间。

市场的解读很清晰：Block 不是在 AI 冲击下被动收缩，而是在主动优化资产结构——用更少的「人力资产」换取更高的「技术资产」产出效率。裁员 50% 的同时上调全年指引，意味着单位人力产出的价值正在被 AI 放大。

二、AI 时代，四类资产正在被重新定价

这两个案例揭示了一个正在发生的趋势：AI 正在成为资产价值的「重新定价器」。不同类型的资产，在 AI 的评估框架下呈现出截然不同的价值曲线。

第一类是人力资本密集型资产。IBM 的 COBOL 维护团队、传统分析师、程序员等「信息加工者」的价值正在被 AI 稀释。Anthropic 在介绍 Claude Code 时提到，该工具可以识别「需要人工分析师花费数月时间才能发现的风险」。这并不是说人类不再重要，而是说那些依赖信息不对称和流程性知识的工作，其价值正在被技术压缩。

但需要谨慎看待的是，AI 替代的是「信息加工」，而非「价值创造」。Futurum Group 的分析师 Mitch Ashley 在研究报告中指出，成功的 COBOL 现代化项目需要业务范围界定、技术评估、数据迁移规划、行为等效性验证、可观测性和组织变革管理等多重维度，代码翻译只是其中一环。那些能够驾驭复杂系统、理解业务本质、做出战略判断的人类能力，依然稀缺。

第二类是数据资产，它们正在成为 AI 时代的价值高地。随着生成式 AI 的快速发展，数据的价值属性正在被重塑。Tang 等学者在《PLOS One》发表的研究中指出，生成式 AI 改变了数据的获取、处理和利用方式，数据资产的价值不仅依赖于其内在质量和相关性，还与其在生成式 AI 框架下的应用场景、转化能力和市场需求密切相关。

这意味着，数据的独特性、连续性和可治理性正在成为核心价值维度。一份数据集在一个场景下可能价值极高，在另一个场景下可能毫无用处。能够为 AI 模型训练提供独家、持续、高质量数据的企业，正在获得新的定价权。

第三类是算法与模型资产。OpenAI 与 Paradigm 合作推出的 EVMbench，用于评估 AI 在检测、修补和利用智能合约漏洞方面的能力，本身就说明算法正在成为可量化的资产。模型权重、算法框架、训练方法论，正在成为可识别、可控制、可货币化的无形资产。

第四类是传统有形资产，它们正在经历分化。那些依赖「信息不对称」和「人力中介」的实体资产面临贬值压力，而具备「抗 AI 替代」属性的实体资产——如能源设施、稀缺资源、核心基础设施——价值相对稳定。原因很简单：AI 可以分析和优化这些资产的运营，但无法替代它们本身的物理存在和价值承载功能。

三、从「资产重估」到「AI 免疫」

基于上述分析，企业需要一套系统性的框架，来判断自己的资产在 AI 时代是增值还是贬值。RWA 研究院提出「AI 免疫」资产识别框架，包含三大核心特征。

第一个特征是不可编码性。这是指那些难以被 AI 完全学习或复制的价值要素。COBOL 代码本身可以被 AI 翻译，但运行 COBOL 系统的 Z 系列大型机从芯片层面构建的交易处理能力、量子安全加密、八个九的可靠性，这些是 AI 工具无法复制的。Futurum Group 的研究指出，「代码翻译捕获不了实际的复杂性，平台价值来自数十年的软硬件集成」。同样，线下的场景控制权、隐性的行业知识、复杂的关系网络，这些难以被「编码」的要素，构成了资产的第一道免疫屏障。

第二个特征是数据护城河。企业是否拥有独家、持续、可治理的数据资产？是仅仅使用公开数据，还是能生成别人无法获取的数据？中信银行已经开始探索用大模型评估数据资产价值，尝试「数据资产入表」。这背后的逻辑是：在 AI 时代，数据不仅是生产的原料，更是资产本身。但并非所有数据都有护城河——公开的网络数据很快会被 AI 模型「消化」完毕，而拥有独家数据源的企业，才能在 AI 估值框架下获得溢价。

第三个特征是 AI 赋能弹性。资产本身能否被 AI 增强而非替代？这是区分 IBM 式冲击和 Block 式转型的关键。IBM 的核心业务——维护 COBOL 遗留系统——是被 AI「替代」的对象；而 Block 的业务模式——支付、金融服务——可以被 AI「赋能」。实际上，IBM 自己也开发了 watsonx Code Assistant for Z，这个专用工具允许客户直接在平台上安全地重构和现代化遗留代码，同时保留企业级的安全性。当资产能够与 AI 形成协同而非对抗，其价值就是递增的。

反过来看，AI 脆弱资产也呈现出三个特征：依赖「信息处理」作为核心价值、可被标准化流程替代、无数据生成和积累能力。对照这三个特征，企业可以对自己的资产组合进行「压力测试」。

四、RWA 的新机会：什么资产值得被代币化？

将上述框架延伸到 RWA（现实世界资产代币化）领域，可以得出一个清晰的结论：RWA 不是「什么资产都能上链」，而是在 AI 重估的大潮中，筛选出那些能穿越 AI 周期的硬资产。

2026 年 3 月，链上 RWA 总价值已突破 250 亿美元，较一年前增长近四倍。但香港 Web3.0 标准化协会在 2025 年 8 月发布的 RWA 产业白皮书中明确指出：「万物皆可 RWA 是一个伪命题」。成功实现规模化落地的资产需要满足价值稳定性、法律确权清晰性及链下数据可验证性三大门槛。

结合「AI 免疫」框架，我们可以进一步细化为：值得代币化的资产，首先是那些在 AI 重估中价值稳定的资产。

第一类是具备「AI 免疫」特征的实体资产。包括能源资产、基础设施、稀缺资源等。这类资产的价值不依赖于信息处理，而是源于物理存在和实际效用。白皮书中提到的新能源 RWA（如充电桩、光伏资产）、GPU 等算力资产，都属于这一范畴。其中 GPU 算力资产凭借 AI 产业的「刚性需求」和可信的「数字基因」，正在成为 RWA 的理想锚定资产。

第二类是可编程的数据资产。拥有独家数据源且能通过智能合约自动变现的资产，兼具「数据护城河」和「AI 赋能弹性」。白皮书将数据与知识产权、碳信用等归为无形资产类别。但需要警惕的是，并非所有数据都能成为资产——只有那些能够持续生成、可确权、可验证的数据，才具备代币化的基础。

第三类是混合型资产，将「不可编码」的物理控制权与「可编程」的数字权益结合。例如，商业地产的产权可以代币化，但物业的实际运营、维护、租赁——这些线下场景的控制权——依然掌握在专业机构手中。这种「物理 + 数字」的双层结构，既利用了区块链的流动性优势，又保留了「AI 免疫」的线下价值锚点。

反之，有两类资产在 AI 时代需要谨慎对待代币化。一类是高度依赖人力中介的金融资产，其价值容易被 AI 压缩；另一类是无数据护城河的标准化资产，在 AI 估值框架下缺乏议价能力。

五、行动指引：从认知到决策

IBM 的 400 亿蒸发，是一个时代的信号——那些依赖信息不对称和人力堆砌的资产，正在被 AI 重新标价。Block 的逆势上涨，是另一个时代的号角——能够拥抱 AI、优化资产结构的企业，正在获得市场的重新定价。

对于上市公司和传统企业的决策者而言，这不仅是技术焦虑，而是资产价值体系的根本性重构。CEO 们需要回答一个无法回避的问题：我的资产组合，在 AI 眼里值多少钱？

基于本文的分析，可以提出三条可操作的建议。

第一，立即启动资产的「AI 压力测试」。对照「AI 免疫」框架的三个特征——不可编码性、数据护城河、AI 赋能弹性——对企业的核心业务单元进行逐一评估。识别哪些业务最容易在 AI 冲击下价值缩水，哪些业务可能获得 AI 的放大效应。

第二，建立动态的资产组合管理机制。在 AI 重估的背景下，资产配置不再是「买入并持有」的静态策略。企业需要有意识地增加「AI 免疫」资产的比重，同时对那些 AI 脆弱资产制定转型或剥离计划。这不仅仅是财务部门的职责，更需要战略部门、技术部门和业务部门的协同。

第三，重新审视 RWA 战略。在考虑资产代币化之前，先用「AI 免疫」框架筛选底层资产。RWA 的核心价值不是「上链」本身，而是通过代币化为优质资产获得更好的流动性和定价效率。如果底层资产本身在 AI 时代就是贬值的，那么代币化只是在加速价值的流失。

最后需要特别说明的是，根据中国八部门联合发布的 42 号文，在中国大陆境内严禁开展任何形式的代币发行和代币化交易。本文讨论的 RWA 代币化，仅指境外合规框架下的资产数字化实践。企业在探索相关业务时，必须严格遵守「境内严禁、境外备案」的监管红线。

当 AI 开始为资产定价，唯一的安全感，来自那些 AI 无法定价的东西——不是代码，不是数据，而是人类对价值的判断力本身。

（本文基于公开资料和数据撰写，数据来源包括 Nasdaq、腾讯新闻、Futurum Group、PLOS One、21 财经、工商时报等权威媒体和研究机构。文中观点不构成任何投资建议。）