精品 AI 服务公司会成为印度的下一个大机会吗？

在金融科技和保险领域打造并扩展产品驱动型初创公司十年之后，Prateek Jogani 于 2025 年开始寻找下一个要解决的问题。AI 是无可回避的前沿，而深入观察这一生态后，他发现行业炒作与实际情况之间存在脱节。

在与中型市值、成长阶段和上市前企业的领导团队交流时，Jogani 注意到讨论中反复出现的模式。几乎没有人让 AI 在企业内部承担有意义的工作。这些模型无疑强大，但企业仍不断遇到障碍。

企业数据的结构化被证明十分棘手，治理自主工作流既复杂又昂贵，而团队也无力应对 AI 所需的组织变革。与此同时，作为企业技术传统守护者的老牌 IT 服务公司难以跟上 AI 的步伐，并且缺席了这些讨论。

看到执行层面的真空，Jogani 着手创建一家精简的合作伙伴，利用 AI 原生工程师和现代工具，将 AI 直接嵌入企业工作流。

在 Paytm 首席执行官 Vijay Shekhar Sharma、CRED 创始人 Kunal Shah、AEOS Labs 创始人 Varun Mayya 以及一批风投的 660 万美元资金支持下，Jogani 本月推出了 Parallel Loop——其定位不是咨询顾问公司，而是一家 AI 赋能与执行公司。

这在印度如今正成为一类不断壮大的公司。统而言之，可以稳妥地称它们为“精品”AI 服务公司。

在生成式 AI 时代，一个已被彻底击碎的误解是：AI 将消除对工程师的需求。部署前沿模型和智能体仍然需要团队将其与专有数据集成、管理风险并控制成本。

因此，作为全球 IT 服务之都的印度，或许并不会面临曾经预测的黯淡前景。尽管该行业面临传统按小时计费模式被侵蚀、招聘 AI 可胜任岗位的初级员工陷入两难，以及季度加薪幅度下降等挑战，但服务需求依然强劲。

TCS 在 9 月季度报告年化 AI 收入为 31 亿美元，总合同价值为 96 亿美元。与此同时，HCLTech 报告新签合同金额为 32.6 亿美元，年化 advanced-AI 收入环比增长 28%，达到 2.19 亿美元。

随着大型老牌企业把握 AI 机遇并为其服务模式进行面向 AI 时代的现代化改造，一个由精品 AI 咨询公司组成的平行生态正在兴起。

尽管传统 IT 服务公司力求让 AI 更贴近客户并加快企业部署，AI 原生咨询公司正将自己定位为更小、更快的工程合作伙伴，能够在数天而非数月内将 AI 项目从概念推向生产。

精品 AI 咨询公司登场

Jogani 认为，Parallel Loop 的优势在于将 AI 原生工程师与能让小团队完成更多工作的工具相结合。

“对我们有利的是，我们默认都是 AI 原生工程师和实践者，”Jogani 对 AIM 表示。“我们拥有从 2026 年起步的奢侈，因此从头开始，一切都是 AI 原生的。”

该公司不是为每个项目配备大型团队来编写代码，而是使用由 AI 智能体组成的“软件工厂”，由工程师构建并集成由此产生的工作流。“最近，我们的一位客户收到一家服务公司为期五个月的报价——我们在 10 天内交付了应用，”他说。“由于我们的规模，我们能够快速行动。”

Jogani 举了 Jev 的例子，这是一种新的决策 AI 模型，它不输出文本，而是提供哪种结果最有效的概率。对于某些用例，这种方法可能比基于文本的模型高效得多。

“我们的工作流已经在生产环境中为我们的企业运行 Jev，”Jogani 说，并强调该公司能够多快地实施最新的 AI 框架和技术。

Parallel Loop 将自身的 AI 技术栈部署在客户自己的基础设施内，而不是在自己的云上托管企业工作负载。这使企业能够保持对数据和部署环境的控制，同时使用 Parallel Loop 的 AI 技术栈连接现有系统并构建自动化工作流。

其商业模式结合了平台的月度许可费、前置部署工程小时包、一次性软件开发费用以及经常性维护费用。

不要误会，这些公司并非致力于通过为客户构建新平台来取代 SaaS 平台。Jogani 重申，SAP 和 Salesforce 等企业软件已经作为记录系统，处理关键业务数据和合规要求。为单个平台添加 AI 能力可能会保留它们之间的孤岛。

相反，Parallel Loop 通过一个横向 AI 层连接这些系统，让企业能够构建跨应用和部门数据的工作流。

销售成果，而非规格

“传统 IT 服务通常按照规格交付，”另一家精品 AI 咨询公司 Krazimo 的联合创始人兼首席执行官 Akhil Verghese 表示。“我们销售的是成果，利用 AI 和 AI 辅助开发来实现它。”

Verghese 解释说，这可能意味着实现工作流自动化；构建一个能像员工一样出色甚至更好地完成任务、并能随需求波动而扩展的智能体；或者让公司的信息、工具和 API 可供员工和 AI 系统访问。

他还指出，利用前沿 AI 框架快速实现目标的优势。“它改变了一个小团队能完成的工作量，而我们自己使用这些系统，也让我们直接体会到客户需要什么才能让这些系统可靠。”

该公司目前人均创收 50 万美元。

对于探索性项目，Krazimo 提供可取消的月度订阅。对于需求明确、目标可衡量的项目，它收取与交付里程碑挂钩的固定价格。如果客户对工作不满意，还可以在头 30 天内无付款退出。

Krazimo 并非纯粹按工程工时收费，而是围绕交付成果和可衡量的业务目标来构建合作。该公司表示，客户通常在三到六个月内实现收支平衡，利润平均增长 17%。

同样，采用基于成果交付模式的 Parallel Loop 透露，在成立后的几个月内就获得了八家企业 AI 客户，已签约收入达 200 万美元。

但印度的大型 IT 公司能否大规模采用这种模式？

“精品 AI 公司在现有企业必须削减自身收入才能竞争的领域最具优势，”Forrester 副总裁兼首席分析师 Leslie Joseph 对 AIM 表示。

印度大型 IT 服务公司传统上依赖两种合同的组合：按时间和材料计费（按投入的人员和工时收费），以及针对约定工作范围的固定价格合同。这两种模式都不一定将付款与业务成果挂钩。

例如，Infosys 报告称，2026 财年固定价格合同占其收入的 58%。与此同时，Wipro 在 2026 财年有 45.6% 的收入来自固定价格和基于量的合同，其余 54.4% 来自按时间和材料计费的合同。

然而，随着 AI 改变交付经济性，基于成果的定价正在获得发展势头，但仍属于少数模式。

今年 8 月，印度二级 IT 公司 Coforge 透露，基于成果的合同贡献了其 25 亿美元收入运行率的 6-7%。TCS 也报告称，正转向基于成果的承诺，尤其是在代理式全球商业服务领域。

“AI 压缩了这些合同中的可计费工作，客户现在期望将节省下来的成本返还给他们，”Joseph 说。

相比之下，精品 AI 公司不背负同样的传统合同承诺。相反，它们做出了一个极具吸引力的承诺：将现有企业计费收费的许多常规工作自动化。

Joseph 还解释说，这些公司可以为项目配备更多资深工程师，从而将自己定位为比大型竞争对手更具 AI 原生性。此外，在结果易于衡量的狭窄工作流中，基于成果的定价对这些公司也是可行的。

“该模式在大型转型项目中仍未得到验证，”Joseph 说。

许多精品 AI 公司由具有直接开发和扩展软件经验的工程师创立。他们还利用个人经验和技能作为吸引客户的关键卖点。

Verghese 在 Google 工作了六年，期间参与 Workspace 内的 Gemini 项目，并帮助开发减少幻觉、提高 AI 可靠性的技术。

“我们俩（Verghese 和他的联合创始人 Mridul Nagpal）都很喜欢在 Google 工作，所以我们迈出这一步并不轻率，”Verghese 说。“Google 为这些智能体的可靠性设定了特别高的标准。为了努力达到这一标准，我们采用了许多当时并未看到有人公开谈论的技术。”

在 Google 的许可下，Verghese 和 Nagpal 开始帮助公司寻求他们的建议和专业知识。

“我们在继续经营业务的同时，还在 Google 保留职位超过一年半。我们向自己承诺，当公司月度经常性收入（MRR）达到 5 万美元时，我们就离开，”他说。“那是在 2025 年 6 月实现的，到 7 月，我们俩都已经离开了。”

同样，Jogani 带来了近二十年的经验，在创办 Parallel Loop 之前，曾在亚洲多家科技公司担任 CTO。

“我上一家公司曾在印度尼西亚证券交易所上市，我们在四个月内构建了它的整个技术栈，”Jogani 说。

然而，一个特别有趣的案例是 Cars24。

这家汽车物流巨头在过去两年里构建并运行了用于客户支持、财务、车辆检测和其他工作流的 AI 智能体。

Cars24 没有将 AI 用于孤立的任务，而是围绕 AI 驱动的工作流重建了部分业务，并将其嵌入客户互动、车辆检测、贷款、工程和内部运营中。该公司表示，其 AI 语音智能体在 2027 财年第一季度处理了 258 万分钟的通话，而聊天机器人处理了超过 55 万次客户请求。

该季度，AI 主导的系统完成了 80% 的车辆检测，高于上一季度的 25%。其检测平台将平均检测时间从 45 分钟缩短至 26 分钟。同样，AI 主导的贷款发放比例从 30% 上升至 65%。

在内部取得这些成果后，公司开始探索能否帮助更多企业复制其成功经验。Deployment Inc 由此诞生。

这家印度汽车销售巨头在成功于自身运营中部署 AI 后，分拆出了自己的人工智能咨询公司，如今希望将这一成功复制到更广泛的生态系统中。

该公司于 8 月成立这家公司，由 Cars24 提供 500 万美元初始投资，联合创始人为曾领导 Cars24 AI 业务的 Jayesh Gupta 和前 xAI 工程师 Aayush Gupta。

“Cars24 是我们的第一个运营实证，我们正把在那里的经验带给其他企业，”Jayesh 对 AIM 表示。“在 Cars24 内部实施 AI 让我们了解到成功演示之后会发生什么：用户如何行为、系统在何处失效、异常如何处理，以及经济性是否成立。”

对 Deployment Inc 而言，初期重点是创始人主导、技术驱动且具有可观运营规模的企业。

“我们寻找重要的业务问题、高管发起人、对相关系统和数据的访问权限，以及能够与我们合作的运营团队，”Jayesh 说。

他解释说，一支由前置部署工程师组成的小团队会与客户的运营和技术团队紧密合作，全程参与发现、构建、集成、上线和采用。

“我们建立基线，在适当控制下将工作流投入生产，并衡量它是否改善了业务，”他补充道。

这些公司还可以与美国的尖端模型开发商密切合作。

Deployment Inc 是 OpenAI Select Partner，这是 ChatGPT 开发商推出的一项计划，为企业部署提供技术资源、培训和支持。

Parallel Loop 旨在服务更广阔的市场，包括医疗健康、零售、汽车和制造业中那些认为 AI 颇具吸引力但实施经验有限的企业。

Jogani 表示，印度这类企业的大多数领导者原本并非技术驱动型或数字原生企业，他们希望实施 AI，但能力不足。

“这个目标群体之所以有帮助，是因为他们拥有全部资源和分销渠道，但缺乏全力投入的能力，”他说。“因为每当有一个想法出现时——他们都认为需要六个月才能实施。我想改变这一点。”

Havells India 是 Parallel Loop 在成立时的客户之一。

Verghese 也有类似的经历：他最大的成功来自数字化程度有限、人工工作量大的企业。

“尤其是在家庭服务、建筑和医疗健康领域——我们已经发现了让 AI 将工作量减少多达 20%、并将收入提升超过 20% 的机会，”他说。

Krazimo 正通过与 OriaNode Technologies 的合作探索印度的政府业务。OriaNode Technologies 是一家早期阶段的 AI 公司，为印度政府部门、公共部门企业（PSU）和法定机构构建定制 AI 系统。

全国各地的 AI 咨询公司都将此视为一个前景广阔的机会。

例如，AI 工程咨询公司 TunerLabs 帮助一家总部位于卡纳塔克邦的建筑材料制造商实现了会计、收款、需求预测和销售跟踪的自动化，据报告每月节省数十万卢比。

同样，印度企业 AI 咨询公司 Rooted AI 表示，它帮助一家总部位于霍苏尔的汽车零部件制造商在三条生产线上部署了计算机视觉，在五周内将废品率降低了 34%。

在另一项独立合作中，该公司为一家总部位于金奈的第三方物流提供商构建了一套AI驱动的调度路由系统，该提供商每天处理超过200次配送。据该公司称，通过将实时交通、车辆载荷和配送时间窗纳入考量，该系统将燃料成本降低了28%。

然而，在落笔签约之前，尤其是在面对潜在印度客户时，会出现一系列独特的挑战。

拿钱给我看

“印度最好的地方——有时对生意并不有利——就是他们想看到投资回报率，”Jogani说。

印度的一些企业仍然不愿投资AI，仅仅是因为AI正在全球范围内获得关注。

相反，他们希望供应商在承诺更大规模部署之前展示明确的投资回报。

即使存在兴趣，一些企业也不愿花钱，因为相对低廉的人力成本会使自动化不那么有吸引力。

“当其他供应商以三分之一的价格提供表面上相似的解决方案时，价格敏感性会带来压力，”Verghese说。

他解释说，当系统必须在企业内部运行、使用真实客户数据、处理异常情况和后果时，这种差异就会变得清晰。

“正是在那里，你才会发现你买到的是一个具有正确治理机制的可靠系统，还是某个学会了提示ChatGPT的人所做的令人印象深刻的演示，”他说。

虽然Parallel Loop、Krazimo和Deployment Inc.等公司使用精简团队、基于结果的定价以及加快部署时间线的自动化优先方法，但大型IT服务现有企业仍保留着自身的优势。

为什么GCC是黑马

Joseph认为，大型IT服务公司的优势牢固地建立在规模、既有客户关系以及对AI智能体必须运行所依托的系统的控制之上。

他们已经在管理核心银行平台、ERP系统和大型机，这使他们能够获得在复杂企业中部署AI所需的基础设施和集成专业知识。

老牌供应商在受监管行业也具有优势，在这些行业中，可审计性、治理和问责与模型性能同样重要。

例如，在金融服务领域，印度储备银行的FREE-AI框架建议对AI系统采取经董事会批准的AI政策、风险分类和审计机制。

这些期望为企业部署增加了治理和文档要求，有利于在安全、集成和受监管系统方面有经验的供应商。

“现有企业也有资金接管客户运营并收购能力，”Joseph说。

他以TCS近期的交易为例。最近，TCS同意接管百思买（Best Buy）的印度全球能力中心，根据一项多年协议将其员工和技术运营纳入TCS，以打造一个以AI为中心的创新中心。

8月，它同意以3.2亿欧元收购保时捷的IT咨询子公司MHP，同时与保时捷建立价值12.5亿欧元的五年战略合作伙伴关系。

这些交易使TCS能够获得成熟的团队、专业知识和长期客户合作，这些优势是规模较小的AI咨询公司难以复制的。

精品AI公司还需要应对人才供需动态。

招聘有能力、高技能的AI工程师是一项挑战，但留住他们并防止大型产品公司和内部工程团队挖走他们则是另一项挑战。

此外，前沿模型公司本身也在争夺与印度企业的合作。

即使没有一支规模可观的专门团队致力于AI转型，企业也可以考虑直接与OpenAI和Anthropic及其前置部署工程团队合作，作为一种更敏捷的替代方案。

此外，Joseph表示，大型IT公司和规模较小的AI咨询公司都将不得不应对内部工程团队扩张带来的挑战。

印度的全球能力中心在2026财年净增聘了20万名员工，几乎是IT服务公司新增11万名员工的两倍。“这些中心也从这两个群体手中抢走了工作，”Joseph说。

过去几年，建立并扩大内部工程团队的公司占比稳步上升。

这消除了外部咨询团队的任何机会。

像Jogani这样的创始人也认识到，如今要与大型IT公司竞争面临挑战，这些公司正在组建前置部署工程团队以与客户紧密合作，在全公司员工中部署前沿AI编程工具，并推动其服务模式现代化。

“我不会假设大型IT公司不会演进，或者没有能力这样做，”他说。“但如果我的组织里有数十万人，要改变他们的运作方式不会在几个月内实现，所以需要一些时间，而这就存在一个窗口期。”

但这个窗口是向外敞开还是并非如此，只有随着企业提供更多线索，以及AI收入、项目的数量和规模、以及其中有多少业务能转化为可衡量的回报变得清晰，才会明朗。