•
一夜蒸發 310 億美元！Claude 新工具干翻 IBM 搖錢樹，AI 正在「清零」人類工位
如果你想摧毀一家公司，不需要打敗它，只需要讓人相信它可以被打敗。
截至周一美股收盤，IBM 股價暴跌 13.1%，報每股 223 美元，創下 2000 年網際網路泡沫破裂以來最大單日跌幅。當天市值從 2408 億美元跌至約 2087 億美元，蒸發了約 310 億美元。
是財報暴雷了嗎？不是。
是重要大客戶跑路了嗎？也沒有。
這一切的導火索，僅僅是 AI 公司 Anthropic 當天發佈的一篇部落格，宣佈旗下程式設計工具 Claude Code 可以幫助改造 COBOL 老舊系統，直接戳中了 IBM 最核心、最賺錢的遺留系統諮詢業務。
沒有人證明 IBM 的生意垮了，但在恐慌的市場面前，已經不需要證據了。
COBOL 是 IBM 的護城河，現在被 AI 盯上了
要理解 IBM 為什麼跌得這麼慘，得先搞清楚 COBOL 是什麼，以及 IBM 靠它賺的是什麼錢。
COBOL 是一種誕生於 20 世紀 50 年代的程式語言，今天仍在驅動美國約 95% 的 ATM 交易，以及大量銀行、政府、航空系統的日常運轉。
IBM 長期銷售針對 COBOL 最佳化的大型主機，並圍繞它提供改造和諮詢服務。
這門生意之所以賺錢，根源在於改造難度極高。讀懂幾十年沒有文件的老程式碼，往往要顧問團隊花上數年時間。這種高昂的理解成本，就是 IBM 最核心的競爭壁壘。
Anthropic 的部落格說，Claude Code 可以自動梳理數千行程式碼之間的依賴關係，補全那些早已沒人記得的工作流文件，還能識別出人工分析師要花幾個月才能發現的系統風險。
它進一步宣稱，原本以年計的現代化項目，用 AI 可以壓縮到幾個季度。
當市場聽到這個消息後，立刻作出了反應：長期駐場、大團隊、以年計費——這套模式賺錢，是因為客戶沒有別的選擇。一旦 AI 提供了另一種可能，IBM 和客戶之間的議價天平，就不再是原來那個樣子了。
這也讓 IBM 的處境因此顯得格外敏感。
2025 年全年，IBM 諮詢業務收入約 210.55 億美元，基礎設施收入約 157.18 億美元，生成式 AI 累計簽約規模也超過了 125 億美元。當理解遺留程式碼這件事的成本被大模型顯著壓低，這些收入的含金量在市場眼中就打了折扣。
有意思的是，IBM 和 Anthropic 其實並不是單純的對手。
2025 年 10 月，兩家公司曾宣佈戰略合作，把 Claude 整合進 IBM 的開發工具體系，內部有超過 6000 名早期使用者報告平均生產力提升約 45%。同一種技術，既可能成為 IBM 自我改造的工具，也被看作顛覆它的武器。
但在拋售情緒主導的當天，市場選擇了後者。
IBM 暴跌其實不是這輪動盪的起點。早在 2 月 20 日，網路安全類股就已經經歷了一次集體閃崩，那天后來被一些分析師稱為軟體行業的「黑色星期五」。
導火索是 Anthropic 宣佈推出 Claude Code Security。
部落格地址：https://www.anthropic.com/news/claude-code-security
這款工具能自動掃描程式碼庫中的安全漏洞，生成補丁供人工審查，並將原本由專業安全工具負責的漏洞掃描、軟體成分分析等功能，直接內建進了開發者的日常工作流。
市場的反應同樣非常強烈。
JFrog 當天單日暴跌 24.61%，因為它的核心業務高度依賴軟體供應鏈的管控，而這恰好是 AI Agent 最容易切入的領域。
CrowdStrike、Cloudflare、Okta、Zscaler 等公司雖然主營業務並不是程式碼掃描，但也因為情緒「傳染」出現了明顯下跌，整個類股單日蒸發上百億美元，追蹤網路安全 ETF 的 BUG 基金跌至兩年多以來的最低點。
當然，不少理智的分析師站出來反駁，說這種拋售毫無邏輯。
比如摩根大通認為，投資者的擔憂被過度誇大。Wedbush Securities 的分析師措辭嚴厲地表示，這是自己職業生涯中見過的「最不合邏輯的交易」。
他們的理由有一定說服力。
AI 在幫助防守者掃漏洞的同時，也在幫助攻擊者找漏洞。到 2026 年，駭客已經開始用大模型發起更精準的釣魚攻擊，開發自動化的攻擊 Agent，甚至針對企業內部的 AI 模型實施「提示詞注入」和「記憶體投毒」。
更棘手的是，企業內部大量未經授權部署的 AI Agent，一旦擁有操作內部系統和訪問敏感資料的權限，本身就成了安全隱患。這意味著安全的需求非但沒有消失，反而在擴張。
CrowdStrike 提供的端點保護、Zscaler 提供的零信任網路訪問、各類身份與訪問管理工具，恰恰是應對這些新型 AI 威脅所必須依賴的基礎設施。
SaaS 最不願承認，但正在發生的事
APPSO 之前也報導過，AI 對整個 SaaS 行業造成了很大的衝擊。
而 IBM 和安全股的動盪，是整個企業軟體行業更大危機的一個切面。過去二十年，SaaS 行業的繁榮建立在一個簡單邏輯上：企業員工越多，買的軟體席位就越多，供應商的訂閱收入就越穩。
AI Agent 的出現打破了這個等式。
以 Claude Cowork 為例，它能自主跨系統導航，獨立完成資料錄入、線索評分、多步驟業務審批等工作，企業不再需要維持大規模的基層操作團隊。
一個原本需要五個人各自登錄帳號的財務部門，現在可能一個主管配合 AI 工具就夠了，那四個席位的訂閱費自然隨之消失。這種現像是 SaaS 廠商目前面臨的最直接威脅。
在這場轉型中，處境最危險的是那些提供通用功能、主要服務中小企業的 SaaS 廠商，比如 HubSpot、Atlassian、Asana。這類產品的工作流相對標準化，很容易被 AI 直接模仿替代。
越是那些功能通用、流程標準化的軟體（比如排日程、管任務的），越容易被 AI 直接平替。
這種衝擊不只停留在大公司層面，對普通創業者也是一種降維打擊。
一位名叫 Ira Bodnar 的創業者在 X 平台發了一篇名為《Claude 殺死所有創業公司》的帖子，迅速獲得了超過 300 萬次閱讀。
她兩個月前剛做出一款幫企業自動管理Google和 Meta 廣告帳戶的 AI 產品，付費客戶幾百個，成交率高達 70%，增長勢頭很好。一天早上醒來，她發現成交率跌到了 20%。
原因很簡單：Anthropic 同期推出了 Meta 廣告連接器。功能還不完整，只能做分析、無法直接操作帳戶，但客戶已經開始觀望。Bodnar 在帖子裡寫道：「再過幾個月它就能做到了，所以繼續在這裡開發感覺意義不大。」
IBM 失去的是估值，Bodnar 失去的是整個產品類別存在的理由。相比之下，更難被計算進股價、也更難被寫進報告的，是那些正在消失的普通崗位。
畢竟，股價跌了還能漲回來，但就業市場的變化，慢刀子割肉，卻真實得多。當企業不再需要那麼多人去堆砌工作量時，最先遭殃的，是那些還沒上桌的年輕人。
史丹佛大學數字經濟實驗室的研究指出，在受 AI 影響最明顯的職業裡，22 至 25 歲年輕畢業生的就業率相對下降了 13%，但與此同時，那些有豐富經驗的高級架構師，飯碗依然很穩。
這個分化說明 AI 沒有像科幻電影裡那樣消滅所有人類崗位，只是悄悄從底部開始，把新人的崗位削沒了——以前，剛畢業的程式設計師總是靠寫寫簡單的基礎程式碼、修修不痛不癢的 Bug，一步步攢經驗往上爬。
現在，這些「髒活累活」全是 AI Agent 的統治區。
包括很多大廠現在很默契：我不大規模裁員，但如果有人辭職了，我絕對不再招新人，直接拿 AI 頂上空缺。
對此，學生的選擇，已經說明了他們對市場的判斷。麻省理工學院的資料顯示，其入門程式設計課程在 2022 學年達到峰值後持續下滑，傳統電腦科學專業註冊人數從 823 人跌至 672 人，降幅超過 18%。
與此同時，MIT 2022 年新設的「人工智慧與決策」專業，註冊人數從 37 人暴增到 372 人，漲了約十倍。杜克大學的 CS 入門課註冊人數同期下降約 20%，普林斯頓 CS 專業大三大四學生數量也出現了相似幅度的下滑。
同樣是在 IBM 暴跌的同期，一篇由 Citrini Research 發佈的部落格《2028 年全球智能危機》在 X 平台上火了，收穫了 2000 萬+的閱讀量。
作者假裝站在 2028 年往回看，描繪的圖景並不樂觀。企業用 AI 裁人，省下來的錢繼續買 AI，更強的 AI 讓下一輪裁員成為可能，被裁的人消費變少，企業收入下滑，又得靠 AI 進一步壓縮成本。
一圈又一圈，沒有盡頭。
作者自己也說，這只是一個思想實驗，不是預言。但讀完這篇文章再看今天的新聞，很難說它描述的東西完全是想像。SaaS 公司的訂閱收入在壓縮，IT 外包行業開始被質疑存在的必要性，應屆生找工作越來越難——傳導鏈條的前幾環，已經隱約可見。
國際貨幣基金組織估計，全球約四成就業都暴露在 AI 的影響範圍之內，部分崗位會被增強，部分面臨萎縮，最終走向取決於各行業的互補程度與政策應對。
世界經濟論壇預測，到 2030 年新技術淨創造的崗位約 7800 萬個，但這個再分配的過程，必然伴隨大量摩擦和痛苦。
我們總喜歡用顛覆、炸鍋、王炸等聳人聽聞的詞彙來描述 AI 所帶來的衝擊，在我看來，這些詞都用錯了方向——AI 帶來的變化，更像是漲潮。
漲潮不挑對象，不講立場，不管你是 IBM 這樣的百年巨頭還是 Bodnar 這樣的獨立創業者，水平線統一往上走。有人站在高地，有人站在灘塗，退潮之後才知道誰在裸泳——問題是，這次潮水好像沒有退的跡象。
MIT 的學生已經在悄悄更換就業方向，大廠們同樣在默默等人自然離職然後不再補招，Citrini 那篇文章的閱讀量之所以能突破 2000 萬，也是因為太多人在裡面看到了自己隱約感覺到、但還沒說出口的那種不安。
不安本身不是壞事。它至少說明，潮水還沒把人完全淹沒，還有時間想清楚自己站在那裡，又到底該如何在機器面前，找到自己那個沒法被替代的位置。 (APPSO)