Vào ngày 23 tháng 2 năm 2026, một thứ Hai vốn dĩ bình yên, giá cổ phiếu của IBM đã trải qua đợt giảm mạnh nhất kể từ tháng 10 năm 2000 trong ngày giao dịch. Đến cuối ngày, mức giảm dừng lại ở 13,2%, khoảng 40 tỷ USD vốn hóa thị trường đã bốc hơi trong vòng vài giờ. Nguyên nhân không phải do báo cáo tài chính xấu hoặc bị xử phạt bởi cơ quan quản lý, mà là một thông báo sản phẩm: công ty khởi nghiệp AI Anthropic tuyên bố rằng công cụ Claude Code của họ có thể hiện đại hóa các chương trình COBOL chạy trên hệ thống của IBM, trong khi COBOL chính là “hàng rào lợi nhuận” đã giúp IBM duy trì lợi thế cạnh tranh.
Chỉ sau ba ngày, câu chuyện tương tự lại diễn ra theo một chiều hoàn toàn ngược lại. Ngày 26 tháng 2, công ty Fintech của Jack Dorsey, Block, thông báo cắt giảm khoảng 4.000 nhân viên, gần 50% tổng số, với lý do cũng là để nâng cao hiệu quả nhờ AI. Nhưng phản ứng của thị trường lại hoàn toàn khác biệt — giá cổ phiếu của Block trong phiên giao dịch sau giờ đóng cửa đã tăng hơn 24%. Trong thư gửi cổ đông, Dorsey thẳng thắn chia sẻ: “Tôi tin rằng trong vòng một năm tới, phần lớn các công ty sẽ đi đến cùng một kết luận này và thực hiện các điều chỉnh cấu trúc tương tự.”
Hai sự kiện, cùng một động lực thúc đẩy — AI; hai phản ứng thị trường hoàn toàn trái ngược — một giảm mạnh, một tăng vọt. Vậy đằng sau đó đã xảy ra điều gì? Câu trả lời có thể chỉ ra một vấn đề sâu xa hơn: AI đang định nghĩa lại “điều gì là tài sản có giá trị”. Đối với các lãnh đạo công ty niêm yết, nhà đầu tư và các nhà ra quyết định doanh nghiệp truyền thống, việc hiểu rõ quá trình định giá lại này không còn là một suy nghĩ chiến lược dự báo nữa, mà đã trở thành một vấn đề sống còn.
Một, cùng một AI, các thị trường đưa ra các phán xét khác nhau
Để hiểu rõ sự trái chiều của hai sự kiện này, cần phải nhìn rõ cấu trúc tài sản của từng bên.
Việc giá cổ phiếu IBM giảm mạnh là do trên bề mặt là mối đe dọa về mặt công nghệ từ công cụ Claude Code, nhưng thực chất là thị trường đang định giá lại mô hình tài sản cốt lõi của họ. COBOL, ngôn ngữ lập trình ra đời vào cuối những năm 1950, vẫn duy trì vai trò chủ đạo trong khoảng 95% các giao dịch ATM toàn cầu và nhiều hệ thống lõi quan trọng trong lĩnh vực tài chính, hàng không, chính phủ. Anthropic viết trong blog rằng: “Hàng nghìn tỷ dòng mã COBOL đang vận hành trong môi trường sản xuất mỗi ngày, cung cấp năng lượng cho các hệ thống quan trọng. Tuy nhiên, số người hiểu COBOL ngày càng giảm theo từng năm.”
Trong thời gian dài, việc hiện đại hóa hệ thống COBOL luôn là một dự án phức tạp và tốn kém, trở thành “hàng rào lợi nhuận” của IBM. Nhưng Anthropic tuyên bố: “Nhờ sức mạnh của AI, nhóm phát triển có thể hiện đại hóa kho mã COBOL trong vòng vài mùa vụ mà không cần mất nhiều năm.” Thị trường nghe thấy hàm ý ngầm rằng: các khoản thu nhập dựa vào bảo trì hệ thống tốn nhiều nhân lực của IBM, các dịch vụ xung quanh máy chủ lớn đang bị công nghệ AI xói mòn.
Tuy nhiên, điều thú vị là, giá cổ phiếu IBM ngay hôm sau đã bật tăng trở lại 2,68%. Các tổ chức phân tích như Wedbush, Evercore ISI nhanh chóng lên tiếng bảo vệ, gọi đợt giảm này là “phản ứng quá mức, không có căn cứ”. Lý do của họ chỉ ra trọng tâm vấn đề: khách hàng doanh nghiệp không thể chỉ vì một công cụ AI mới có thể dịch mã nguồn cũ mà lập tức bỏ hệ thống máy chủ lớn của họ. Có một khoảng cách lớn giữa việc dịch cú pháp mã và hiện đại hóa hệ thống tích hợp sâu giữa phần cứng và phần mềm.
IBM cũng đã đưa ra phản hồi trong cùng ngày, nêu ra một luận điểm then chốt: Thách thức của việc hiện đại hóa không phải là vấn đề của ngôn ngữ COBOL, mà là vấn đề của nền tảng IBM Z — việc dịch mã gần như không thể nắm bắt hết các phức tạp thực tế, giá trị của nền tảng này đến từ hàng chục năm tích hợp phần cứng và phần mềm, điều mà việc dịch mã không thể chuyển đổi.
Xem xét sự kiện của Block, cũng là cắt giảm quy mô lớn, cũng do AI thúc đẩy, nhưng phản ứng của thị trường lại là tăng 24%. Điều then chốt nằm ở cấu trúc tài sản của Block đang thay đổi. Từ năm 2024, Block đã bắt đầu tái cấu trúc mô hình kinh doanh và nhân sự, đồng thời đẩy mạnh đầu tư vào các công cụ AI để nâng cao hiệu quả vận hành, trong đó có phát triển công cụ nội bộ tên Goose.
Giám đốc tài chính của Block, Amrita Ahuja, giải thích về việc cắt giảm nhân sự: “Chúng tôi đang thực hiện các hành động táo bạo và quyết đoán, nhưng dựa trên nền tảng vững chắc.” Nền tảng này được hỗ trợ bằng dữ liệu: lợi nhuận gộp cả năm 2025 đạt 10,36 tỷ USD, tăng 17% so với cùng kỳ. Hiệu suất tài chính mạnh mẽ này đã tạo ra dư địa để công ty tiến hành tái cấu trúc quy mô lớn trong thời điểm này.
Phân tích của thị trường rất rõ ràng: Block không phải đang co lại một cách bị động dưới tác động của AI, mà đang chủ động tối ưu hóa cấu trúc tài sản — dùng ít “tài sản nhân lực” hơn để đổi lấy hiệu quả “tài sản công nghệ” cao hơn. Việc cắt giảm 50% nhân sự nhưng nâng dự báo cả năm cho thấy giá trị của mỗi đơn vị nhân lực đang được AI nâng đỡ.
Hai, trong kỷ nguyên AI, bốn loại tài sản đang được định giá lại
Hai ví dụ này hé lộ một xu hướng đang diễn ra: AI đang trở thành “bộ định giá lại” giá trị tài sản. Các loại tài sản khác nhau, dưới khung đánh giá của AI, thể hiện các đường cong giá trị hoàn toàn khác biệt.
Thứ nhất là tài sản dựa trên vốn nhân lực. Đội ngũ bảo trì COBOL của IBM, các nhà phân tích truyền thống, lập trình viên — những “người xử lý thông tin” — đang bị AI làm giảm giá trị. Anthropic đề cập trong giới thiệu Claude Code rằng: “Công cụ này có thể nhận diện các rủi ro mà phải mất hàng tháng trời để các nhà phân tích mới phát hiện ra.” Điều này không có nghĩa là con người không còn quan trọng, mà là các công việc dựa vào bất đối xứng thông tin và kiến thức quy trình đang bị công nghệ nén lại giá trị.
Tuy nhiên, cần phải nhìn nhận cẩn trọng rằng, AI thay thế “xử lý thông tin” chứ không phải “tạo ra giá trị”. Mitch Ashley, nhà phân tích của Futurum Group, trong báo cáo nghiên cứu đã chỉ rõ, các dự án hiện đại hóa COBOL thành công cần phải có phạm vi kinh doanh rõ ràng, đánh giá công nghệ, kế hoạch chuyển đổi dữ liệu, xác nhận tính tương đương hành vi, khả năng quan sát và quản lý biến đổi tổ chức — dịch mã chỉ là một phần trong đó. Những người có khả năng vận hành các hệ thống phức tạp, hiểu bản chất kinh doanh, đưa ra các quyết định chiến lược vẫn còn rất hiếm.
Thứ hai là tài sản dữ liệu. Trong bối cảnh AI sinh tạo phát triển nhanh, giá trị của dữ liệu đang được định hình lại. Các nghiên cứu của Tang và cộng sự đăng trên 《PLOS One》 chỉ ra rằng, AI sinh tạo đã thay đổi cách thu thập, xử lý và khai thác dữ liệu, khiến giá trị của dữ liệu không chỉ phụ thuộc vào chất lượng và tính liên quan nội tại, mà còn liên quan đến khả năng ứng dụng, chuyển đổi trong khung AI, cũng như nhu cầu thị trường.
Điều này đồng nghĩa rằng, tính độc đáo, tính liên tục và khả năng quản trị dữ liệu đang trở thành các chỉ số giá trị cốt lõi. Một bộ dữ liệu có thể cực kỳ có giá trị trong một bối cảnh, nhưng lại vô dụng trong bối cảnh khác. Các doanh nghiệp có thể cung cấp dữ liệu độc quyền, liên tục, chất lượng cao để huấn luyện AI đang nắm giữ quyền định giá mới.
Thứ ba là tài sản về thuật toán và mô hình. Sự hợp tác giữa OpenAI và Paradigm ra mắt EVMbench, dùng để đánh giá khả năng của AI trong việc phát hiện, sửa lỗi và khai thác lỗ hổng trong hợp đồng thông minh, đã minh chứng rằng thuật toán đang trở thành tài sản có thể đo lường được. Trọng số mô hình, khung thuật toán, phương pháp huấn luyện — tất cả đều trở thành các tài sản vô hình có thể nhận diện, kiểm soát và thương mại hóa.
Thứ tư là tài sản hữu hình truyền thống. Chúng đang trải qua quá trình phân hóa rõ rệt. Những tài sản dựa vào “bất đối xứng thông tin” và “trung gian nhân lực” đang chịu áp lực giảm giá trị, trong khi các tài sản có đặc tính “chống lại AI thay thế” — như các cơ sở năng lượng, tài nguyên khan hiếm, hạ tầng cốt lõi — lại giữ giá trị tương đối ổn định. Lý do rất đơn giản: AI có thể phân tích, tối ưu vận hành các tài sản này, nhưng không thể thay thế bản thể vật lý và chức năng mang lại giá trị của chúng.
Ba, từ “định giá lại tài sản” đến “tăng cường miễn dịch AI”
Dựa trên các phân tích trên, các doanh nghiệp cần xây dựng một khung hệ thống để xác định tài sản của mình trong thời đại AI là đang tăng giá trị hay giảm giá trị. Viện Nghiên cứu RWA đề xuất khung nhận diện “tài sản miễn dịch AI”, gồm ba đặc điểm cốt lõi.
Đặc điểm thứ nhất là không thể mã hóa. Đây là các yếu tố giá trị khó có thể được AI học hoặc sao chép hoàn toàn. Mã COBOL có thể được dịch tự động, nhưng khả năng xử lý giao dịch của các máy chủ dòng Z, các khả năng mã hóa an toàn lượng tử, độ tin cậy 8-9 — tất cả đều là các yếu tố mà AI không thể sao chép. Nghiên cứu của Futurum Group chỉ rõ: “Việc dịch mã không thể nắm bắt hết các phức tạp thực tế, giá trị của nền tảng đến từ hàng chục năm tích hợp phần cứng và phần mềm.” Tương tự, quyền kiểm soát các hoạt động tại chỗ, kiến thức ngành ẩn sâu, mạng lưới quan hệ phức tạp — những yếu tố khó “mã hóa” này tạo thành hàng rào miễn dịch đầu tiên của tài sản.
Đặc điểm thứ hai là hàng rào dữ liệu. Doanh nghiệp có sở hữu dữ liệu độc quyền, liên tục, có thể quản trị tốt không? Có chỉ dựa vào dữ liệu công khai hay có thể tạo ra dữ liệu mà người khác không thể tiếp cận? Ngân hàng CITIC đã bắt đầu thử nghiệm dùng mô hình lớn để đánh giá giá trị tài sản dữ liệu, và thử “ghi nhận dữ liệu vào bảng cân đối”. Lý do là: trong thời đại AI, dữ liệu không chỉ là nguyên liệu sản xuất, mà còn là tài sản riêng có giá trị. Tuy nhiên, không phải dữ liệu nào cũng có hàng rào bảo vệ — dữ liệu công khai trên mạng sẽ nhanh chóng bị AI “tiêu hóa”, chỉ những dữ liệu độc quyền, có thể duy trì, xác nhận, kiểm chứng mới có thể tạo ra giá trị định giá.
Đặc điểm thứ ba là khả năng tăng cường bằng AI. Tài sản có thể được AI nâng cao, chứ không chỉ bị thay thế? Đây là điểm phân biệt rõ ràng giữa tác động tiêu cực của IBM và quá trình chuyển đổi của Block. Các dịch vụ cốt lõi của IBM — duy trì hệ thống COBOL cũ — là đối tượng bị AI “thay thế”. Trong khi mô hình kinh doanh của Block — thanh toán, dịch vụ tài chính — có thể được AI “tăng cường”. Thực tế, IBM đã phát triển công cụ Watsonx Code Assistant for Z, cho phép khách hàng trực tiếp xây dựng lại và hiện đại hóa mã cũ an toàn trên nền tảng của họ, đồng thời giữ vững các tiêu chuẩn an toàn doanh nghiệp. Khi tài sản có thể hợp tác cùng AI thay vì đối đầu, giá trị của nó sẽ tăng lên.
Ngược lại, các tài sản dễ tổn thương trước AI có đặc điểm là: dựa vào “xử lý thông tin” làm giá trị cốt lõi, có thể bị thay thế bằng quy trình tiêu chuẩn, không có khả năng tạo ra hoặc tích lũy dữ liệu. Dựa trên ba đặc điểm này, doanh nghiệp có thể tiến hành “kiểm tra áp lực” đối với danh mục tài sản của mình.
Bốn, cơ hội mới từ RWA: tài sản nào đáng để token hóa?
Kết hợp khung nhận diện này với lĩnh vực token hóa tài sản thế giới thực (RWA), có thể rút ra kết luận rõ ràng: RWA không phải là “tài sản nào cũng có thể lên chuỗi”, mà là trong làn sóng định giá lại của AI, cần chọn ra những tài sản cứng có thể vượt qua chu kỳ AI.
Tháng 3 năm 2026, tổng giá trị RWA trên chuỗi đã vượt 25 tỷ USD, tăng gần gấp bốn lần so với một năm trước. Tuy nhiên, trong White Paper ngành RWA do Hiệp hội Chuẩn hóa Web3.0 Hong Kong phát hành tháng 8 năm 2025, đã nhấn mạnh: “Chuyện tất cả mọi thứ đều có thể trở thành RWA là một ảo tưởng.” Để đạt quy mô lớn thành công, các tài sản cần đáp ứng ba tiêu chí chính: giá trị ổn định, rõ ràng về pháp lý, dữ liệu ngoài chuỗi có thể xác thực.
Dựa trên khung “miễn dịch AI”, ta có thể phân tích sâu hơn: Tài sản đáng token hóa là những tài sản có thể giữ vững giá trị trong quá trình định giá lại của AI.
Thứ nhất là tài sản vật lý có đặc tính “miễn dịch AI”. Bao gồm các tài sản năng lượng, hạ tầng, tài nguyên khan hiếm. Giá trị của chúng không dựa vào xử lý thông tin, mà dựa vào tồn tại vật lý và công dụng thực tế. Trong White Paper, các tài sản RWA về năng lượng mới như trạm sạc, dự án năng lượng mặt trời, các tài sản tính toán như GPU — đều thuộc nhóm này. Trong đó, GPU có thể dựa vào nhu cầu “cứng” của ngành AI và “gen số” đáng tin cậy để trở thành các tài sản lý tưởng để định giá bằng token.
Thứ hai là tài sản dữ liệu có thể lập trình. Có nguồn dữ liệu độc quyền, có thể tự động chuyển đổi thành lợi nhuận qua hợp đồng thông minh, vừa có “hàng rào dữ liệu” vừa có “khả năng tăng cường AI”. White Paper phân loại dữ liệu, quyền sở hữu trí tuệ, tín chỉ carbon vào nhóm tài sản vô hình. Tuy nhiên, cần cảnh báo rằng không phải dữ liệu nào cũng có thể trở thành tài sản — chỉ những dữ liệu có thể liên tục tạo ra giá trị, xác nhận rõ ràng, có thể kiểm chứng mới đủ điều kiện để token hóa.
Thứ ba là tài sản hỗn hợp. Kết hợp quyền kiểm soát vật lý không thể mã hóa với quyền lợi số có thể lập trình. Ví dụ, quyền sở hữu bất động sản thương mại có thể token hóa, nhưng hoạt động vận hành, bảo trì, cho thuê — các quyền kiểm soát thực tế tại chỗ — vẫn nằm trong tay các tổ chức chuyên nghiệp. Cấu trúc “vật lý + số” này vừa tận dụng lợi thế thanh khoản của blockchain, vừa giữ được các yếu tố “miễn dịch AI” dựa trên giá trị vật chất thực.
Ngược lại, có hai loại tài sản cần thận trọng khi token hóa trong thời đại AI. Một là các tài sản tài chính dựa quá nhiều vào trung gian nhân lực, dễ bị AI bóp méo giá trị. Hai là các tài sản không có hàng rào dữ liệu, trong khung định giá của AI sẽ thiếu khả năng thương lượng.
Năm, hướng hành động: Từ nhận thức đến quyết định
Việc IBM mất 40 tỷ USD giá trị là một tín hiệu của thời đại — những tài sản dựa vào bất đối xứng thông tin và dựa vào nhân lực đang bị AI định giá lại. Việc Block tăng giá ngược lại là một lời hiệu triệu của thời đại mới — các doanh nghiệp có khả năng đón nhận AI, tối ưu hóa cấu trúc tài sản, đang được thị trường định giá lại theo cách mới.
Đối với các nhà lãnh đạo doanh nghiệp niêm yết và doanh nghiệp truyền thống, đây không chỉ là vấn đề công nghệ, mà còn là sự tái cấu trúc toàn diện hệ thống giá trị tài sản. Các CEO cần trả lời một câu hỏi không thể tránh khỏi: Danh mục tài sản của tôi, trong mắt AI, trị giá bao nhiêu?
Dựa trên phân tích trong bài viết, có thể đề xuất ba hướng hành động cụ thể:
Thứ nhất, khởi động ngay “kiểm tra áp lực AI” cho các tài sản. So sánh với khung “miễn dịch AI” gồm ba đặc điểm — không thể mã hóa, hàng rào dữ liệu, khả năng tăng cường AI — để đánh giá từng đơn vị kinh doanh cốt lõi. Xác định các hoạt động dễ bị mất giá trị nhất dưới tác động của AI, và các hoạt động có khả năng được AI nâng đỡ, mở rộng giá trị.
Thứ hai, xây dựng cơ chế quản lý danh mục tài sản động. Trong bối cảnh định giá lại của AI, phân bổ tài sản không còn là chiến lược “mua giữ” tĩnh tại nữa. Các doanh nghiệp cần chủ động tăng tỷ trọng các tài sản “miễn dịch AI”, đồng thời có kế hoạch chuyển đổi hoặc thoái vốn các tài sản dễ tổn thương. Việc này không chỉ thuộc về bộ phận tài chính, mà còn cần sự phối hợp của bộ phận chiến lược, công nghệ và vận hành.
Thứ ba, xem xét lại chiến lược RWA. Trước khi thực hiện token hóa tài sản, hãy dùng khung “miễn dịch AI” để sàng lọc các tài sản nền tảng. Giá trị cốt lõi của RWA không phải là “lên chuỗi” mà là khả năng tạo ra thanh khoản và định giá tốt hơn qua token hóa. Nếu tài sản nền tảng đã bị giảm giá trị trong thời đại AI, thì việc token hóa chỉ là thúc đẩy quá trình mất giá nhanh hơn.
Cuối cùng, cần nhấn mạnh rằng, theo quy định của 42 số của Bộ Tài chính và các bộ ngành Trung Quốc, tại Trung Quốc đại lục, tuyệt đối cấm phát hành token và giao dịch token dưới mọi hình thức. Các nội dung về token hóa RWA trong bài chỉ đề cập đến các hoạt động hợp pháp ở ngoài Trung Quốc. Các doanh nghiệp khi khám phá các hoạt động này phải tuân thủ nghiêm ngặt quy định “cấm trong nước, đăng ký ở nước ngoài”.
Khi AI bắt đầu định giá tài sản, cảm giác an toàn duy nhất đến từ những thứ AI không thể định giá — không phải mã, không phải dữ liệu, mà chính là khả năng đánh giá giá trị của con người.
