印度IT产业的崛起，始于上世纪末的千年虫危机。当时欧美金融、航空、电力等领域的老式系统普遍采用两位数记录年份，面临系统崩溃的风险，企业急需海量程序员完成排查与修改工作。这类工作技术门槛不高，但工作量极大，属于数字领域的重复性劳动。印度凭借英语普及、薪资水平低、时差适配欧美工作时间三大优势，抓住了这次产业机遇。
TCS、Infosys、Wipro等一批企业快速成长，印度也逐步成为全球的后台办公室。根据印度全国软件与服务公司行业协会2025年的报告，印度外包产业规模已经达到2800亿美元，直接吸纳567万名IT工程师就业。如果算上工程师背后的家庭，以及围绕产业衍生的餐饮、物流、物业服务等配套行业，这条产业链支撑着印度近2500万中产阶级的生计。更重要的是，IT服务与业务流程外包是印度最核心的创汇产业，出口额占到印度货物与服务出口总额的近四分之一，是国家外汇收入的重要支柱。
支撑这个庞大产业的商业模式，本质是劳动力套利。外包公司按人头计费、按小时收费，用远低于欧美的报价承接项目，再以印度本地薪资雇佣员工，赚取中间的人力差价。当时一名美国程序员的年薪约15万美元，同水平的印度工程师年薪仅1.5到2万美元，美国客服年薪约4万美元，印度客服的年薪仅6000美元。这种稳定的差价让印度外包行业平稳发展了二十年，也造就了一代印度中产的上升路径。
AI技术的普及直接打破了这套商业模式的底层逻辑。卡内基梅隆大学与斯坦福大学的学者在2025年的研究显示，AI代理完成同类任务的速度比人类快88.3%。成本端的差距更加明显，2025年印度工程与数据岗位的薪酬中位数为2.2万美元，而主流AI编程工具的年订阅成本仅为数百到数千美元，还不需要缴纳社保、提供办公场地，也不会有工作时长的限制。当AI的效率远超人力，成本仅为人力的几十分之一时，外包产业的存在根基就开始动摇。
寒气最先传导到就业市场。2026年4月，全球IT服务巨头Cognizant启动代号为Project Leap的转型计划，仅遣散费用就准备了2亿到2.7亿美元，据媒体披露，本次全球裁员规模在1.2万到1.5万人之间，绝大多数岗位位于印度。
美国房地产科技公司Opendoor直接关闭了印度金奈和班加罗尔的所有办公室，法国药企赛诺菲则将原本交给印度外包团队的采购订单审计工作，转为由SAP的AI代理完成。行业财报也印证了产业的收缩。行业龙头TCS在2026财年以美元计价的营收跌至300亿美元，恒定汇率下同比下滑0.5%，是多年来首次出现年度营收负增长。Wipro全年营收仅105亿美元，恒定汇率下同比下滑1.6%，增长基本陷入停滞。即便是行业内韧性最强的Infosys，营收首次突破200亿美元，但恒定汇率增速仅3.1%，远低于过去十年13.7%的复合增长率。
裁员潮的规模还在持续扩大。2025年全球科技行业裁员约24.5万人，其中印度贡献了1.9万人，位居全球第二。印度在全球科技就业中的占比不足7%，却承担了全球7.8%的裁员量。更能说明趋势逆转的是头部企业的员工数量变化，2025财年印度前五大IT公司还净增12718名员工，到2026财年，五家公司合计净减少6981人。仅TCS一家就净减超过2.3万人，员工总数从峰值的61.4万降至58万以下，上一次出现如此大规模的净减员，还要追溯到2008年全球金融危机时期。冲击并不止于IT行业本身，还沿着产业链向上下游扩散。
印度每年培养150万计算机科学专业毕业生，而15至25岁青年的失业率已经飙升至40%。有机构预测，未来两到三年内，40万到50万印度IT从业人员可能面临裁员风险，其中七成是拥有四到十二年工作经验的核心员工。伴随收入预期下降，班加罗尔、海得拉巴等IT城市的房地产、汽车、餐饮、教育培训等行业都出现降温，2026年第一季度印度主要城市的住宅销售额同比下降13%。不少背负房贷、育儿支出的中年程序员失去工作后，只能通过申请个人贷款维持开支，整个社会的消费与信用风险都在上升。
这张信息图展示印度劳动力 AI 素养的现状与增长预期。当下印度仅 30% 的员工达到企业要求的 AI 素养水平；预计到 2030 年，该占比将提升至 57%，对应全国将拥有超 3.5 亿具备 AI 素养的劳动者
旧的饭碗被打破，理论上拥有海量工程师的印度，本该有能力转向AI时代的新赛道。但现实是，在全球AI产业的利润分配中，印度几乎没有存在感。
美国资产管理公司Altimeter测算，2026年全球AI 产业净利润可达6370亿美元，其中美国拿走49%，韩国拿走35%，两国合计瓜分了84%的全球AI利润。剩下的份额由中国台湾、中国大陆、日本、欧洲等地区分食，印度并未出现在核心参与者的名单中。很多人将印度错过AI浪潮归结为算力不足或者政策投入不够，但这只是表层现象，真正的根源深埋在印度几十年的产业发展路径里。回看全球主要经济体的产业升级路径，日本从低成本汽车到高品质汽车再到半导体材料，中国从代工制造到消费电子再到互联网与AI产业，东亚经济体的每一步升级都建立在实体制造的基础上。印度则不同，它跳过了完整的工业化阶段，直接跳跃式发展服务业，这种路径选择并非主动规划，而是被自身制度约束的结果。
这张信息图从多维度呈现印度 AI 的发展潜力：15 亿人口体量、全球第四大经济体，73% 的印度高管认为本国 2030 年将跻身全球 AI 顶尖国家
1947年独立后，印度长期实行许可证制度，企业新建工厂、扩大产能甚至调整产品线都需要中央审批，这套制度保护了既得利益群体，新参与者很难进入制造业。等到1991年制度松绑时，东亚经济体已经占据了全球低端制造业的主要份额，印度错过了融入全球制造产业链的窗口期。在外汇紧缺的九十年代，印度只能转向不需要太多固定资产投入的IT外包行业，这也让它缺席了全球制造产业链的分工体系。到了AI基建爆发的今天，硬件制造能力的缺失让印度无法参与到算力基础设施的产业链中，只能成为产业的旁观者。
硬件赛道没有基础，软件与大模型赛道同样难以突破，这和印度错过互联网时代的逻辑一致。互联网时代美国诞生了谷歌、亚马逊等巨头，中国诞生了阿里、腾讯等企业，印度拥有全球数量最多的程序员，却只长出了大量外包公司，没有出现顶级的本土互联网产品公司。核心原因在于印度本土市场无法支撑产品迭代的飞轮，一个成熟的软件企业通常需要经历本土大市场验证、形成规模效应、持续迭代产品、最终走向全球化的过程。
印度看似拥有9.69亿网民，但居民消费能力极低。目前印度人均GDP仅2800美元，财富分配高度集中，仍有约2.28亿人口生活在贫困线以下。绝大多数用户支付能力有限，本土企业很难依靠国内市场完成产品打磨与商业验证。美国的SaaS企业往往先在本土获取大量高付费企业客户，打磨好产品后再向全球扩张。印度企业则相反，本土企业数字化程度低，对软件价格敏感，采购流程分散，更习惯定制化人工服务，印度SaaS公司往往还没完成本土验证，就必须直接参与美国市场的竞争。这也导致印度有近两万家SaaS公司，占全球总量的五分之一，却很少能成长为百亿美元级别的巨头。连轻资产的互联网产品都难以孵化，动辄需要投入几十亿美元的大模型产业，更难在印度的市场土壤里成长起来。
本土企业缺乏投入动力，是另一个重要原因。TCS、Infosys等五家外包巨头合计市值曾超过5000亿美元，但研发投入长期处于极低水平。2008 到2009财年，TCS的研发支出仅占营收的0.2%，Wipro为0.19%。十五年过去，这一比例几乎没有明显提升，2025财年TCS研发占比为1%，Infosys 和Wipro均为0.5%。作为对比，微软的研发占比为 12%，谷歌为14%，Meta更是高达25%。外包巨头赚取的利润，大多流向了股东分红。2020到 2025财年，印度前五大IT公司累计向股东返还约4.8万亿卢比，占合计净利润的87%，如此高的分红比例在全球科技企业中都十分罕见。这种现象背后有两层现实约束，一是以TCS为代表的企业，母公司塔塔集团旗下有大量钢铁、汽车等重资产、强周期业务，需要TCS持续分红来填补其他业务的资金缺口。
二是华尔街将印度外包公司视为高股息的类债券资产，一旦企业将利润投入风险较高的大模型研发，资本就会选择抛售。在稳定分红推高估值的循环里，企业既没有动力也没有底气投入长期创新。基础设施与自然条件的短板，进一步限制了印度AI产业的发展。
AI数据中心是高耗电、高耗水的产业，需要稳定的电力供应与充足的冷却水资源。印度高温天气频发，2026年5月德里气温高达52.9摄氏度，拉贾斯坦邦多地气温超过45摄氏度，全球100个最热城市中有95个位于印度。有研究显示，印度超过一半的数据中心每年气温超35摄氏度的天数超过90天，到2040年，近九成印度数据中心将面临热浪威胁。电力与水资源供应同样紧张，印度农村地区每天停电超过10小时，钦奈等IT中心城市夜间也经常出现几十分钟到一小时的停电。
这是印度次大陆的极端高温热力图，以玫红、橙红色块直观呈现热浪覆盖范围。图中标注核心城市气温：木尔坦达 51℃，新德里 50℃，印度北部多数城市突破 48℃，南部城市气温相对缓和。右上角搭配温度计图标，全景展现了南亚热浪的严峻态势
2025年印度数据中心耗水量达1500亿升，预计2030年将翻番，而印度拥有全球18%的人口，仅占有全球4%的淡水资源，供水压力极大。目前印度本土AI产业的体量还十分薄弱，截至2026年上半年，全国公认的AI独角兽只有三家。其中Sarvam AI是唯一主打基础模型的企业，2026年6月以15亿美元估值完成B轮融资，但全年营收仅540万美元。
Krutrim曾提出对 OpenAI的目标，不到两年就下架了AI助手产品，暂停芯片研发，团队大幅收缩，转向AI云服务，且九成收入来自母公司内部交易。第三家Neysa Networks主营算力出租业务。三家企业估值合计不到40亿美元，放在全球AI产业的竞赛中，还远未达到入局的规模。印度竞争委员会的数据显示，83%的印度AI初创公司专注于应用开发，核心模型基本依赖海外企业的技术，67%的企业仅停留在AI应用层面。印度贡献了全球近20%的数据，却仅拥有全球约3%的数据中心容量，技术上的对外依赖正在让印度逐步沦为AI时代的数据供给方。
印度是全球人口最多的国家，平均年龄仅28岁，未来二十年每年将有超过1000万青年进入劳动力市场。庞大的年轻人口曾被视为印度最大的竞争优势，也是IT外包产业得以发展的基础。但在AI时代，这份红利正在显现出另一面的负担属性。目前印度15至25岁青年失业率已经飙升至40%，每年新增的大量劳动力，正面临传统就业岗位收缩、新兴岗位技能不匹配的双重挤压。
在过去很长一段时间里，IT行业是印度少有的能够突破出身限制的上升通道。只要掌握编程技能，普通家庭的年轻人也能进入大厂工作，获得稳定的高薪，跻身中产阶级行列。来自农村的年轻人贷款攻读工程学位，毕业后进入外包公司改变命运，曾是印度社会常见的励志叙事。但随着外包行业收缩，岗位数量减少，竞争愈发激烈，这条阶层上升的通道正在收窄。
更深层的制约来自社会结构。世界不平等实验室的报告显示，印度的收入不平等程度位居全球前列，收入最高的10%人群占有全国58%的收入。社会资源的分配与种姓结构深度绑定，高种姓群体拥有更好的教育资源，大学入学率接近百分之百，其中三分之二有机会出国留学。与此同时，印度有近3亿人口属于文盲，成人识字率不足50%，大量底层人口连基础的数字技能都不具备，更无法参与AI时代的就业竞争。过去外包产业还能吸纳大量中等技能的劳动力，当AI替代了大量重复性岗位，低技能、低学历的人口将更难融入产业体系，人口数量反而会成为就业与民生的沉重压力。
印度里的孩子们
国际货币基金组织已经将印度2026至2027财年的GDP增速下调至5.8%，创下疫情以来的最大下调幅度，核心理由就是作为支柱的IT服务出口将出现永久性收缩。但这并不意味着印度的AI产业完全没有机会，作为人口大国与新兴经济体，印度依然有自身的独特优势。印度拥有覆盖全国的数字公共基础设施，在身份认证、数字支付等领域的普及度处于全球前列，这为AI技术的落地提供了基础场景。印度政府也推出了总投资约12.5亿美元的人工智能计划，提出打造全球AI创新中心的目标，推动本土算力建设与多语言AI模型发展。
印度市场的多元性也孕育了独特的AI需求。印度有大量本土语言与本地化场景，通用海外模型无法完全适配，这给本土AI企业留下了应用层面的空间。目前AI技术已经在印度的制造业、金融、医疗、农业等领域开展试点，比如供应链预测、智能客服、行政流程自动化、农业气候适配模型等。IBM商业价值研究院的研究显示，到2030年AI有望为印度释放超过5000亿美元的经济价值，有73%的企业高管认为，到2030年印度有望成为全球AI强国。
机遇的背后，是不容忽视的落地障碍。当前印度的AI应用大多停留在孤立的试点项目阶段，很少有企业实现规模化落地。造成这种现象的原因是多方面的，很多企业仍在使用老旧的IT系统，数据分散且标准不统一，无法支撑AI模型的稳定运行，实时数据传输能力也普遍不足。企业要实现AI规模化应用，首先要完成底层数字基础设施的升级，这需要大量的资金与时间投入。
劳动力技能缺口是另一重挑战。目前印度只有30% 的劳动力具备企业应用AI所需的相关技能，据测算到2030年这一比例需要提升至57%，才能匹配产业发展的需求。这意味着印度需要在几年内完成数千万劳动力的技能升级，是该国历史上规模最大的一次劳动力转型。目前政府、企业与学术机构已经开始推进技能培训项目，但要覆盖庞大的人口基数，还需要长期持续的投入与跨部门的协调。
行业研究普遍认为，印度要真正抓住AI时代的机遇，需要在三个核心方向发力。一是推动企业架构现代化，让AI从试点走向全企业规模应用，而不是停留在零散的工具层面。二是推动产业生态互联，让不同企业、不同行业之间实现数据与标准的共享，发挥印度的规模优势，而不是各自为战。三是加强全栈技术能力建设，从仅做应用层向基础模型、自主算力等核心环节延伸，降低对海外技术的依赖。如果能完成这些转型，AI有望成为印度经济增长的新引擎，反之印度则可能沦为纯粹的AI技术消费国，无法掌握自身产业的未来。
印度的遭遇，是AI时代全球产业格局重构的一个缩影。它用三十年时间建立起全球最大的外包产业体系，依靠人力成本优势融入全球分工，却在技术范式切换时最先感受到冲击。这不是因为印度不够努力，也不是因为程序员不够优秀，而是当技术进步的速度超过产业转型的速度时，旧模式的崩塌只会比想象中更快。
图自《经济学人》
人口红利从来不是一张永久有效的王牌，它的价值取决于产业形态与技术水平。当AI能够以更低成本完成重复性劳动时，庞大的低技能人口就不再是优势，反而可能成为转型的包袱。真正能够支撑经济体长期竞争力的，不是人力的低价，而是产业升级的能力、核心技术的积累和适配时代的制度环境。AI带来的产业重构还在继续，没有哪个国家可以永远躺在旧的红利上。如何在技术变革中找到自身的新定位，完成产业与人力的双重升级，是印度正在面对的考题，也是所有经济体都需要思考的长期命题。