23 Februari 2026, hari Senin yang seharusnya tenang, saham IBM mengalami penurunan satu hari terburuk sejak Oktober 2000. Pada penutupan, penurunan berhenti di 13,2%, sekitar 400 miliar dolar AS市值 menguap dalam beberapa jam. Pemicunya bukanlah laporan keuangan yang buruk, atau pukulan regulasi, melainkan sebuah pengumuman produk: perusahaan rintisan AI Anthropic mengumumkan bahwa alat Claude Code-nya dapat memodernisasi bahasa pemrograman COBOL yang berjalan di sistem IBM, dan COBOL justru merupakan bisnis "parit pertahanan" IBM yang sangat menguntungkan.
Tiga hari kemudian, drama serupa terjadi dengan cara yang sepenuhnya berlawanan. Pada 26 Februari, perusahaan fintech Block milik Jack Dorsey mengumumkan pemutusan hubungan kerja (PHK) sekitar 4000 orang, proporsi PHK mendekati 50%, dengan alasan peningkatan efisiensi yang didorong AI. Namun reaksi pasar justru sangat berbeda — saham Block melonjak lebih dari 24% dalam perdagangan setelah jam pasar. Dorsey dalam suratnya kepada pemegang saham mengakui: "Saya percaya dalam waktu satu tahun ke depan, sebagian besar perusahaan akan sampai pada kesimpulan yang sama, dan melakukan penyesuaian struktural serupa."
Dua peristiwa, satu faktor penggerak — AI; dua reaksi pasar yang sangat berbeda — satu anjlok, satu melonjak. Apa yang sebenarnya terjadi di balik ini? Jawabannya mungkin mengarah pada proposisi yang lebih dalam: AI sedang mendefinisikan ulang 'apa itu aset yang berharga'. Bagi eksekutif perusahaan publik, investor, dan pengambil keputusan perusahaan tradisional, memahami logika penilaian ulang ini, bukan lagi pemikiran strategis yang visioner, melainkan keharusan yang menyangkut kelangsungan hidup.
一、AI yang Sama, Putusan Pasar yang Berbeda
Untuk memahami kontras kedua peristiwa ini, perlu melihat struktur aset mereka masing-masing terlebih dahulu.
Anjloknya IBM, secara permukaan adalah ancaman teknis dari alat Claude Code, tetapi pada dasarnya adalah penetapan harga ulang oleh pasar terhadap model aset intinya. Bahasa pemrograman COBOL yang lahir pada akhir 1950-an ini, hingga kini masih mendukung sekitar 95% transaksi ATM global dan sejumlah besar sistem inti di bidang-bidang kunci seperti keuangan, penerbangan, pemerintah. Anthropic dalam blognya menulis: "Setiap hari, miliaran baris kode COBOL berjalan di lingkungan produksi, memberikan tenaga untuk sistem-sistem kritis. Meskipun demikian, jumlah orang yang memahami COBOL justru berkurang dari tahun ke tahun."
Selama ini, memodernisasi sistem COBOL selalu merupakan rekayasa yang kompleks dan berbiaya tinggi, dan ini menjadi parit pertahanan bisnis IBM yang sangat menguntungkan. Tetapi Anthropic menyatakan: "Dengan kekuatan AI, tim tidak perlu menghabiskan waktu bertahun-tahun, dapat memodernisasi basis kode COBOL dalam hitungan kuartal." Pesan tersirat yang didengar pasar adalah: pendapatan pemeliharaan sistem IBM yang bergantung pada manusia secara intensif, pendapatan layanan seputar mainframe, sedang terkikis oleh teknologi AI.
Namun, yang menarik, saham IBM memantul 2,68% pada keesokan harinya. Lembaga analisis Wall Street seperti Wedbush dan Evercore ISI dengan cepat tampil membela, menyebut anjloknya saham ini sebagai "reaksi berlebihan yang tidak berdasar". Alasan mereka menunjuk pada inti permasalahan: klien perusahaan tidak mungkin serta merta meninggalkan sistem mainframe mereka hanya karena sebuah alat AI baru dapat menerjemahkan kode warisan. Terdapat jurang yang besar antara menerjemahkan sintaks kode dengan modernisasi sistem yang terintegrasi mendalam perangkat keras-perangkat lunak.
IBM sendiri juga merilis tanggapan pada hari yang sama, mengajukan argumen kunci: tantangan modernisasi bukanlah masalah bahasa COBOL, melainkan masalah platform IBM Z — menerjemahkan kode hampir tidak dapat menangkap kompleksitas sebenarnya, nilai platform berasal dari integrasi perangkat lunak dan keras selama puluhan tahun, ini tidak dapat dimigrasikan oleh penerjemahan kode.
Lihat lagi peristiwa Block. PHK besar-besaran yang sama-sama didorong AI, putusan pasar justru naik 24%. Kuncinya adalah struktur aset Block sedang berubah. Sejak 2024, Block terus melakukan restrukturisasi model bisnis dan konfigurasi personelnya, sambil berinvestasi besar-besaran pada alat-alat kecerdasan buatan untuk meningkatkan efisiensi operasional, termasuk mengembangkan alat sendiri bernama Goose.
Chief Financial Officer Block Amrita Ahuja dalam menjelaskan PHK menekankan: "Kami sedang mengambil tindakan berani dan tegas, tetapi kami membangun di atas dasar kekuatan." "Dasar kekuatan" ini didukung data: laba kotor tahunan 2025 mencapai 10,36 miliar dolar AS, meningkat 17% dibandingkan tahun sebelumnya. Kinerja keuangan yang kuat ini memberikan ruang penyangga bagi perusahaan untuk mendorong restrukturisasi besar-besaran pada saat ini.
Interpretasi pasar sangat jelas: Block tidak berkontraksi secara pasif di bawah dampak AI, melainkan mengoptimalkan struktur aset secara aktif — menggunakan lebih sedikit "aset manusia" untuk mendapatkan efisiensi hasil "aset teknologi" yang lebih tinggi. PHK 50% sambil menaikkan panduan tahunan, berarti nilai hasil per unit tenaga manusia sedang diperbesar oleh AI.
二、Era AI, Empat Jenis Aset Sedang Dinilai Ulang
Dua kasus ini mengungkapkan tren yang sedang terjadi: AI sedang menjadi "penilai ulang harga" nilai aset. Jenis aset yang berbeda, dalam kerangka penilaian AI menunjukkan kurva nilai yang sangat berbeda.
Kelas pertama adalah aset intensif modal manusia. Nilai tim pemeliharaan COBOL IBM, analis tradisional, programmer, dan "pengolah informasi" lainnya sedang diencerkan oleh AI. Anthropic dalam memperkenalkan Claude Code menyebutkan, alat ini dapat mengidentifikasi "risiko yang membutuhkan waktu berbulan-bulan bagi analis manusia untuk menemukannya". Ini bukan berarti manusia tidak penting lagi, melainkan nilai pekerjaan yang bergantung pada asimetri informasi dan pengetahuan prosedural, sedang dikompresi oleh teknologi.
Namun yang perlu dilihat dengan hati-hati adalah, AI menggantikan "pengolahan informasi", bukan "penciptaan nilai". Analis Futurum Group Mitch Ashley dalam laporan penelitiannya指出, proyek modernisasi COBOL yang berhasil membutuhkan cakupan bisnis, penilaian teknis, perencanaan migrasi data, verifikasi kesetaraan perilaku, kemampuan observasi dan manajemen perubahan organisasi serta banyak dimensi lainnya, penerjemahan kode hanyalah salah satu bagiannya. Kemampuan manusia yang dapat mengendalikan sistem kompleks, memahami esensi bisnis, membuat penilaian strategis, masih langka.
Kelas kedua adalah aset data, mereka sedang menjadi dataran tinggi nilai di era AI. Seiring dengan perkembangan pesat AI generatif,属性 nilai data sedang dibentuk ulang. Peneliti Tang dkk dalam penelitian yang diterbitkan di 《PLOS One》指出, AI generatif mengubah cara memperoleh, memproses, dan memanfaatkan data, nilai aset data tidak hanya bergantung pada kualitas dan relevansi intrinsiknya, tetapi juga berkaitan erat dengan场景 penerapan, kemampuan transformasi, dan permintaan pasar dalam kerangka AI generatif.
Ini berarti, keunikan, kelangsungan, dan kemampuan tata kelola data sedang menjadi dimensi nilai inti. Satu set data dalam satu场景 mungkin bernilai sangat tinggi, dalam场景 lain mungkin tidak berguna sama sekali. Perusahaan yang dapat menyediakan data eksklusif, berkelanjutan, dan berkualitas tinggi untuk pelatihan model AI, sedang mendapatkan kekuatan penetapan harga baru.
Kelas ketiga adalah algoritma dan aset model. EVMbench yang diluncurkan oleh OpenAI bekerja sama dengan Paradigm, digunakan untuk mengevaluasi kemampuan AI dalam mendeteksi, memperbaiki, dan memanfaatkan kerentanan kontrak pintar,本身说明 algoritma sedang menjadi aset yang dapat diukur. Bobot model, kerangka algoritma, metodologi pelatihan, sedang menjadi aset tidak berwujud yang dapat diidentifikasi, dikendalikan, dan dimonetisasi.
Kelas keempat adalah aset berwujud tradisional, mereka sedang mengalami diferensiasi. Aset berwujud yang bergantung pada "asimetri informasi" dan "perantara manusia" menghadapi tekanan depresiasi, sedangkan aset berwujud dengan属性 "tahan penggantian AI" — seperti fasilitas energi, sumber daya langka, infrastruktur inti — nilainya relatif stabil. Alasannya sederhana: AI dapat menganalisis dan mengoptimalkan operasi aset-aset ini, tetapi tidak dapat menggantikan fungsi keberadaan fisik dan pembawa nilai mereka本身.
三、Dari "Penilaian Ulang Aset" ke "Kekebalan AI"
Berdasarkan analisis di atas, perusahaan membutuhkan一套 kerangka sistematis, untuk menilai apakah aset mereka di era AI akan bertambah nilainya atau berkurang. RWA Research Institute mengajukan kerangka identifikasi aset "Kekebalan AI", mencakup tiga karakteristik inti.
Karakteristik pertama adalah ketidakmampuan pengkodean. Ini mengacu pada elemen nilai yang sulit dipelajari atau disalin sepenuhnya oleh AI. Kode COBOL本身 dapat diterjemahkan oleh AI, tetapi kemampuan pemrosesan transaksi yang dibangun dari tingkat chip mainframe seri Z yang menjalankan sistem COBOL, enkripsi keamanan kuantum, keandalan delapan sembilan, ini tidak dapat disalin oleh alat AI. Penelitian Futurum Group指出, "penerjemahan kode tidak dapat menangkap kompleksitas sebenarnya, nilai platform berasal dari integrasi perangkat lunak dan keras selama puluhan tahun". Demikian pula, kendali场景 offline, pengetahuan industri implisit, jaringan hubungan kompleks, elemen-elemen yang sulit "dikodekan" ini, membentuk penghalang kekebalan pertama aset.
Karakteristik kedua adalah parit pertahanan data. Apakah perusahaan memiliki aset data yang eksklusif, berkelanjutan, dan dapat ditata? Hanya menggunakan data publik, atau dapat menghasilkan data yang tidak dapat diperoleh orang lain? Bank China CITIC telah mulai mengeksplorasi penggunaan model besar untuk menilai nilai aset data, mencoba "pencatatan aset data". Logika di balik ini adalah: di era AI, data bukan hanya bahan baku produksi, melainkan aset本身. Tetapi tidak semua data memiliki parit pertahanan — data jaringan publik akan cepat "dicerna" habis oleh model AI, sedangkan perusahaan yang memiliki sumber data eksklusif,才能 mendapatkan premium dalam kerangka penilaian AI.
Karakteristik ketiga adalah elastisitas pemberdayaan AI. Dapatkah aset本身 ditingkatkan oleh AI alih-alih digantikan? Ini adalah kunci untuk membedakan dampak ala IBM dan transformasi ala Block. Bisnis inti IBM — memelihara sistem warisan COBOL — adalah objek yang "digantikan" oleh AI; sedangkan model bisnis Block — pembayaran, layanan keuangan — dapat "diberdayakan" oleh AI. Sebenarnya, IBM sendiri juga mengembangkan watsonx Code Assistant for Z, alat khusus ini memungkinkan klien merekonstruksi dan memodernisasi kode warisan dengan aman langsung di platform, sambil mempertahankan keamanan tingkat perusahaan. Ketika aset dapat membentuk sinergi dengan AI alih-alih对抗, nilainya就是递增的.
Sebaliknya, aset rentan AI juga menunjukkan tiga karakteristik: bergantung pada "pemrosesan informasi" sebagai nilai inti, dapat digantikan oleh proses standar, tidak memiliki kemampuan pembuatan dan akumulasi data. Dengan membandingkan ketiga karakteristik ini, perusahaan dapat melakukan "uji tekanan" terhadap portofolio aset mereka.
四、Peluang Baru RWA: Aset Apa yang Layak Dijadikan Token?
Memperluas kerangka di atas ke bidang RWA (Tokenisasi Aset Dunia Nyata), dapat ditarik kesimpulan yang jelas: RWA bukanlah "aset apa pun dapat di-chain", melainkan menyaring aset-aset keras yang dapat melewati siklus AI dalam gelombang penilaian ulang AI.
Pada Maret 2026, total nilai RWA on-chain telah突破 250 miliar dolar AS, meningkat hampir empat kali lipat dibandingkan setahun sebelumnya. Tetapi Asosiasi Standardisasi Web3.0 Hong Kong dalam Buku Putih Industri RWA yang dirilis pada Agustus 2025 dengan jelas menyatakan: "Segala sesuatu dapat di-RWA adalah proposisi palsu". Aset yang berhasil diimplementasikan dalam skala besar需要 memenuhi三大 ambang batas: stabilitas nilai, kejelasan penetapan hak hukum, dan kemampuan verifikasi data off-chain.
Dikombinasikan dengan kerangka "Kekebalan AI", kita dapat进一步 merincinya menjadi: aset yang layak di-token, pertama-tama adalah aset yang nilainya stabil dalam penilaian ulang AI.
Kelas pertama adalah aset berwujud dengan karakteristik "Kekebalan AI". Termasuk aset energi, infrastruktur, sumber daya langka, dll. Nilai aset jenis ini tidak bergantung pada pemrosesan informasi, melainkan berasal dari keberadaan fisik dan utilitas aktual. Buku Putih menyebutkan RWA energi baru (seperti titik pengisian daya, aset fotovoltaik), aset daya komputasi GPU, dll., semuanya termasuk dalam kategori ini. Di antaranya, aset daya komputasi GPU dengan "permintaan kaku" industri AI dan "gen digital" yang可信, sedang menjadi aset jangkar ideal RWA.
Kelas kedua adalah aset data yang dapat diprogram. Aset yang memiliki sumber data eksklusif dan dapat dimonetisasi secara otomatis melalui kontrak pintar,兼具 "parit pertahanan data" dan "elastisitas pemberdayaan AI". Buku Putih mengkategorikan data bersama kekayaan intelektual, kredit karbon, dll. sebagai kategori aset tidak berwujud. Tetapi yang perlu diwaspadai adalah, tidak semua data dapat menjadi aset — hanya data yang dapat dihasilkan secara berkelanjutan, dapat ditetapkan haknya, dan dapat diverifikasi, yang memiliki dasar tokenisasi.
Kelas ketiga adalah aset hibrida, menggabungkan kendali fisik "tidak dapat dikodekan" dengan权益 digital "dapat diprogram". Misalnya, hak milik properti komersial dapat di-token, tetapi operasi, pemeliharaan, penyewaan properti yang sebenarnya — kendali场景 offline ini — masih dipegang oleh lembaga profesional. Struktur双层 "fisik + digital" ini,既 memanfaatkan keunggulan likuiditas blockchain,又 mempertahankan titik jangkar nilai offline "Kekebalan AI".
Sebaliknya, ada dua jenis aset yang perlu ditangani dengan hati-hati terkait tokenisasi di era AI. Satu adalah aset keuangan yang sangat bergantung pada perantara manusia, nilainya mudah dikompresi oleh AI; yang lainnya adalah aset standar tanpa parit pertahanan data, yang缺乏 kemampuan tawar dalam kerangka penilaian AI.
五、Panduan Tindakan: Dari Kognisi ke Pengambilan Keputusan
Menguapnya 400 miliar IBM, adalah sinyal sebuah era — aset-aset yang bergantung pada asimetri informasi dan tumpukan manusia, sedang diberi harga baru oleh AI. Kenaikan逆势 Block, adalah tanduk era lain — perusahaan yang dapat merangkul AI, mengoptimalkan struktur aset, sedang mendapatkan penetapan harga ulang oleh pasar.
Bagi pengambil keputusan perusahaan publik dan perusahaan tradisional, ini bukan hanya kecemasan teknologi, melainkan restrukturisasi fundamental sistem nilai aset. CEO perlu menjawab pertanyaan yang tidak dapat dihindari: Portofolio aset saya, di mata AI berapa harganya?
Berdasarkan analisis dalam artikel ini, dapat diajukan tiga saran yang dapat dioperasionalkan.
Pertama, segera luncurkan "uji tekanan AI" pada aset. Bandingkan tiga karakteristik kerangka "Kekebalan AI" — ketidakmampuan pengkodean, parit pertahanan data, elastisitas pemberdayaan AI — lakukan evaluasi satu per satu pada unit bisnis inti perusahaan. Identifikasi bisnis mana yang paling mudah menyusut nilainya di bawah dampak AI, bisnis mana yang mungkin mendapatkan efek penguatan dari AI.
Kedua, bangun mekanisme manajemen portofolio aset yang dinamis. Dalam latar belakang penilaian ulang AI, alokasi aset bukan lagi strategi statis "beli dan pegang". Perusahaan perlu dengan sengaja menambah proporsi aset "Kekebalan AI", sementara membuat rencana transformasi atau pelepasan untuk aset rentan AI tersebut. Ini bukan hanya tanggung jawab departemen keuangan,更需要 kolaborasi departemen strategi, teknologi, dan bisnis.
Ketiga, tinjau ulang strategi RWA. Sebelum mempertimbangkan tokenisasi aset, gunakan kerangka "Kekebalan AI" untuk menyaring aset dasar terlebih dahulu. Nilai inti RWA bukanlah "on-chain"本身, melainkan mendapatkan likuiditas dan efisiensi penetapan harga yang lebih baik untuk aset berkualitas melalui tokenisasi. Jika aset dasar本身 nilainya menyusut di era AI, maka tokenisasi hanya mempercepat hilangnya nilai.
Terakhir perlu特别 dijelaskan, sesuai dengan Dokumen 42 yang dirilis bersama oleh delapan departemen China, di wilayah daratan China dilarang keras melakukan segala bentuk penerbitan token dan perdagangan tokenisasi. RWA tokenisasi yang dibahas dalam artikel ini, hanya mengacu pada praktik digitalisasi aset dalam kerangka kepatuhan di luar negeri. Perusahaan dalam mengeksplorasi bisnis terkait, harus secara ketat mematuhi batasan regulasi "dilarang keras di dalam negeri, didaftarkan di luar negeri".
Ketika AI mulai menilai harga aset, satu-satunya rasa aman, berasal dari hal-hal yang tidak dapat dinilai harga oleh AI — bukan kode, bukan data, melainkan kemampuan penilaian nilai manusia本身.
(Artikel ini ditulis berdasarkan materi dan data publik, sumber data termasuk media dan lembaga penelitian otoritatif seperti Nasdaq,腾讯新闻, Futurum Group, PLOS One, 21财经,工商时报, dll. Pandangan dalam artikel tidak构成 saran investasi apa pun.)
