AI 合同重置挤压印度 IT 服务巨头

随着 AI 推动客户以更低成本要求更多交付，Tata Consultancy Services 目前已将其一个主要服务部门约 80% 的业务与成果挂钩。据 Reuters 报道并经 Google News 呈现，这一转变远不只是常规的定价调整。它正在挑战以劳动力为基础的商业模式；正是这一模式帮助 TCS、Infosys、Wipro、HCLTech 和 Cognizant 成为全球外包领域的领导者。

客户已不再满足于 AI 终将提升交付效率的承诺。他们希望将这些收益写入合同，包括更低价格、可衡量的成果、更短的合作承诺，或共享节省的成本。一些客户也正将工作转回内部，因为 AI 工具让规模更小的内部团队能够处理过去交由外部供应商完成的任务。

这让企业采购方与服务提供商之间形成了一场艰难博弈。采购方希望立即节省成本，同时不承担新的技术风险。服务提供商则必须投资 AI、保障服务质量，并在尚不确定自动化能否持续稳定交付之前，让出部分生产率收益。

Google News 显示，合同模式已在退潮

最重要的变化并非印度 IT 公司正在使用 AI，而是客户如今掌握了其经济价值如何分配的主导权。

传统外包模式通常将收入与员工数量、计费费率和工作时长挂钩。服务提供商可以通过增加工程师、支持人员或业务流程专家来扩大客户账户。如今，自动化削弱了这种关联，因为同样的产出所需的人力和工时都可能更少。

根据 8 月 21 日一篇由 MarketScreener 转载的 Reuters 报道，TCS CEO K. Krithivasan 表示，公司财务、人力资源及相关业务服务合同中，约 80% 采用绩效成果模式。一位知情人士告诉 Reuters，自 2023 年末 AI 进入主流以来，这一比例已翻倍。

基于成果的定价，会将供应商部分或全部报酬与约定的业务成果挂钩。这类成果可能涉及处理速度、系统可用性、客户服务表现、运营节省，或其他可衡量指标。因此，与直接按小时计费相比，供应商需要承担更多执行风险。一篇 TCS 对生成式 AI 与基于成果的服务台定价的分析同样指出，合同必须在生产率激励与服务质量之间取得平衡，并明确界定绩效衡量标准。

TCS 曾介绍其 AI 项目采用分阶段推进方式。管理层表示，公司会先在部分项目中采用成果承诺，随后随着项目扩展转向固定价格安排。固定价格合同针对明确界定的工作设定付款金额，不受实际所需工时影响。

当自动化按计划发挥作用时，这一模式能够奖励效率。如果 TCS 用更少资源交付既定成果，便可保留部分生产率收益。然而，不准确的估算、意外的基础设施开支或低质量的 AI 输出，都可能迅速将这部分收益重新让渡给客户。

TCS 管理层在 7 月表示，AI 已在部分工作中带来约 10% 至 15% 的生产率节省。根据一项 定价更新，公司正逐步将这些收益让给客户。这种分阶段转移可以缓和对收入的即时冲击，同时给 TCS 留出调整交付成本的时间。

其他公司正在测试更激进的模式。Reuters 报道称，Cognizant 与 Daimler Truck 达成的一项协议规定，双方将分享 AI 相关节省。双方均未公开披露完整合同细节。

据报道，HCLTech 与德国公用事业公司 E.ON 达成的另一项云管理协议，在第一年延后付款。从第二年开始，付款与效率改善及具体业务成果挂钩。HCLTech 和 E.ON 均拒绝讨论合同条款。另据 HCLTech 的 2025–26 综合年报，客户正日益倾向于基于成果的模式，公司也将基于成果和消费的合同列为其服务战略的一部分。

这些案例说明了为何背后的故事如此重要。AI 生产率已从演示文稿进入决定供应商何时收款、收取多少费用，以及哪一方承担失败成本的合同条款。

这一转变同样影响现有业务。客户可以在续约时重新审视合同，并追问：在编程助手减少重复性劳动后，应用维护合同为何仍应维持相同成本。即使计费费率保持稳定，当客户要求更少人员、更少工时或更小的整体合同规模时，保护作用也十分有限。

更短的合同期限又增加了一层压力。它们让客户能更快重新评估供应商和技术选择，限制服务提供商收回投资的时间。供应商随后必须更频繁地投入销售、交接和竞争性投标。

结果是议价能力的结构性变化。印度服务提供商仍拥有行业知识、全球交付体系和庞大的技术人才储备。然而，规模本身已无法证明一家公司能比规模更小的竞争者更高效地交付 AI 驱动的成果。

采购方正率先主张生产率红利

企业客户日益将 AI 效率视为自己已经获得的折扣，即使供应商尚未完全重塑交付模式。

Persistent Systems CEO Sandeep Kalra 告诉 Reuters，客户要求以低 25% 至 30% 的价格完成同样的工作。这些客户也期待更快交付和更高生产率。他们的要求展现了当前谈判中的核心矛盾。

客户的论点很直接。如果 AI 能生成代码、测试软件、总结事件并自动化支持任务，服务提供商就应当需要更少的可计费工时。若仍按旧合同价值付款，供应商便能保留全部生产率收益。

供应商看到的则是更复杂的成本方程。AI 工具需要模型、计算能力、治理系统、安全控制、数据准备、评估和人工审查。生产速度加快，并不能免除验证准确性或将结果整合进旧有企业系统的需求。

Token 成本同样重要。Token 是 AI 模型处理的一小段文本单位，服务提供商通常按使用量付费。Wipro CEO Srini Pallia 表示，快速部署可能增加这些开支，迫使客户与服务提供商审视完整的总拥有成本。

AI 生产率也因任务而异。重复性编码和测试比架构决策、监管工作或复杂迁移更容易实现自动化。若采购方要求所有活动统一降价，便可能高估技术可带来的节省。

尽管如此，更广泛的经济环境强化了客户的地位。企业技术预算始终较为谨慎，而可自由支配的项目面临严格审查。企业可以邀请多家供应商竞标，并将 AI 节省作为被纳入考虑范围的条件。

应用维护已成为早期压力点。行业人士告诉 Mint，该类别的续约价格在过去一年中大约下降了 4% 至 5%。HCLTech 的 CEO 另行估计，AI 相关的年度收入通缩对行业的影响最高可达 5%。

收入通缩是指技术降低了客户为既有工作量支付的费用。这不同于完全失去合同，但其财务影响可能在数千个项目中持续累积。

该行业此前也经历过采购方占优的周期。在 2001 年科技低迷期和 2008 年金融危机期间，客户推动设置价格上限、节省保证和基于成果的安排。根据早前一篇 Reuters 交易回顾，2023 年，1,600 笔被追踪的技术和业务流程交易中，超过 80% 包含某种形式的承诺节省，而 2019 年这一比例约为 65%。

AI 使这一轮周期有所不同，因为它冲击了支撑行业大量收入的基本单位。此前的低迷会减少需求，却大致保留劳动力与产出之间的关系。即使需求回升，自动化也可能永久减少所需劳动力。

这一区别说明了为何大型合同公告只能呈现不完整的图景。一份多年期交易可以增加披露的订单储备，但其创造的收入可能低于过去同类协议。它还可能包含罚款、节省承诺或延后付款，从而降低其经济价值。

客户也在建设内部能力。AI 编程工具让企业技术团队能够在不按比例增加人员的情况下完成更多工作。全球能力中心，即企业自有的离岸运营部门，可以将内部业务知识与较低成本的工程人才结合起来。

内包并不会消除对外部服务提供商的需求。企业仍需要协助整合模型、保护数据、现代化改造旧系统和运营基础设施。不过，它改变了企业购买的服务内容，并削弱了依靠庞大团队完成常规交付的优势。

因此，眼下的压力落在那些无法以新业务增长速度抵消 AI 压缩既有收入的服务提供商身上。TCS 表示，迄今新项目已抵消这种下行压力。这一平衡能否维持，将决定 AI 是成为增长引擎，还是持续的折扣机制。

规模较小的竞争者将 AI 效率转化为规模优势

AI 正在削弱“最大规模的劳动力队伍天然意味着最可靠技术伙伴”的假设。

数十年来，印度大型 IT 服务提供商将规模既作为交付体系，也作为销售论据。庞大的员工基础使它们能够为复杂项目配置人员、服务跨国客户，并在项目需求变化时替换人员。

AI 通过减少特定任务所需人员数量，改变了这一计算方式。中型服务提供商可以利用自动化来准备原型、迁移代码、测试应用程序和分析支持记录，而无需组建极其庞大的交付团队。

规模较小的公司也能迅速作出决策。HFS Research CEO Phil Fersht 告诉 Reuters，许多客户希望快速开展试点项目。中型公司可以通过迅速让高级管理人员参与这些项目，并提供灵活的商业条款来竞争。

Persistent Systems 和 Coforge 展现了这种竞争威胁。两家公司截至 2026 年 4 月至 6 月季度，均已连续至少八个季度实现以美元计营收两位数增长。Persistent 的营收增长了 16%，而 Coforge 的销售额增长约三分之一。

据 Reuters 报道，TCS、Infosys、Wipro 和 HCLTech 在同期的增长明显更慢，仅为 1% 至 3%。这些数据涵盖了业务结构不同的公司，因此并不能证明 AI 导致了全部差距。但它们表明，在这一转型期，规模并未带来更优的增长。

Persistent 的 Kalra 认为，营收本身已不再定义一家规模型服务商。他的公司正从合同重构的两端受益。客户要求更低价格，而 AI 也帮助 Persistent 参与竞争那些过去可能会交给更大公司的项目。

这正是该行业面临的核心逆转。理论上，自动化应当有利于大型服务商，因为它们拥有庞大的数据、专业知识和投资能力。但在实践中，自动化可能会削弱原本保护它们免受小型竞争对手冲击的人力优势。

这种转变并不意味着每一家挑战者都会胜出。大型服务商在银行、保险、制造、医疗和政府领域仍保有深厚的客户关系。它们还运营着新进入者无法迅速复制的安全、合规和交付体系。

不过，当客户将一项大型转型拆分成若干更短的项目时，既有优势的价值就会下降。每个更小的项目都会创造新的竞争入口，也让客户能在作出更广泛承诺前比较成果。

AI 原生交付模式还能进一步增强这些挑战者的竞争力。从一开始就围绕自动化设计工作流的服务商，无需面对改造劳动密集型流程的困难。而既有服务商可能必须先削减自身收入，才能赢得替代性项目。

这种自我蚕食问题会影响内部激励机制。销售团队习惯于扩大客户价值，而交付经理通常围绕人员配置和利用率进行规划。一项同时压缩两者的 AI 方案，即便能保住客户关系，也可能显得缺乏吸引力。

大型服务商正通过在更贴近客户的位置建设专业能力来应对。TCS 正在扩大其前线驻场工程师团队，这些专家直接与客户团队合作，将 AI 原型转化为运营系统。该公司也在寻求能补充 AI 能力的收购机会。其推动客户从实验走向运营成果的更广泛努力，体现在公司的 2026 财年业绩和产品公告中，其中包括一个旨在加速将 AI 部署到真实业务工作流的平台。

Wipro 认为，需求正在超越实验阶段。Pallia 表示，许多公司在 2025 年专注于概念验证后，董事会和首席执行官在 2026 年开始要求看到 AI 投资回报。他估计，由于编码和测试效率提升，AI 辅助软件开发的成本可能降低约 25%。

这类机会并不会自动属于报价最低的竞标者。客户需要能够将模型与数据、安全政策、企业应用和业务流程连接起来的服务商。一次失败的部署，成本可能高于最初节省的合同费用。

因此，竞争的分水岭将是可信的执行能力，而非公司规模本身。供应商必须证明，它们能够在控制模型错误、基础设施成本和运营风险的同时，创造可衡量的收益。

激进的 AI 保证可能将节省转化为亏损

合同重构会奖励真正的生产力，但也可能惩罚那些承诺其技术无法可靠实现的改进的服务商。

Tech Mahindra CEO Mohit Joshi 曾警告称，一些竞争对手正围绕预计可达 70% 至 80% 的生产力提升来为交易定价。这些协议的期限可能长达五至七年，尽管实现节省需要客户方面对流程或系统进行重大调整。

Tech Mahindra 表示，公司避免承担这种风险。Joshi 在 7 月的一次分析师电话会议上形容，市场的部分竞争已陷入非理性。这一担忧揭示了结果导向定价背后最大的未知数。

供应商可以自动化自身的交付流程，但无法控制决定业务成果的每一个条件。客户可能拥有碎片化数据、过时的应用程序、缓慢的审批流程，或抗拒新工作流的员工。

结果导向合同必须明确分配这些依赖因素。否则，服务商可能因客户未完成必要的系统改造而无法达标。争议随后将从记录的工时转向谁应对失败结果负责。

长期协议还带来另一项预测难题。在合同结束前，模型、芯片、能源成本、法规和安全要求都可能发生变化。基于当前假设的固定承诺，数年后可能变得不具经济性。

Infosys 表明，服务商仍保有一种防御性选择。该公司 7 月告诉分析师，它已退出不再具有财务合理性的合同。抽身能够保护利润率，但也可能减少营收，并削弱长期客户关系。

财务证据并不一致。根据最近的一项定价分析，Wipro 的营业利润率在 4 月至 6 月季度环比下降 130 个基点，至 16%；Tech Mahindra 的利润率则在同期上升 60 个基点，至 14.4%。

一个基点等于一个百分点的百分之一。这些季度变动反映了 AI 合同以外的诸多因素，包括员工利用率、分包、汇率变动和项目组合。因此，不应将其视为对定价策略的直接检验。

就业变化提供了另一个信号，但其成因同样需要谨慎解读。TCS 宣布在 2025 年裁减超过 12,000 个岗位。该公司将此举描述为更广泛战略举措的一部分，其中包括对新技术的投资。

前 Infosys CFO V. Balakrishnan 告诉 Reuters，编码代理降低了对大量初级程序员的需求。如果这一判断被证实，行业的人才金字塔将面临持久性重构。

这种金字塔模式让大量初级员工处于较少的资深经理和专家之下。当公司能够向客户按大型团队收费、同时控制平均劳动力成本时，这一模式有助于维持利润率。

AI 可以自动化传统上用于培养初级工程师的工作，例如基础编码、测试、文档和支持。这带来了运营收益，却也移除了用于培养资深技术领导者的部分职业阶梯。

企业必须替代这条学习路径，而不只是取消初级岗位。它们需要能够审查 AI 输出、理解客户系统、管理安全问题，并在自动化结果失效时作出判断的员工。

同样的谨慎也适用于乐观的营收说法。AI 带来了涉及数据现代化、模型部署、治理和工作流重构的项目。然而，新增需求必须超过维护、开发和业务流程营收持续承受的压缩。

TCS 表示，目前已实现这种平衡。Krithivasan 承认，未来增长取决于能否领先于营收通缩。这比 AI 试点数量或接受 AI 培训的员工人数更有参考价值。

通过 Google News 看到这篇报道的读者，也应区分已报道的合同结构与独立审计的业绩表现。若干重要案例依赖于熟悉私人协议的人士。相关公司拒绝披露完整条款。

行业发展方向已经明确，但长期盈利能力仍未定论。结果导向定价既可能为高效服务商保住利润率，也可能将雄心勃勃的生产力预测转化为合同负债。

三个信号将显示谁主导下一轮交易周期

下一阶段将由合同经济性、相对增长和员工结构决定，而不是由 AI 公告的数量决定。

第一个信号是主要服务商将在下一份财报中如何描述营收通缩。投资者应关注 TCS 是否能继续用新的 AI 项目抵消现有业务收入下降。

若差距扩大，将削弱“实施需求能够取代流失可计费工时”的说法。增长和利润率保持稳定，则会支持分阶段节省与结果导向定价能够保护业务的观点。

Infosys 和 Wipro 同样值得关注。管理层提及更强的生产力要求和激进定价后，Infosys 下调了全年业绩指引的上限。Wipro 则承认，交付经济性受到压缩，同时也存在新 AI 工作带来的机会。

有用的指标包括固定汇率营收增长、营业利润率、大客户表现以及已完成工作的价值。如果合同期限更短、价格更低，或依赖难以实现的业绩目标，那么庞大的订单储备价值就会降低。

第二个信号是中型竞争对手能否维持其增长优势。Persistent 和 Coforge 的扩张速度远快于最大的服务商，但保持这一速度将考验它们的交付体系。

若双位数增长持续，将强化 AI 已降低规模门槛的结论。增长放缓、项目受挫或利润率恶化，则表明一旦试点转向复杂的生产系统，大型服务商仍拥有显著优势。

对合同公告的审视不应只停留在标题金额。买方应关注项目期限、付款结构、节省分配，以及模型或基础设施成本由谁承担。这些细节揭示了哪一方真正掌控经济利益。

第三个信号是企业如何重塑初级岗位就业结构。TCS 的裁员以及行业关于编码自动化的评论表明，服务商预计将出现持久变化。招聘计划将显示，它们是在削减产能，还是在建立不同的人才模式。

成功的转型会将更小规模的初级员工群体，与 AI 评估、企业架构、安全和客户运营方面的系统化培训结合起来。单纯削减招聘虽能带来短期节省，却可能造成未来资深人才短缺。

企业买方应关注这种区别。如果服务商缺乏能够管理故障、理解旧系统或保留机构知识的人员，较低的合同价格价值有限。

知识工作者也将面临实际影响。当合同奖励成果而不是工时时，员工通过将 AI 输出与业务决策连接起来获得价值。产出更多代码或文档的重要性，将低于证明这些输出改善了可衡量结果的重要性。

采用 AI 的团队应保留这些决策背后的证据。可检索的 AI 知识库可以帮助员工保留项目背景、比较模型输出，并记录工作流为何改变。当付款取决于结果时，这些记录尤其重要。

更广泛的市场已经体现出担忧。Reuters 估计，印度 IT 服务行业的年营收约为 3,150 亿美元。截至 8 月 21 日，Nifty IT 指数在 2026 年已下跌约 20%，其 10 家成分股的市值合计蒸发 730 亿美元。

市场可能反应过度，而这些损失并不能决定行业的未来。印度服务商仍在管理企业无法用聊天机器人或编码代理替代的复杂系统。它们面临的挑战是：当常规劳动变得更便宜后，证明专业能力依然具有价值。

下一轮合同周期将厘清哪些公司能够证明这一点。如果服务商在接受结果导向条款的同时仍能维持利润率，AI 就将在未摧毁其运营模式的情况下改变它。若价格下跌速度快于交付成本，客户将获得大部分收益。

这正是这一动态值得在印度股市之外受到关注的原因。它让我们得以提前观察：当 AI 生产力从技术承诺转变为商业需求时，会发生什么。

关注接下来的财报电话会议，留意可量化的营收替代、持续的中端业务增长，以及可信的人力结构重塑。这三个信号将揭示，印度 IT 领军企业是在销售更好的成果，还是仅仅在接受规模更小的合同。