IBM 一天蒸發七百億美金，企業軟體的黃金時代結束了嗎？

TL;DR

• IBM 單日暴跌兩成五，蒸發近七百億美金市值，創公司一百一十五年來最慘單日紀錄，同一天 Workday、Salesforce、ServiceNow、Adobe 全跟著摔
• 核心原因是企業把 IT 預算從傳統企業軟體和服務，轉向 AI 硬體和基礎建設的「恐慌性採購」
• 中國正在考慮對開源 AI 模型實施出口管制，美國封晶片、中國封模型，兩邊互掐讓企業的 AI 備案策略同時被堵死
• 已經有企業跑著七萬個 agent，這不是五年後的事，agentic 時代的經濟學正在即時改寫企業軟體的價值主張
• 微調和自建模型重新回到檯面，企業開始認真思考「不依賴任何一家大廠」的 AI 韌性策略

---

Practical AI 是由 Daniel Whitenack 和 Chris Benson 共同主持的 AI podcast，專門把人工智慧講得實用、好懂。這集在 2026 年七月二十三日播出，兩位主持人自己聊，沒有來賓。Daniel 是 AI 安全平台 Prediction Guard 的 CEO，做的是幫企業在自家防火牆後面安全跑 AI 的生意。Chris 是 Lockheed Martin 的首席 AI 與自主研究工程師，專長是大規模全自主蜂群作戰系統。兩個人的背景一個偏商業落地、一個偏國防前沿，看 AI 產業趨勢的角度剛好互補。

IBM 崩盤那天早上

Chris 說他那天早上吃麥片配 CNN 新聞摘要，看到 IBM 股價一天摔兩成五，蒸發近七百億美金市值。這個跌幅比 1987 年黑色星期一還慘，是 IBM 超過五十年來最嚴重的單日崩跌。

但他說自己一點都不意外。

他最近一直在做一個思想實驗：把所有偏見和情緒拿掉，純粹看現在正在發生的事情，然後往後推演幾個月、幾年，各種結果的機率分佈長什麼樣子。他甚至在跟一家出版社的 CEO 討論寫一本書，主題就是「後 agentic 世界」的經濟學。

IBM 崩盤的直接原因是初步財報不如預期，營收少了將近七億美金。但更值得注意的是結構性的東西：企業正在把 IT 預算從傳統的企業軟體和服務，大幅轉向 AI 硬體的「恐慌性採購」。伺服器、記憶體、儲存裝置，企業搶著買，因為他們怕之後漲價買不到。

Daniel 在節目中即時查了一下，同一天 Workday 跌一成、Salesforce 跌百分之九、ServiceNow 跌百分之八、Adobe 跌百分之六。反過來漲的是誰？NVIDIA、Intel，賣鏟子的人。

這跟之前在IBM 史上最慘單日暴跌、大銀行集體狂歡整理過的邏輯一模一樣：資源有限，選擇永遠有代價。企業的 IT 預算就那麼多，往 AI 硬體挪的每一塊錢，都是從企業軟體手上搶走的。

美中互掐，備案策略被堵死

Chris 提到一個很多人可能還沒注意到的消息：中國正在考慮對開源 AI 模型實施出口管制。

這件事的邏輯是對稱的。美國用晶片出口管制卡中國的硬體，中國現在認清自己在開源模型上有優勢，開始考慮反向用同樣的邏輯卡回去。商務部已經在跟阿里巴巴、字節跳動等公司諮詢方案，可能限制模型權重、訓練資料和晶片設計的海外輸出。

這對企業來說是雙面夾擊。之前很多公司的 AI 策略有個隱含的備案：美國大廠的模型太貴？那就用中國的開源模型當後路。現在這條後路也可能被堵死。

企業同時面臨美國模型太貴、中國模型可能拿不到的處境，這不是假設，這是正在發生的事。

Daniel 的工程團隊還提到一個更地下的現象：中國的 token 黑市。因為 OpenAI 和 Anthropic 在中國大陸是被封鎖的，所以出現了一整個灰色產業鏈。中間商透過代理伺服器轉發請求，在微信和支付寶收款，把 Claude 的 API 存取權以七到九折的價格賣給中國用戶。Anthropic 從 2025 年九月開始封堵子公司漏洞，2026 年七月也開始在訂閱結帳時要求身份驗證。

這種黑市的出現一點都不奇怪。只要有人為設定的壁壘，就一定會有人繞路。但它反映的是一個更深層的問題：全球 AI 供應鏈正在碎片化，企業的技術選擇空間在縮小。

七萬個 Agent 已經在跑了

節目裡最讓我留意的一段，是 Daniel 分享的第一手觀察。他說光是最近兩週，Prediction Guard 就接觸到一家已經跑著七萬個 agent 的企業，另一家有六千個。

這不是 PPT 上的願景圖，這是現在進行式。

Chris 把這個趨勢拉到更大的框架來看。他認為我們正在從「一個人跟一個 agent 互動」的階段，進入「幾十萬個 agent 在企業基礎建設裡協作」的階段。Agent 跟 agent 之間的互動會取代大部分人類跟軟體介面的互動。未來的商業交易不是人打開網頁下單，是 agent 對 agent 直接溝通，沒有人在中間操作 GUI。

這對企業軟體的衝擊是根本性的。如果你的產品價值建立在「提供一個介面讓人操作」上面，當主要使用者變成 agent 的時候，你的價值主張就需要徹底重寫。之前在軟體正在失去它的頭聊過這個概念，Salesforce 推 Headless 360 就是在回應這個趨勢。

Chris 還提了一個有趣的觀察：幾個月前大家還在講 agentic engineering，最近流行的詞變成 loop engineering（迴圈工程），因為 agent 現在被綁在各種迴圈裡面跑。但他預測年底之前，loop engineering 這個詞也會變得過時，因為演化速度太快了。

他引用 George Lucas 的話：如果你現在還沒認真擁抱 agentic 技術，就像汽車時代還在堅持馬車一樣。

微調回來了

一個有意思的回馬槍：微調（fine-tuning）又回到檯面了。

Chris 觀察到，很多企業之前覺得模型夠聰明了，何必花錢微調？直接拿來用就好。但現在被美中兩邊夾擊、預算又有限的情況下，企業開始重新思考：我是不是應該自己訓練或微調一些小模型，不要把命運交給任何一家大廠？

Daniel 補充說，像 Unsloth 這類工具已經可以讓你在 MacBook 上做微調了。當你把 agent 從「我的筆電上的個人助理」搬到「雲端裡跑好幾天的長期 agent」，經濟學完全不同。用按量計費的 API 跑幾萬個長期 agent，帳單會讓人心臟停跳。但如果是自己架的小模型在驅動這些 agent，成本結構就完全不一樣了。

這跟之前在AI Agent 跨不進 production 的真相整理的觀察互相呼應。企業 AI 落地的瓶頸不在模型智力，在基建、成本、治理這些硬問題。

Anthropic 的 J-Space 論文

節目最後提到 Anthropic 最近發表的一篇論文，標題是「Verbalizable Representations Form a Global Workspace in Language Models」。簡單說，他們用一種叫 Jacobian lens 的方法，發現語言模型內部存在一種類似人類工作記憶的機制，他們稱為 J-space。

這個空間裡的表徵可以被召喚、保持、用來進行靜默推理，並傳遞給後續的計算。把它關掉的話，模型還是能解析文字和做基本推論，但複雜的內部推理就會失靈。

這碰觸到一個哲學問題：如果一個模型用完全不同於哺乳動物大腦的方式，達到了功能上等效的結果，這算不算某種形式的認知？

Chris 的立場比較開放：他認為如果只用傳統神經科學的狹義定義來框，可能會錯過一些重要的東西。功能等效是不是就足夠了？這個辯論還會持續很久。

我的判斷

IBM 崩盤不是個案，是訊號。企業軟體的黃金時代可能真的在結束。但「結束」不等於「消失」，而是價值主張必須徹底重寫。

如果你是企業軟體的老闆，現在要想的不是「怎麼在產品裡加一個 AI 功能」，而是「當我的主要使用者從人變成 agent，我的產品還有什麼存在的理由？」這個問題的答案如果只是「我們有 MCP connector」，那可能還不夠。

如果你是投資人，看企業軟體公司的時候，別只看營收數字。要看的是他們的營收裡面，有多少比例是來自「人需要一個介面才能完成的工作」。那個比例越高，被 agent 取代的風險越大。

如果你是一般上班族，這集的核心訊息其實很簡單：變化的速度在加速，不是線性的，是指數的。Chris 那句「the rate of change is accelerating exponentially right now」不是在嚇人，是在描述現實。

想看更多這類產業趨勢的拆解，可以訂閱 wilsonhuang.xyz，我會持續追蹤。