23 กุมภาพันธ์ 2026 วันจันทร์ที่ควรจะเป็นวันที่สงบสุข แต่ราคาหุ้นของ IBM กลับเผชิญกับการร่วงลงอย่างรุนแรงที่สุดนับตั้งแต่ตุลาคม 2000 โดยปิดตลาดด้วยการลดลง 13.2% มูลค่าหลายร้อยพันล้านดอลลาร์สหรัฐถูกสูญหายไปในไม่กี่ชั่วโมง สาเหตุไม่ใช่รายงานผลประกอบการที่ผิดหวัง หรือการลงโทษจากหน่วยงานกำกับดูแล แต่เป็นประกาศผลิตภัณฑ์หนึ่ง: บริษัทสตาร์ทอัพด้าน AI ชื่อ Anthropic ประกาศว่าเครื่องมือ Claude Code ของพวกเขาสามารถนำภาษารหัส COBOL ที่ทำงานบนระบบของ IBM ให้ทันสมัยได้ ซึ่ง COBOL เป็นธุรกิจ “แนวป้องกัน” ที่ทำกำไรได้มากของ IBM
สามวันต่อมา เรื่องราวคล้ายกันแต่ในทางตรงกันข้ามอย่างสิ้นเชิง เกิดขึ้นในวันที่ 26 กุมภาพันธ์ บริษัทเทคโนโลยีการเงิน Block ซึ่งก่อตั้งโดย Jack Dorsey ประกาศลดพนักงานประมาณ 4,000 คน คิดเป็นเกือบ 50% ของพนักงาน โดยอ้างว่าเป็นผลจากการใช้ AI เพื่อเพิ่มประสิทธิภาพ แต่ปฏิกิริยาของตลาดกลับแตกต่างกันอย่างสิ้นเชิง — ราคาหุ้นของ Block พุ่งขึ้นกว่า 24% ในการซื้อขายหลังปิดตลาด Dorsey เขียนจดหมายถึงผู้ถือหุ้นว่า “ผมเชื่อว่าในอีกหนึ่งปีข้างหน้า บริษัทส่วนใหญ่จะได้ข้อสรุปเดียวกัน และจะปรับโครงสร้างอย่างคล้ายคลึงกัน”
สองเหตุการณ์นี้ มีตัวขับเคลื่อนเดียวกันคือ AI แต่ปฏิกิริยาของตลาดกลับตรงกันข้าม — หนึ่งร่วงลงอย่างรุนแรง อีกหนึ่งพุ่งขึ้นอย่างมาก แล้วอะไรคือสิ่งที่เกิดขึ้นเบื้องหลัง? คำตอบอาจชี้ไปยังคำถามที่ลึกซึ้งกว่า: AI กำลังนิยามใหม่ว่า “ทรัพย์สินที่มีคุณค่า” คืออะไร สำหรับผู้บริหารบริษัทจดทะเบียน นักลงทุน และผู้ตัดสินใจในองค์กรดั้งเดิม การเข้าใจกลไกการประเมินมูลค่านี้ได้ไม่ใช่แค่เป็นการวางแผนกลยุทธ์ล่วงหน้าอีกต่อไป แต่กลายเป็นเรื่องเร่งด่วนเพื่อความอยู่รอด
1. AI เดียวกัน แต่การตัดสินใจของตลาดแตกต่างกัน
เพื่อเข้าใจความแตกต่างของสองเหตุการณ์นี้ จำเป็นต้องดูโครงสร้างสินทรัพย์ของแต่ละบริษัทก่อน
การร่วงของหุ้น IBM ดูเหมือนจะเป็นผลจากภัยคุกคามด้านเทคนิคของเครื่องมือ Claude Code แต่แท้จริงแล้วคือการปรับราคามูลค่าของโมเดลทรัพย์สินหลักของบริษัท COBOL ซึ่งเป็นภาษารหัสที่พัฒนาขึ้นตั้งแต่ปลายทศวรรษ 1950 จนถึงปัจจุบันยังคงเป็นรากฐานของระบบสำคัญในโลก เช่น การทำธุรกรรม ATM กว่า 95% ทั่วโลก รวมถึงระบบสำคัญในภาคการเงิน การบิน และรัฐบาล Anthropic เขียนไว้ในบล็อกว่า “ทุกวันมีคำสั่ง COBOL นับพันล้านบรรทัดทำงานอยู่ในสภาพแวดล้อมการผลิต ให้พลังงานแก่ระบบสำคัญ ถึงแม้จำนวนผู้เชี่ยวชาญ COBOL จะลดลงทุกปี”
การปรับปรุงระบบ COBOL ให้ทันสมัยเป็นงานที่ซับซ้อนและมีต้นทุนสูงมานาน ซึ่งเป็นแนวป้องกันที่ทำกำไรได้ของ IBM แต่ Anthropic อ้างว่า “ด้วยพลังของ AI ทีมงานไม่จำเป็นต้องใช้เวลาหลายปี แต่สามารถปรับปรุงฐานรหัส COBOL ให้ทันสมัยได้ภายในไม่กี่ฤดูกาล” สิ่งที่ตลาดได้ยินคือ: รายได้จากการบำรุงรักษาระบบที่ใช้แรงงานเข้มข้นของ IBM รวมถึงรายได้จากบริการรอบเครื่องจักรใหญ่ กำลังถูกคุกคามโดยเทคโนโลยี AI
อย่างไรก็ตาม สิ่งที่น่าสนใจก็คือ ราคาหุ้น IBM ในวันถัดมา ฟื้นตัวขึ้น 2.68% นักวิเคราะห์จาก Wedbush และ Evercore ISI ออกมาปกป้องตลาดอย่างรวดเร็วว่า การร่วงครั้งนี้เป็น “การตอบสนองเกินเหตุที่ไม่มีพื้นฐาน” เหตุผลของพวกเขาคือ ลูกค้าบริษัทไม่สามารถละทิ้งระบบเครื่องจักรใหญ่ของตนได้ง่ายๆ เพียงเพราะมีเครื่องมือ AI ใหม่ที่สามารถแปลโค้ดเก่าได้ การปรับเปลี่ยนระหว่างการแปลโค้ดและการปรับปรุงระบบที่ซับซ้อนซึ่งผสมผสานฮาร์ดแวร์และซอฟต์แวร์อย่างลึกซึ้งนั้น มีช่องว่างขนาดใหญ่
IBM เองก็ออกแถลงตอบโต้ในวันเดียวกัน โดยชี้ให้เห็นว่าความท้าทายของการปรับปรุงไม่ใช่เรื่องของภาษา COBOL แต่เป็นเรื่องของแพลตฟอร์ม IBM Z ซึ่งการแปลโค้ดแทบจะไม่สามารถจับความซับซ้อนที่แท้จริงได้ และคุณค่าของแพลตฟอร์มมาจากการผสมผสานฮาร์ดแวร์และซอฟต์แวร์ที่ยาวนานหลายสิบปี ซึ่งโค้ดการแปลไม่สามารถโอนย้ายได้
ในขณะเดียวกัน เหตุการณ์ของ Block ก็เกิดขึ้นในวันที่ 26 กุมภาพันธ์เช่นกัน เป็นการลดพนักงานจำนวนมาก แต่ตลาดกลับตอบรับในทางบวก โดยราคาหุ้นพุ่งขึ้น 24% สิ่งสำคัญคือ โครงสร้างสินทรัพย์ของ Block กำลังเปลี่ยนแปลง ตั้งแต่ปี 2024 เป็นต้นมา Block ได้ปรับโครงสร้างโมเดลธุรกิจและการจัดสรรบุคลากร พร้อมลงทุนอย่างหนักในเครื่องมือ AI เพื่อเพิ่มประสิทธิภาพการดำเนินงาน รวมถึงพัฒนาเครื่องมือภายในชื่อ Goose
Amrita Ahuja ประธานเจ้าหน้าที่ฝ่ายการเงินของ Block เน้นย้ำในการอธิบายการลดพนักงานว่า “เรากำลังดำเนินการอย่างกล้าหาญและเด็ดเดี่ยว แต่เราทำบนฐานความแข็งแกร่ง” ซึ่งข้อมูลสนับสนุนก็ชัดเจน: กำไรขั้นต้นทั้งปี 2025 อยู่ที่ 10.36 พันล้านดอลลาร์ เพิ่มขึ้น 17% กำไรที่แข็งแกร่งนี้ให้ความสามารถในการรับมือกับการปรับโครงสร้างครั้งใหญ่ในเวลานี้
การวิเคราะห์ของตลาดชัดเจน: Block ไม่ได้ถูก AI กระทบจนต้องถอยร่นอย่างเฉียบพลัน แต่เป็นการปรับโครงสร้างสินทรัพย์เชิงรุก — ใช้ “สินทรัพย์ด้านเทคโนโลยี” ที่มีประสิทธิภาพสูงขึ้น แทน “สินทรัพย์ด้านแรงงาน” ที่ลดลง การลดพนักงานครึ่งหนึ่งพร้อมกับการปรับเป้าหมายทั้งปีขึ้น แสดงให้เห็นว่ามูลค่าต่อหน่วยแรงงานกำลังถูก AI ขยายตัว
2. ยุค AI สินทรัพย์ 4 ประเภทกำลังถูกปรับราคามูลค่าใหม่
สองกรณีนี้เปิดเผยแนวโน้มที่กำลังเกิดขึ้น: AI กลายเป็น “เครื่องปรับราคามูลค่า” ของสินทรัพย์ สินทรัพย์แต่ละประเภทในกรอบการประเมินค่าของ AI จะแสดงเส้นโค้งมูลค่าที่แตกต่างกันอย่างชัดเจน
ประเภทแรกคือ สินทรัพย์ที่เน้นแรงงานเป็นหลัก เช่น ทีมดูแล COBOL ของ IBM นักวิเคราะห์แบบดั้งเดิม โปรแกรมเมอร์ ฯลฯ ซึ่งคุณค่าของพวกเขากำลังถูก AI ลดทอน Anthropic กล่าวในบทความว่า เครื่องมือ Claude Code สามารถระบุ “ความเสี่ยงที่ต้องใช้เวลาหลายเดือนของนักวิเคราะห์ในการค้นพบ” ซึ่งไม่ได้หมายความว่ามนุษย์จะไม่สำคัญอีกต่อไป แต่เป็นการชี้ให้เห็นว่าสิ่งที่พึ่งพาข้อมูลที่ไม่สมมาตรและความรู้เชิงกระบวนการนั้น กำลังถูกเทคโนโลยีบีบอัดคุณค่า
แต่ต้องระวังว่า AI จะเข้ามาแทนที่ “การประมวลผลข้อมูล” ไม่ใช่ “การสร้างคุณค่า” นักวิเคราะห์จาก Futurum Group ชี้ในรายงานว่า โครงการปรับปรุง COBOL ให้ทันสมัยที่ประสบความสำเร็จ ต้องอาศัยการกำหนดขอบเขตธุรกิจ การประเมินเทคโนโลยี การวางแผนการย้ายข้อมูล การตรวจสอบความเทียบเคียงของพฤติกรรม การวัดผลและการจัดการเปลี่ยนแปลงในองค์กร ซึ่งการแปลโค้ดเป็นเพียงส่วนหนึ่งเท่านั้น ความสามารถของมนุษย์ในการเข้าใจระบบซับซ้อน เข้าใจแก่นแท้ของธุรกิจ และทำการตัดสินใจเชิงกลยุทธ์ ยังคงเป็นทรัพยากรที่หายาก
ประเภทที่สองคือ สินทรัพย์ด้านข้อมูล ซึ่งกำลังกลายเป็นหัวใจของมูลค่าในยุค AI ด้วยการพัฒนา Generative AI อย่างรวดเร็ว มูลค่าของข้อมูลก็ถูกปรับเปลี่ยนไป นักวิจัยเช่น Tang ในงานวิจัยใน PLOS One ชี้ว่า Generative AI เปลี่ยนแปลงวิธีการเข้าถึง การประมวลผล และการใช้ข้อมูล มูลค่าของสินทรัพย์ข้อมูลไม่เพียงขึ้นอยู่กับคุณภาพและความเกี่ยวข้องภายในตัวเองเท่านั้น แต่ยังขึ้นอยู่กับบริบทการใช้งาน การแปลงเป็นโมเดล AI และความต้องการในตลาดด้วย
นั่นหมายความว่า ความเป็นเอกลักษณ์ ความต่อเนื่อง และความสามารถในการบริหารจัดการข้อมูล กลายเป็นมิติสำคัญของมูลค่า ข้อมูลชุดหนึ่งอาจมีมูลค่าสูงมากในบริบทหนึ่ง แต่ไม่มีค่าในอีกบริบทหนึ่ง บริษัทที่สามารถสร้างและรักษาข้อมูลเฉพาะทางคุณภาพสูงอย่างต่อเนื่อง ก็จะได้รับสิทธิพิเศษด้านการตั้งราคามากขึ้นในยุค AI
ประเภทที่สามคือ สินทรัพย์ด้านอัลกอริทึมและโมเดล ตัวอย่างเช่น EVMbench ซึ่งพัฒนาโดย OpenAI ร่วมกับ Paradigm สำหรับประเมินความสามารถของ AI ในการตรวจจับ แก้ไข และใช้ประโยชน์จากช่องโหว่ของสมาร์ทคอนแทรกต์ แสดงให้เห็นว่าอัลกอริทึมกำลังกลายเป็นสินทรัพย์ที่สามารถวัดผลได้ มูลค่าของโมเดล น้ำหนักของโมเดล วิธีการฝึกอบรม กำลังกลายเป็นสินทรัพย์ไม่มีตัวตนที่สามารถระบุ ควบคุม และเปลี่ยนเป็นเงินได้
ประเภทที่สี่คือ สินทรัพย์ทางกายภาพแบบดั้งเดิม ซึ่งกำลังเผชิญกับการแยกตัวออกเป็นสองกลุ่ม กลุ่มแรกคือสินทรัพย์ที่พึ่งพา “ข้อมูลเชิงลับ” และ “ตัวกลางแรงงาน” เช่น โรงไฟฟ้า โครงสร้างพื้นฐาน ทรัพยากรหายาก ซึ่งมูลค่าของพวกเขาไม่ได้ขึ้นอยู่กับการประมวลผลข้อมูล แต่เป็นคุณสมบัติทางกายภาพและการใช้งานจริง ตัวอย่างเช่น โครงการ RWA ด้านพลังงานใหม่ เช่น สถานีชาร์จไฟฟ้า โรงไฟฟ้าพลังแสงอาทิตย์ รวมถึง GPU ซึ่งเป็นทรัพยากรคอมพิวเตอร์ที่มีความต้องการสูงในอุตสาหกรรม AI ก็อยู่ในกลุ่มนี้ GPU ที่มีความสามารถในการประมวลผล AI ด้วย “ความต้องการแข็งแกร่ง” และ “พันธุ์แท้ของดิจิทัล” ทำให้กลายเป็นสินทรัพย์ที่เหมาะสมสำหรับการเป็นหลักประกันใน RWA
กลุ่มที่สองคือ สินทรัพย์ข้อมูลที่สามารถเขียนโปรแกรมได้ ซึ่งมีความสามารถในการสร้างรายได้อัตโนมัติผ่านสมาร์ทคอนแทรกต์ เช่น ข้อมูลเฉพาะทางที่มีความเป็นเอกลักษณ์และสามารถสร้างรายได้ต่อเนื่อง สินทรัพย์กลุ่มนี้มี “รั้วข้อมูล” และ “ความสามารถในการเสริมพลังด้วย AI” ใน White Paper จะแบ่งข้อมูลและทรัพย์สินทางปัญญา รวมถึงเครดิตคาร์บอนเป็นสินทรัพย์ไม่มีตัวตน แต่ต้องระวังว่า ไม่ใช่ข้อมูลทุกชนิดที่จะกลายเป็นสินทรัพย์ได้ เฉพาะข้อมูลที่สามารถสร้างมูลค่าอย่างต่อเนื่อง มีสิทธิ์ในตัวเอง และสามารถตรวจสอบได้เท่านั้นที่จะเป็นฐานสำหรับการสร้างเหรียญ
กลุ่มที่สามคือ สินทรัพย์แบบผสม ซึ่งรวมเอา “สิทธิควบคุมทางกายภาพ” ที่ไม่สามารถเขียนโปรแกรมได้ เข้ากับ “สิทธิ์ดิจิทัล” ที่สามารถเขียนโปรแกรมได้ เช่น การถือครองทรัพย์สินในอสังหาริมทรัพย์ ซึ่งสามารถแปลงเป็นเหรียญได้ แต่การดำเนินงาน การบำรุงรักษา และการเช่าในบริบทจริง ยังคงอยู่ในมือขององค์กรเชี่ยวชาญ สถานะ “กายภาพ + ดิจิทัล” นี้ ช่วยให้ได้ประโยชน์จากความคล่องตัวของบล็อกเชน ในขณะเดียวกันก็รักษามูลค่าที่ไม่สามารถถูก AI แทนที่ได้
ในทางตรงกันข้าม สินทรัพย์ที่อ่อนแอในยุค AI มีลักษณะ 3 ประการ คือ ขึ้นอยู่กับ “การประมวลผลข้อมูล” เป็นแกนหลัก สามารถถูกแทนที่ด้วยกระบวนการมาตรฐาน และไม่มีความสามารถในการสร้างและสะสมข้อมูล สำหรับองค์กร การทดสอบความแข็งแกร่งของสินทรัพย์เหล่านี้ด้วย “การทดสอบความกดดัน” ก็เป็นแนวทางหนึ่ง
3. โอกาสใหม่ของ RWA: สินทรัพย์อะไรที่ควร Tokenize?
เมื่อขยายกรอบแนวคิดนี้ไปยังวงการ RWA (Real World Asset Tokenization) จะเห็นได้ชัดว่า RWA ไม่ใช่ “สินทรัพย์ทุกชนิดสามารถขึ้นบนบล็อกเชนได้” แต่เป็นการคัดเลือกสินทรัพย์ที่สามารถผ่านช่วงการปรับราคามูลค่าของ AI ได้ในกระแสคลื่นนี้
ในเดือนมีนาคม 2026 มูลค่ารวมของ RWA บนบล็อกเชนทะลุ 25 พันล้านดอลลาร์ เพิ่มขึ้นเกือบสี่เท่าจากปีก่อน แต่สมาคมมาตรฐาน Web3.0 ของฮ่องกงใน White Paper อุตสาหกรรม RWA ปี 2025 ก็ชี้ชัดว่า “คำว่า ‘ทุกสิ่งเป็น RWA’ เป็นความเข้าใจผิด” สินทรัพย์ที่ประสบความสำเร็จในการนำไปใช้ในเชิงพาณิชย์ ต้องผ่านเกณฑ์สำคัญ 3 ประการ คือ “ความมั่นคงของมูลค่า”, “ความชัดเจนในการรับรองสิทธิ” และ “ความสามารถในการตรวจสอบข้อมูลนอกเครือข่าย”
โดยอิงจากกรอบ “AI Immune” เราสามารถจำแนกสินทรัพย์ที่ควร Tokenize ได้เป็น 3 กลุ่มหลัก คือ
กลุ่มแรกคือ สินทรัพย์กายภาพที่มีคุณสมบัติ “AI Immune” เช่น พลังงาน โครงสร้างพื้นฐาน ทรัพยากรหายาก ซึ่งมูลค่าของพวกเขาไม่ขึ้นอยู่กับการประมวลผลข้อมูล แต่เป็นคุณสมบัติทางกายภาพและการใช้งานจริง ตัวอย่างเช่น โครงการ RWA ด้านพลังงานใหม่ เช่น สถานีชาร์จไฟฟ้า โรงไฟฟ้าพลังงานแสงอาทิตย์ รวมถึง GPU ซึ่งเป็นทรัพยากรคอมพิวเตอร์ที่มีความต้องการสูงในอุตสาหกรรม AI GPU ที่มีความสามารถในการประมวลผล AI ด้วย “ความต้องการแข็งแกร่ง” และ “พันธุ์แท้ของดิจิทัล” จึงกลายเป็นสินทรัพย์ที่เหมาะสมสำหรับการเป็นหลักประกันใน RWA
กลุ่มที่สองคือ สินทรัพย์ข้อมูลที่สามารถเขียนโปรแกรมได้ ซึ่งมีความสามารถในการสร้างรายได้อัตโนมัติผ่านสมาร์ทคอนแทรกต์ เช่น ข้อมูลเฉพาะทางที่มีความเป็นเอกลักษณ์และสามารถสร้างรายได้ต่อเนื่อง สินทรัพย์กลุ่มนี้มี “รั้วข้อมูล” และ “ความสามารถในการเสริมพลังด้วย AI” ใน White Paper จะแบ่งข้อมูลและทรัพย์สินทางปัญญา รวมถึงเครดิตคาร์บอนเป็นสินทรัพย์ไม่มีตัวตน แต่ต้องระวังว่า ไม่ใช่ข้อมูลทุกชนิดที่จะกลายเป็นสินทรัพย์ได้ เฉพาะข้อมูลที่สามารถสร้างมูลค่าอย่างต่อเนื่อง มีสิทธิ์ในตัวเอง และสามารถตรวจสอบได้เท่านั้นที่จะเป็นฐานสำหรับการสร้างเหรียญ
กลุ่มที่สามคือ สินทรัพย์แบบผสม ซึ่งรวมเอา “สิทธิควบคุมทางกายภาพ” ที่ไม่สามารถเขียนโปรแกรมได้ เข้ากับ “สิทธิ์ดิจิทัล” ที่สามารถเขียนโปรแกรมได้ เช่น การถือครองทรัพย์สินในอสังหาริมทรัพย์ ซึ่งสามารถแปลงเป็นเหรียญได้ แต่การดำเนินงาน การบำรุงรักษา และการเช่าในบริบทจริง ยังคงอยู่ในมือขององค์กรเชี่ยวชาญ สถานะ “กายภาพ + ดิจิทัล” นี้ ช่วยให้ได้ประโยชน์จากความคล่องตัวของบล็อกเชน ในขณะเดียวกันก็รักษามูลค่าที่ไม่สามารถถูก AI แทนที่ได้
ในทางตรงกันข้าม สินทรัพย์ที่อ่อนแอในยุค AI มีลักษณะ 3 ประการ คือ ขึ้นอยู่กับ “การประมวลผลข้อมูล” เป็นแกนหลัก สามารถถูกแทนที่ด้วยกระบวนการมาตรฐาน และไม่มีความสามารถในการสร้างและสะสมข้อมูล สำหรับองค์กร การทดสอบความแข็งแกร่งของสินทรัพย์เหล่านี้ด้วย “การทดสอบความกดดัน” ก็เป็นแนวทางหนึ่ง
4. โอกาสใหม่ของ RWA: สินทรัพย์อะไรที่ควร Tokenize?
การขยายกรอบแนวคิดนี้ไปยังวงการ RWA (Real World Asset Tokenization) จะทำให้เห็นได้ชัดว่า RWA ไม่ใช่ “สินทรัพย์ทุกชนิดสามารถขึ้นบนบล็อกเชนได้” แต่เป็นการคัดเลือกสินทรัพย์ที่สามารถผ่านช่วงการปรับราคามูลค่าของ AI ได้ในกระแสคลื่นนี้
ในเดือนมีนาคม 2026 มูลค่ารวมของ RWA บนบล็อกเชนทะลุ 25 พันล้านดอลลาร์ เพิ่มขึ้นเกือบสี่เท่าจากปีก่อน แต่สมาคมมาตรฐาน Web3.0 ของฮ่องกงใน White Paper อุตสาหกรรม RWA ปี 2025 ก็ชี้ชัดว่า “คำว่า ‘ทุกสิ่งเป็น RWA’ เป็นความเข้าใจผิด” สินทรัพย์ที่ประสบความสำเร็จในการนำไปใช้ในเชิงพาณิชย์ ต้องผ่านเกณฑ์สำคัญ 3 ประการ คือ “ความมั่นคงของมูลค่า”, “ความชัดเจนในการรับรองสิทธิ” และ “ความสามารถในการตรวจสอบข้อมูลนอกเครือข่าย”
โดยอิงจากกรอบ “AI Immune” เราสามารถจำแนกสินทรัพย์ที่ควร Tokenize ได้เป็น 3 กลุ่มหลัก คือ
กลุ่มแรกคือ สินทรัพย์กายภาพที่มีคุณสมบัติ “AI Immune” เช่น พลังงาน โครงสร้างพื้นฐาน ทรัพยากรหายาก ซึ่งมูลค่าของพวกเขาไม่ขึ้นอยู่กับการประมวลผลข้อมูล แต่เป็นคุณสมบัติทางกายภาพและการใช้งานจริง ตัวอย่างเช่น โครงการ RWA ด้านพลังงานใหม่ เช่น สถานีชาร์จไฟฟ้า โรงไฟฟ้าพลังงานแสงอาทิตย์ รวมถึง GPU ซึ่งเป็นทรัพยากรคอมพิวเตอร์ที่มีความต้องการสูงในอุตสาหกรรม AI GPU ซึ่งมีความสามารถในการประมวลผล AI ด้วย “ความต้องการแข็งแกร่ง” และ “พันธุ์แท้ของดิจิทัล” จึงกลายเป็นสินทรัพย์ที่เหมาะสมสำหรับการเป็นหลักประกันใน RWA
กลุ่มที่สองคือ สินทรัพย์ข้อมูลที่สามารถเขียนโปรแกรมได้ ซึ่งมีความสามารถในการสร้างรายได้อัตโนมัติผ่านสมาร์ทคอนแทรกต์ เช่น ข้อมูลเฉพาะทางที่มีความเป็นเอกลักษณ์และสามารถสร้างรายได้ต่อเนื่อง สินทรัพย์กลุ่มนี้มี “รั้วข้อมูล” และ “ความสามารถในการเสริมพลังด้วย AI” ใน White Paper จะแบ่งข้อมูลและทรัพย์สินทางปัญญา รวมถึงเครดิตคาร์บอนเป็นสินทรัพย์ไม่มีตัวตน แต่ต้องระวังว่า ไม่ใช่ข้อมูลทุกชนิดที่จะกลายเป็นสินทรัพย์ได้ เฉพาะข้อมูลที่สามารถสร้างมูลค่าอย่างต่อเนื่อง มีสิทธิ์ในตัวเอง และสามารถตรวจสอบได้เท่านั้นที่จะเป็นฐานสำหรับการสร้างเหรียญ
กลุ่มที่สามคือ สินทรัพย์แบบผสม ซึ่งรวมเอา “สิทธิควบคุมทางกายภาพ” ที่ไม่สามารถเขียนโปรแกรมได้ เข้ากับ “สิทธิ์ดิจิทัล” ที่สามารถเขียนโปรแกรมได้ เช่น การถือครองทรัพย์สินในอสังหาริมทรัพย์ ซึ่งสามารถแปลงเป็นเหรียญได้ แต่การดำเนินงาน การบำรุงรักษา และการเช่าในบริบทจริง ยังคงอยู่ในมือขององค์กรเชี่ยวชาญ สถานะ “กายภาพ + ดิจิทัล” นี้ ช่วยให้ได้ประโยชน์จากความคล่องตัวของบล็อกเชน ในขณะเดียวกันก็รักษามูลค่าที่ไม่สามารถถูก AI แทนที่ได้
ในทางตรงกันข้าม สินทรัพย์ที่อ่อนแอในยุค AI มีลักษณะ 3 ประการ คือ ขึ้นอยู่กับ “การประมวลผลข้อมูล” เป็นแกนหลัก สามารถถูกแทนที่ด้วยกระบวนการมาตรฐาน และไม่มีความสามารถในการสร้างและสะสมข้อมูล สำหรับองค์กร การทดสอบความแข็งแกร่งของสินทรัพย์เหล่านี้ด้วย “การทดสอบความกดดัน” ก็เป็นแนวทางหนึ่ง
5. แนวทางปฏิบัติ: จากความเข้าใจสู่การตัดสินใจ
การร่วงของหุ้น IBM มูลค่า 40 พันล้านดอลลาร์ เป็นสัญญาณของยุคหนึ่ง — สินทรัพย์ที่พึ่งพาข้อมูลเชิงลับและแรงงานจำนวนมาก กำลังถูก AI ปรับราคามูลค่าใหม่ ขณะที่การพุ่งขึ้นของ Block เป็นสัญญาณของอีกยุคหนึ่ง — ธุรกิจที่สามารถปรับตัวรับ AI และปรับโครงสร้างสินทรัพย์ให้เหมาะสม กำลังได้รับการประเมินใหม่จากตลาด
สำหรับผู้บริหารบริษัทจดทะเบียนและองค์กรดั้งเดิม คำถามสำคัญไม่ใช่แค่เรื่องเทคโนโลยีอีกต่อไป แต่เป็นเรื่องของโครงสร้างมูลค่าของสินทรัพย์ในระบบเศรษฐกิจใหม่: สินทรัพย์ของผมในสายตาของ AI มีมูลค่าเท่าไหร่?
จากการวิเคราะห์นี้ สามารถเสนอคำแนะนำเชิงปฏิบัติได้ 3 ข้อ
ข้อแรก คือ เริ่มต้นด้วย “การทดสอบความกดดันของสินทรัพย์ต่อ AI” โดยใช้กรอบ “AI Immune” ซึ่งประกอบด้วย 3 คุณสมบัติหลัก คือ ความไม่สามารถเขียนโค้ดได้ (Uncodable), รั้วข้อมูล (Data Moat), และความสามารถในการเสริมพลังด้วย AI (AI-Enabled Flexibility) เพื่อประเมินแต่ละหน่วยธุรกิจ ค้นหาองค์ประกอบที่เสี่ยงต่อการสูญค่ามากที่สุด และองค์ประกอบที่อาจได้รับประโยชน์จาก AI
ข้อสอง คือ สร้างกลไกการบริหารจัดการสินทรัพย์แบบไดนามิก ในบริบทของการปรับราคามูลค่าด้วย AI การจัดสรรสินทรัพย์ไม่ใช่กลยุทธ์แบบ “ซื้อแล้วถือ” อีกต่อไป แต่ต้องมีการเพิ่มสัดส่วนของ “สินทรัพย์ที่ AI ปลอดภัย” และวางแผนปรับเปลี่ยนสินทรัพย์ที่อ่อนแอให้เหมาะสม ซึ่งไม่ใช่หน้าที่ของฝ่ายการเงินเท่านั้น แต่ต้องเป็นความร่วมมือระหว่างฝ่ายกลยุทธ์ เทคโนโลยี และธุรกิจ
ข้อสาม คือ ทบทวนกลยุทธ์ RWA ใหม่ โดยใช้กรอบ “AI Immune” คัดเลือกสินทรัพย์พื้นฐานก่อนนำไป Tokenize มูลค่าที่แท้จริงของ RWA ไม่ใช่แค่ “การขึ้นบนบล็อกเชน” แต่คือการสร้างความคล่องตัวและการตั้งราคาที่ดีขึ้นสำหรับสินทรัพย์คุณภาพสูง หากสินทรัพย์พื้นฐานในยุค AI ถูกประเมินมูลค่าลดลง การ Tokenization ก็อาจเป็นการเร่งการสูญเสียมูลค่า
สุดท้าย ต้องเน้นย้ำว่า ตามประกาศของหน่วยงานในจีน ห้ามทำการออกเหรียญและการซื้อขายเหรียญในประเทศอย่างเคร่งครัด การพูดถึง RWA ในบทความนี้ จึงเป็นเพียงการนำเสนอแนวทางดิจิทัลของสินทรัพย์ในกรอบนอกประเทศเท่านั้น การดำเนินธุรกิจในด้านนี้ ต้องปฏิบัติตามกฎหมายและข้อบังคับอย่างเคร่งครัด
เมื่อ AI เริ่มเป็นตัวกำหนดราคาสินทรัพย์ ความปลอดภัยเดียวที่เหลืออยู่คือสิ่งที่ AI ไม่สามารถกำหนดราคาได้ นั่นคือ มูลค่าที่มนุษย์สร้างขึ้นเอง ไม่ใช่โค้ด ไม่ใช่ข้อมูล แต่เป็นความสามารถในการประเมินคุณค่าโดยมนุษย์เอง
