本文来自微信公众号： APPSO ，作者：发现明日产品的，原文标题：《一夜蒸发 310 亿美元！Claude 新工具干翻 IBM 摇钱树，AI 正在「清零」人类工位》
如果你想摧毁一家公司，不需要打败它，只需要让人相信它可以被打败。
截至周一美股收盘，IBM股价暴跌13.1%，报每股223美元，创下2000年互联网泡沫破裂以来最大单日跌幅。当天市值从2408亿美元跌至约2087亿美元，蒸发了约310亿美元。
是财报暴雷了吗？不是。
是重要大客户跑路了吗？也没有。
这一切的导火索，仅仅是AI公司Anthropic当天发布的一篇博客，宣布旗下编程工具Claude Code可以帮助改造COBOL老旧系统，直接戳中了IBM最核心、最赚钱的遗留系统咨询业务。
没有人证明IBM的生意垮了，但在恐慌的市场面前，已经不需要证据了。
博客地址：https://claude.com/blog/how-ai-helps-break-cost-barrier-cobol-modernization
COBOL是IBM的护城河，现在被AI盯上了
要理解IBM为什么跌得这么惨，得先搞清楚COBOL是什么，以及IBM靠它赚的是什么钱。
COBOL是一种诞生于20世纪50年代的编程语言，今天仍在驱动美国约95%的ATM交易，以及大量银行、政府、航空系统的日常运转。
IBM长期销售针对COBOL优化的大型主机，并围绕它提供改造和咨询服务。
这门生意之所以赚钱，根源在于改造难度极高。读懂几十年没有文档的老代码，往往要顾问团队花上数年时间。这种高昂的理解成本，就是IBM最核心的竞争壁垒。
Anthropic的博客说，Claude Code可以自动梳理数千行代码之间的依赖关系，补全那些早已没人记得的工作流文档，还能识别出人工分析师要花几个月才能发现的系统风险。
它进一步宣称，原本以年计的现代化项目，用AI可以压缩到几个季度。
当市场听到这个消息后，立刻作出了反应：长期驻场、大团队、以年计费——这套模式赚钱，是因为客户没有别的选择。一旦AI提供了另一种可能，IBM和客户之间的议价天平，就不再是原来那个样子了。
这也让IBM的处境因此显得格外敏感。
2025年全年，IBM咨询业务收入约210.55亿美元，基础设施收入约157.18亿美元，生成式AI累计签约规模也超过了125亿美元。当理解遗留代码这件事的成本被大模型显著压低，这些收入的含金量在市场眼中就打了折扣。
有意思的是，IBM和Anthropic其实并不是单纯的对手。
2025年10月，两家公司曾宣布战略合作，把Claude集成进IBM的开发工具体系，内部有超过6000名早期用户报告平均生产力提升约45%。同一种技术，既可能成为IBM自我改造的工具，也被看作颠覆它的武器。
但在抛售情绪主导的当天，市场选择了后者。
IBM暴跌其实不是这轮动荡的起点。早在2月20日，网络安全板块就已经经历了一次集体闪崩，那天后来被一些分析师称为软件行业的「黑色星期五」。
导火索是Anthropic宣布推出Claude Code Security。
博客地址：https://www.anthropic.com/news/claude-code-security
这款工具能自动扫描代码库中的安全漏洞，生成补丁供人工审查，并将原本由专业安全工具负责的漏洞扫描、软件成分分析等功能，直接内置进了开发者的日常工作流。
市场的反应同样非常强烈。
JFrog当天单日暴跌24.61%，因为它的核心业务高度依赖软件供应链的管控，而这恰好是AI Agent最容易切入的领域。
CrowdStrike、Cloudflare、Okta、Zscaler等公司虽然主营业务并不是代码扫描，但也因为情绪「传染」出现了明显下跌，整个板块单日蒸发上百亿美元，追踪网络安全ETF的BUG基金跌至两年多以来的最低点。
当然，不少理智的分析师站出来反驳，说这种抛售毫无逻辑。
比如摩根大通认为，投资者的担忧被过度夸大。Wedbush Securities的分析师措辞严厉地表示，这是自己职业生涯中见过的「最不合逻辑的交易」。
他们的理由有一定说服力。
AI在帮助防守者扫漏洞的同时，也在帮助攻击者找漏洞。到2026年，黑客已经开始用大模型发起更精准的钓鱼攻击，开发自动化的攻击Agent，甚至针对企业内部的AI模型实施「提示词注入」和「内存投毒」。
更棘手的是，企业内部大量未经授权部署的AI Agent，一旦拥有操作内部系统和访问敏感数据的权限，本身就成了安全隐患。这意味着安全的需求非但没有消失，反而在扩张。
CrowdStrike提供的端点保护、Zscaler提供的零信任网络访问、各类身份与访问管理工具，恰恰是应对这些新型AI威胁所必须依赖的基础设施。
SaaS最不愿承认，但正在发生的事
APPSO之前也报道过，AI对整个SaaS行业造成了很大的冲击。
而IBM和安全股的动荡，是整个企业软件行业更大危机的一个切面。过去二十年，SaaS行业的繁荣建立在一个简单逻辑上：企业员工越多，买的软件席位就越多，供应商的订阅收入就越稳。
AI Agent的出现打破了这个等式。
以Claude Cowork为例，它能自主跨系统导航，独立完成数据录入、线索评分、多步骤业务审批等工作，企业不再需要维持大规模的基层操作团队。
一个原本需要五个人各自登录账号的财务部门，现在可能一个主管配合AI工具就够了，那四个席位的订阅费自然随之消失。这种现象是SaaS厂商目前面临的最直接威胁。
在这场转型中，处境最危险的是那些提供通用功能、主要服务中小企业的SaaS厂商，比如HubSpot、Atlassian、Asana。这类产品的工作流相对标准化，很容易被AI直接模仿替代。
越是那些功能通用、流程标准化的软件（比如排日程、管任务的），越容易被AI直接平替。
这种冲击不只停留在大公司层面，对普通创业者也是一种降维打击。
一位名叫Ira Bodnar的创业者在X平台发了一篇名为《Claude杀死所有创业公司》的帖子，迅速获得了超过300万次阅读。
文章🔗https://x.com/irabukht/status/2025846968245948795
她两个月前刚做出一款帮企业自动管理谷歌和Meta广告账户的AI产品，付费客户几百个，成交率高达70%，增长势头很好。一天早上醒来，她发现成交率跌到了20%。
原因很简单：Anthropic同期推出了Meta广告连接器。功能还不完整，只能做分析、无法直接操作账户，但客户已经开始观望。Bodnar在帖子里写道：「再过几个月它就能做到了，所以继续在这里开发感觉意义不大。」
IBM失去的是估值，Bodnar失去的是整个产品类别存在的理由。相比之下，更难被计算进股价、也更难被写进报告的，是那些正在消失的普通岗位。
毕竟，股价跌了还能涨回来，但就业市场的变化，慢刀子割肉，却真实得多。当企业不再需要那么多人去堆砌工作量时，最先遭殃的，是那些还没上桌的年轻人。
斯坦福大学数字经济实验室的研究指出，在受AI影响最明显的职业里，22至25岁年轻毕业生的就业率相对下降了13%，但与此同时，那些有丰富经验的高级架构师，饭碗依然很稳。
这个分化说明AI没有像科幻电影里那样消灭所有人类岗位，只是悄悄从底部开始，把新人的岗位削没了——以前，刚毕业的程序员总是靠写写简单的基础代码、修修不痛不痒的Bug，一步步攒经验往上爬。
现在，这些「脏活累活」全是AI Agent的统治区。
包括很多大厂现在很默契：我不大规模裁员，但如果有人辞职了，我绝对不再招新人，直接拿AI顶上空缺。
对此，学生的选择，已经说明了他们对市场的判断。麻省理工学院的数据显示，其入门编程课程在2022学年达到峰值后持续下滑，传统计算机科学专业注册人数从823人跌至672人，降幅超过18%。
与此同时，MIT 2022年新设的「人工智能与决策」专业，注册人数从37人暴增到372人，涨了约十倍。杜克大学的CS入门课注册人数同期下降约20%，普林斯顿CS专业大三大四学生数量也出现了相似幅度的下滑。
同样是在IBM暴跌的同期，一篇由Citrini Research发布的博客《2028年全球智能危机》在X平台上火了，收获了2000万+的阅读量。
文章🔗https://www.citriniresearch.com/p/2028gic
作者假装站在2028年往回看，描绘的图景并不乐观。企业用AI裁人，省下来的钱继续买AI，更强的AI让下一轮裁员成为可能，被裁的人消费变少，企业收入下滑，又得靠AI进一步压缩成本。
一圈又一圈，没有尽头。
作者自己也说，这只是一个思想实验，不是预言。但读完这篇文章再看今天的新闻，很难说它描述的东西完全是想象。SaaS公司的订阅收入在压缩，IT外包行业开始被质疑存在的必要性，应届生找工作越来越难——传导链条的前几环，已经隐约可见。
国际货币基金组织估计，全球约四成就业都暴露在AI的影响范围之内，部分岗位会被增强，部分面临萎缩，最终走向取决于各行业的互补程度与政策应对。
世界经济论坛预测，到2030年新技术净创造的岗位约7800万个，但这个再分配的过程，必然伴随大量摩擦和痛苦。
我们总喜欢用颠覆、炸锅、王炸等耸人听闻的词汇来描述AI所带来的冲击，在我看来，这些词都用错了方向——AI带来的变化，更像是涨潮。
涨潮不挑对象，不讲立场，不管你是IBM这样的百年巨头还是Bodnar这样的独立创业者，水平线统一往上走。有人站在高地，有人站在滩涂，退潮之后才知道谁在裸泳——问题是，这次潮水好像没有退的迹象。
MIT的学生已经在悄悄更换就业方向，大厂们同样在默默等人自然离职然后不再补招，Citrini那篇文章的阅读量之所以能突破2000万，也是因为太多人在里面看到了自己隐约感觉到、但还没说出口的那种不安。
不安本身不是坏事。它至少说明，潮水还没把人完全淹没，还有时间想清楚自己站在哪里，又到底该如何在机器面前，找到自己那个没法被替代的位置。