做空印度的不是AI，是数字时代的能力斩杀面

文 | 万有逻辑 "AI 正在做空印度。“ 过去几个月，这句话从财经媒体蔓延到社交网络。它听起来像口号。但支撑它的其实是背后的一串真实的交易记录。 今年，印度IT企业接连下调增长预期，放缓招聘。根据路透社统计，Nifty IT 指数年内一度跌近 30%，是印度市场表现最差的板块之一。 印度杂志《Outlook》今年七月记录了一位名叫Priyanka的年轻工程师：她还没有失业，但已经开始动用积蓄偿还两笔消费分期——她的iPhone手机和一辆小摩托，每月一起要还两万卢比，但她已经不再指望自己未来的工资了。 同一篇报道里，业内人士说，他们不断听闻预感将被裁员的人正在抢先借债——趁着还有工作，还有工资流水，努力把额度用满，去透支一个未来。 这被称为印度的“末日贷款”。 01 技术革命的斩杀线 把日历翻回1998年12月29日，这个时间点看起来也是一种意义上的“末日”，因为距离全世界的计算机走进"00年"还剩几乎整整一年。英国《卫报》的记者从印度海得拉巴发回报道，标题只有一层意思：千年虫咬痛全世界，养肥了这座印度城市。 恐慌是有价码的。按当时的保守估计，赶在2000年前给全球计算机除虫要花六千亿美元——人类为两个被省略的数字，付出一个中等国家的GDP。而承接这笔恐慌的人选，是被历史选中的：除虫要读懂COBOL这门六十年代的计算机语言，美国的大学早已不教，印度的教室还在教。 西方公司不想让自己昂贵的硅谷的工程师干这个重复性的工作，于是这份全世界确定性最高也是最大的一笔IT工作，跨越十二个时区，落在了刚刚起步的印度软件业头上。 当地人自嘲这座城市是"技术苦力"(techno-coolie)作坊，任何人都可以参与Y2K项目，也不需要任何技能和资质。本地的人力外包商每向底特律的客户推荐一名程序员，只收取1000至1500卢比的推荐费，大概约合14至21英镑。 | 印度准时交付，全世界在有进无险中来到了2000年。后来从千年虫的代码补丁起步，再到华尔街的后台系统，一直走到硅谷最新产品的测试流水线，跨国公司开始把一切可以远程完成的工程劳动，源源不断地交给了印度。 这门代工生意养出了一个近三千亿美元的产业。 在那个时候，TCS、Infosys、Wipro等等一度就是"全球 IT 服务"的同义词。而在2026年，无论数据还是真实的故事都让人感受到一种不可逆的风向，资本市场开始重新定价整个行业。 当指数在交易所里下跌，额度在流水消失前用满，资本和工程师在害怕同一件事。不是宏观经济环境，不是下个月订单的数量，而是一个行业或者一个经济体的商业模式本身。 这一切死循环的解释开始迅速流行：AI取代程序员，而印度恰好是全世界最大的程序员“出口国”。 程序员人数最多，意味着产业死得最快。逻辑闭环如此自洽，以至于无人怀疑。 但这个逻辑撞上了另一组数字。根据NASSCOM与Zinnov的最新报告:截至2026财年，印度的GCC已经超过2100家，雇佣约236万人，并且还在扩张。 所谓"全球能力中心"(GCCs, Global Capability Centres )，是跨国公司绕过外包中间商，自己在班加罗尔租下写字楼、挂上自己的工牌、按自己的标准招聘工程师，同时把研发、产品和AI团队直接建在印度的做法。 同一片城市，同一个池子，两种雇佣结构。印度一边被抛售，一边被加仓。买家和卖家，其实入局赌的也是同一群人。 AI到底是否在做空印度？空头们观察到的分辨率估计还不够——他们只是把"程序员"当成了一个均匀的整体。 事实上AI从来无法整体地去替代一个大群体——它更像一个游标卡尺，贴着一个行业、一家公司、一个国家的能力曲线缓缓滑过，只测量一件事：你的能力与它的能力重合多少？ 从这种角度来说资本一起联合AI做空的并不是印度，不是程序员，是一段被这个时代劳动分配制度下衡量出的残酷剖面。 02 AI的能力地图框定了什么？ 如果把过去两年的 AI进展画成一条曲线，它很容易给人一种错觉:模型在全面地变聪明——今天会写代码，明天会做研究，可能今天只能回答问题，明天就开始执行任务。 于是很多人把AI想象成一堵不断升高的墙，每过几个月长高一截，直到有一天，高不可攀到把所有职业都挡在墙外。 这个比喻很形象，但它并不是真的，因为AI并没有平均地获得所有能力。 过去一年，从OpenAI、Anthropic到Google，新模型的主要突破集中在几乎同一批方向：代码生成、文档处理、推理、Agent。这些能力看似不同，却共享一个特征——它们都发生在边界清晰的世界里。 在这个边界里，题目已经给出，规则已经确定，答案可以验证。而模型要做的只是在封闭空间里把正确答案找出来。恰好这也正是今天主流基准测试所衡量的东西。 AI还没有无限生长到让人类绝望，实际上这里是一块形状不规则的领地，它们在某些方向上扩张极快，在另一些方向上又几乎静止。 这就引出一个过去没人认真讨论的问题：如果 AI的能力有形状，那么如今世界的产业的能力，能不能画出一个形状? 我们不难去理解对于一个国家而言，自己本土的产业真正出售的，不是产品本身，而是一组可以重复出售的能力——汽车业出售精密制造，制药业出售研发与临床，金融业出售风险定价。 一个国家的产业结构，正是这些能力一层层叠加出来的总和。人口， GDP，基础设施，能源电力，工程师数量，都只是一部分。它更像一张地图：每一块颜色对应一种长期积累的能力，颜色越深，这个国家越依赖它创造价值。这张图，就是国家产业的能力剖面。 可以说，过去人们比较的是国家产业的能力地图有多大，今天更重要的是地图长什么样。 AI也有自己的能力地图。当两张能力地图相互覆盖，重叠的区域就是替代发生的地方；重叠越小，AI就越难改变那个地区产业的运行方式。可以说被AI的能力地图重叠了，那就被斩杀面精准切割了。 斩杀线这个词曾经一度非常流行，但是当“斩杀”不再是“线”而是“面”的时候，攻击能力只会指数级增加。这一切不免让人想到1997年的恐怖片《心慌方》里的密闭空间，各种形状的切割装置随时启动，当一切都预示着避无可避，主角团只能一个个丧命于此。 于是，现在印度发生的一切有了另一种解释。被重新定价的不是印度拥有多少程序员，而是印度 IT 服务业最核心的那块能力——上下文完整、规则明确、结果可验证、按工时批发——恰好落在 AI 的地图上颜色最深、扩张最快的那片区域。 03 那些被AI斩杀的生意 这一切并不是偶然，1999年那份订单已经埋下了26年后的伏笔。 每一次技术革命，都在重新分配一种能力。蒸汽机重新分配肌肉，电力重新分配能源，互联网重新分配信息。而大模型第一次重新分配的，是标准化的智力劳动。 对于印度而言，27年前千年虫之后订单的内容换了一波又一波——ERP部署、系统维护、测试、后台运营、应用开发——但订单的性质没换：需求已经确定，流程已经写好，质量可以验收，成本能够预测。 印度公司也照着这个性质，把自己锻造成了世界上最擅长消灭不确定性的软件组织。 2000年代初，全球通过CMM 五级认证(软件流程成熟度的最高等级)的公司里印度企业占了绝大多数；Infosys在迈索尔建起全球最大的企业培训基地，一次可容纳上万名应届生——一批一批普通的工科毕业生进去，然后标准化的软件劳动力再一批一批出来。 软件