IBM蒸发400亿，Block裁员一半股价反涨：AI时代，什么资产值得代币化？

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。

 

 

 

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。

 

 

 

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。

 

 

 

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”。

 

 

 

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。

 

 

 

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。