2025 年 11 月，印度国会议员、前外交部国务部长沙希 · 塔鲁尔（Shashi Tharoor）在《印度教徒报》发表了一篇颇具影响力的专栏文章。

文章中，他以 " 十字路口 " 为喻，描绘了印度 IT 产业的集体焦虑。

过去的 30 年，IT 产业为印度平均贡献了高达 7% 的 GDP（尽管其雇佣人口仅占全国劳动力的 1%），是名副其实的印度经济 " 引擎 "。

然而，AI 的浪潮正无情地侵蚀着这个 " 引擎 "。

咨询公司预测，未来一家年收入 10 亿美元的 AI 服务公司可能仅需 1000 名员工，而同样规模的传统 IT 公司则需要近 3 万名员工。

于是，印度三大科技巨头（TCS、Infosys、Wipro）的员工总数在过去一年中合计减少了超过 6 万人，巨头裁员、全行业招聘冻结，印度感受到了强烈的危机，它赖以成功的核心竞争力——基于庞大、廉价、高素质英语工程师的 " 劳动套利 " 模式，正在被 AI 釜底抽薪。

塔鲁尔的追问是：

当人工智能从辅助工具变为核心生产力时，一个国家长期建立的比较优势和核心竞争力，将面临何种程度的瓦解与重构？又将如何破局？

印度 IT 产业的崛起，本质上是一个基于 " 劳动套利 " 的故事。

回到 1999 年，那是一个被 " 千年虫 "（Y2K）恐慌笼罩的时代。

全球无数的系统和软件，因早期的两位数年份写法，面临在 2000 年 1 月 1 日零点钟声敲响时集体崩溃的风险。修改这些用 COBOL 等古老语言写成的 " 遗留代码 "，是一项极其枯燥、繁琐且劳动密集型的工作。

欧美的程序员们对此避之不及，且人力成本高昂。

但 " 彼之砒霜我之蜜糖 "，这个事件恰为印度提供了一个千载难逢的历史机遇。

印度的 IT 公司，如塔塔咨询服务（TCS）、印孚瑟斯（Infosys）和威普罗（Wipro），凭借着庞大的、受过良好教育且具备英语能力的工程师储备，以极具竞争力的价格，承接了全球海量的代码修复工作。

他们不仅成功了，更重要的是，他们向世界证明了三件事：

1. 可靠性：印度团队能够按时、按质地完成复杂的远程协作项目。

2. 规模化：印度拥有近乎无限的、可供调配的 IT 人才。

3. 成本优势：印度能够以西方国家无法比拟的低成本提供服务。

" 千年虫 " 危机过后，便是从 2000 年到 2010 年的 " 黄金十年 "。

随着互联网泡沫的破裂和全球企业对成本控制的极致追求，" 离岸外包 "（Offshoring）成为主流。

印度，凭借其先发优势与 " 千年虫危机 " 的信任基础，理所当然地成为了 " 世界办公室 "。操作模式就是：

欧美客户提出需求，印度的项目经理分解任务，成千上万的初级工程师凭借标准化的流程和熟练的计算机技能，像在流水线上一样完成编码、测试、运维等环节，最后交付成果。

根据印度软件和服务业行业协会（NASSCOM）的数据，印度 IT 服务出口额从 2000 财年的约 40 亿美元，飙升至 2010 财年的近 500 亿美元，十年间增长超过十倍。

IT 行业对印度 GDP 的贡献率也从 2000 年的 1.2% 跃升至 2010 年的 6.1%，最近的 2024 年，更是达到 10% 的惊人水平。

而经过这些年的演化，印度 IT 企业已经把 IT 外包的商业模式锤炼到了极致，形成了三大核心支柱 / 竞争优势：

规模化的人才供给（每年 150 万名工程专业毕业生）

显著的成本优势（印度工程师的人力成本不到美国的 1/5）

高效的项目管理（软件工程成为可预测、可衡量、可复制的 " 工业化 " 生产项目）

然而，这套为全球化时代量身定做的完美机器，却在人工智能时代玩不下去了，因为我们前面也说到——生成式 AI 正对这三大支柱进行着釜底抽薪式的瓦解。

Everest Group 的 CEO 彼得 · 本多 - 塞缪尔一针见血地指出，IT 产业约 85% 的利润来自劳动密集型的开发与运维阶段，而这正是 AI 替代效应最强的领域。过去需要一个庞大金字塔底层团队完成的工作，如今一个 AI 代理（AI Agent）就能以近乎零的边际成本、7x24 小时不间断地高效执行。

Constellation Research 的 CEO Ray Wang 的预测更惊人：

" 一个百人规模的 AI 公司，将能创造出一家三万人、十亿美元收入的传统 IT 公司的产出。"

这也就是说，印度 IT 业过去引以为傲的 " 人力杠杆 " ——每增加 10 亿美元收入，就能创造约 3 万个就业岗位——正在迅速失效。

取而代之的，是 " 智能杠杆 "：少数顶尖的 AI 架构师和工程师，就能通过驾驭强大的 AI 工具和平台，实现过去成百上千倍的产出。

AI 的冲击不仅体现在岗位数量上，更体现在对技能需求的颠覆上。

大量曾经是中流砥柱的中层管理者和传统软件专家，其核心技能（如 SAP ECC、.NET、传统 Java）正迅速贬值。

市场不再需要 " 数字螺丝钉 "，而是渴求能够整合架构、理解 AI、驾驭云平台、保障网络安全的 " 复合型数字工匠 "。

显然，这种剧烈的技能错配，让从业者陷入了尴尬的境地：那些成就你的终将会制约你，过去的经验成为转型的包袱。

这不仅是个人的职业危机，更是一个国家人力资本的巨大挑战。

面对这场关乎国运的结构性危机，印度想要自我革命。

其核心目标只有一个：

在 AI 时代，重新发明印度的竞争力。

我们先看巨头们的策略：

印度 IT 服务业的巨头们，如塔塔咨询服务（TCS）、印孚瑟斯（Infosys）和威普罗（Wipro），制定了清晰的转型战略：

放弃对 " 人力杠杆 " 的路径依赖，全力拥抱 " 智能杠杆 "，即利用 AI 放大少数顶尖人才的产出。

比如 TCS，它自研了 ignio™ AIOps 平台，该平台利用 AI 和机器学习自动管理和优化企业 IT 运营，能主动预测问题并自主解决大部分故障，显著降低对人力运维的依赖。

例如，在与美国零售商 Belk 的合作中，ignio 平台帮助其 IT 运营开支减少了 15%，并实现了 58% 的事件被 AI 主动覆盖处理。

同时，TCS 正在大规模地对 60 万员工进行 AI 技能再培训，已有超过 10 万名员工获得了 AI/ML 领域的高阶技能。

其他 IT 外包巨头做的事情也大差不多，它们转型的共同方向都是：

利用 AI 帮助客户实现业务成果的战略合作伙伴，商业模式也随之改变，从按人头和工时收费，转向基于结果和价值的定价策略，甚至不惜 " 蚕食 " 自己过去的收入来创造全新的 AI 驱动业务。

但，我们刚刚提到，这种商业模式会蚕食现有收入来源。

事实上，这些巨头 90% 以上的收入仍来自于传统的、按人头和工时计费的业务模式。推广 AI 自动化，意味着要主动 " 杀死 " 自己的现金牛。这在财报压力和股东期望面前，是一个极其痛苦的决策。

最难的部分是 " 文化 "。

管理大师彼得 · 德鲁克有一句话是这样说的：Culture can eat strategy for breakfast，文化能轻松会吞噬战略。

三十年形成的 " 承包者文化 " 根深蒂固。习惯于听从客户指令、执行标准化流程的思维模式，要转变为主动为客户创造价值、进行咨询式销售的 " 创造者文化 " ——这远比技术升级更为艰难。

在初创体系方面，印度也在奋力追赶：

比如 Ola 创始人 Bhavish Aggarwal 创立的 Krutrim，在梵语中意为 " 人工 "，已经成为印度首个 AI 独角兽公司。Aggarwal 表示，印度的目标不应仅仅是满足于全球计算产业 2% 的价值份额，而是要利用 AI 的机遇，构建从芯片设计、云技术到 AI 模型的全栈能力，将文化背景和印度数据融入 AI，从而在全球 AI 格局中占据更核心的位置。

此外，还有众多 AI 初创企业在垂直领域崭露头角。

但整体上看，印度 AI 初创生态整体上依然面临着不小的挑战。

最直接的挑战是基础设施的 " 空心化 "。

AI 的竞争，归根结底是算力的竞争。

印度本土几乎不生产高端 GPU，严重依赖从 NVIDIA 等美国公司进口，这使得算力成本居高不下且受制于人。同时，与亚马逊 AWS、微软 Azure 和谷歌云相比，印度严重缺乏世界级的本土云服务提供商，导致数据存储和模型训练的基础设施薄弱。

还有高端人才的 " 断层 "。

是，印度每年是培养了海量工程师，但在金字塔尖的、能够引领基础模型研究的顶尖 AI 科学家和架构师层面，却存在明显的人才断层。

而且最优秀的人才大多流向了硅谷的科技巨头，导致本土初创企业在核心研发上后劲不足。

其三是资本。

印度的风险投资生态总体上依然缺乏足够的耐心和战略眼光，对于需要长期、巨额投入的基础模型研究，几乎没有任何资金敢于下注。

这使得本土初创企业在与拥有强大资本和生态支持的美国同行竞争时，处于天然的劣势。

在如此严峻的挑战下，印度政府意识到这是国家战略问题。

所以近几年也推出了" 印度 AI 使命 "（IndiaAI Mission），计划在未来五年内投入超过 1037 亿卢比（约 12 亿美元），旨在构建强大的 AI 计算基础设施，支持 AI 创业公司和研究。

该计划包括建立一个由至少 38000 个 GPU 组成的庞大计算网络，并以极低的成本向初创企业和研究人员开放，以期打破算力瓶颈。

同时，政府正积极制定负责任的 AI 治理框架，以平衡创新与数据隐私、算法偏见等伦理问题。

教育体系正在跟进。

全印技术教育委员会（AICTE）已强制要求将 AI 和数据科学课程整合到所有工程学科中，而不仅仅局限于计算机科学。

印度的清北——印度理工学院（IITs）和国立理工学院（NITs）等顶尖学府正在引入更多 AI 核心课程，并积极与企业合作，建立联合研究中心。

生态系统方面，政府、企业和学术界正在共同努力，营造一个有利于 AI 创新的环境：

通过为 AI 初创企业提供税收优惠、政府采购渠道和资金支持，加速本土 AI 解决方案在医疗、农业、金融等关键领域的落地。

然而，宏大的国家战略，往往在 " 最后一公里 " 的执行中面临巨大的困境。

如果看教育体系。

印度的教育体系以规模庞大、质量参差不齐而著称。如果在数千所工程院校中强制推行 AI 课程，很容易流于形式，最终就很难培养出市场真正需要的、具备创新思维和实践能力的 AI 人才。

政策的初衷与实际的产出之间，存在巨大的鸿沟。

另外，印度的官僚体系在项目落地和资金分配上的效率问题一直备受诟病。12 亿美元的投入，在层层审批和分配过程中，有多少能够真正高效地转化为算力和对初创企业的支持？

依然是一个未知数 ……

印度的 IT 转型故事，对中国而言，是一面很及时的 " 铜镜 "。

相比的印度，中国的经济结构更多元，但其过去四十年的高速发展，同样在很大程度上依赖于类似的 " 要素红利 " ——只不过印度的核心要素是 " 工程师红利 "，而中国的核心要素是 " 劳动力红利 + 制造生态红利 "。

如今，AI 对中国 " 世界工厂 " 模式的冲击，其底层逻辑与冲击印度 " 世界 IT 工厂 " 如出一辙：

自动化生产线、智能机器人、AI 驱动的供应链管理，正在系统性地替代传统制造业中的人力。

因此，印度 IT 业的阵痛与抉择，为我们提供了 3 点至关重要的战略启示：

1. 超越 " 应用层繁荣 "，夯实 " 根技术 " 底座。

印度在软件应用开发上的成功，更多是建立在他人搭建的底层技术之上，面对危机十分脆弱。

但真正的国家竞争力，必须建立在坚实的 " 根技术 " 之上——包括自主可控的大模型、AI 芯片、开发框架和操作系统。

国家必须以更大的决心和投入，支持基础研究和核心技术攻关，避免在未来的竞争中被 " 卡脖子 "。

2. 重新定义 " 人才红利 "，启动 " 国民 AI 素养 " 工程。

中国的 " 人口红利 " 正在消退，但 " 人才红利 " 的窗口依然存在。

特别是在 AI 时代，人才定义已经改变。我们需要的不再是海量的流水线工人和初级程序员，而是数以百万计能够与 AI 协同工作、利用 AI 解决复杂问题的新型劳动者。

这也要求我们的教育体系进行一场以 "AI" 为主题的深刻的变革。比如在高等教育中打破学科壁垒，推动 "AI+X" 的交叉学科发展，培养具备跨界创新能力的人才。

3. 构建 " 大企业引领 " 与 " 中小企业创新 " 的共生生态。

印度 IT 巨头的转型，显示出大企业在资源整合和规模化再培训上的优势。

但印度初创企业的活力是一个巨大的挑战。

我们需要构建一个 " 大企业引领 " 与 " 中小企业创新 " 的共生生态。具体来说，一方面支持科技领军企业在基础模型和 AI 基础设施上发挥 " 头雁效应 "；另一方面，通过开放数据、提供普惠算力、创造公平竞争环境等方式，为千千万万的中小企业和 AI 初创公司提供成长的土壤。

防止数据和算力垄断，是激发整个国家创新活力的关键。

AI 浪潮带来的，远超技术升级的范畴，而是一场对国家核心竞争力范式的彻底颠覆。

它正在将全球竞争的底层逻辑，从基于土地、劳动力、资本等传统 " 比较优势 "，转向基于数据、算力、算法和人才创造力的 " 创造优势 "。

对于中国，棋局无疑比印度更复杂。

但凭借庞大的市场、完整的工业体系和强大的国家动员能力，我们拥有抓住这次历史机遇的巨大潜力，推动整个国家完成一场 AI 转型之路，因为这不仅决定了中国能否从 " 世界工厂 " 成功跃迁为 " 智能强国 "，更将定义我们在 21 世纪全球格局中的最终位置。