完全没想到！世界上第一个被AI做空的国家，竟是14亿人口的印度

全球第一个被AI"做空"的国家出现了。不是美国，不是日本，也不是被裁员潮反复冲击的欧洲，而是那个喊了十年"超英赶日"的印度。

2026年4月，IMF最新《世界经济展望》给出的排名让新德里方面颇为难看——印度名义GDP约4.15万亿美元，跌回全球第六，英国、日本双双反超。莫迪政府嘴上那句"第三大经济体"的口号，还没喊热就先掉了两个身位。

跑得快不等于身体好。印度今年经济增速仍有6%左右，仍是主要经济体里跑得最快的，但卢比对美元贬值超过10%，一度跌破90关口，创下历史首次；再叠加GDP统计基年下修3到4个百分点,最终数字直接被市场"打回原形"。

一个国家主动下调自己的统计口径，本身就说明问题。真正让全球资本嗅到危险的，是印度支柱行业IT外包的塌方。

NiftyIT指数在18个月里一度腰斩，跌幅接近一半；印度五大IT公司在2026财年（FY26）合计净减员7389人，而前一年还是净增1.27万人；TCS单家公司全年裁员规模高达2.3万多人，是印度企业史上最大规模的单年度削减。

官方给出的理由很委婉——"AI带来的技能不匹配"。翻译过来就是：员工跟不上AI，被淘汰了。但这些数据只是水面上的冰山。

真正的问题，藏在印度就业市场的底部结构里。不久前的一场行业圆桌里，几位印度本土专家把话说得很直白。

参与者包括印度AI研究组织的关键顾问、Forge Capital创始人Juhi Bhatnagar，Adecco印度公司国家董事总经理、印度人力资源联合会企业成员Sunil C，以及发展经济学家、Nikore Associates创始人Mitali Nikore。

三个人的立场并不完全一致，但对"入门级岗位刚经历一次重置"这件事都没有异议。Sunil的判断是："没有人是不可替代的"这句老话，在AI时代已经变了味。

过去它是一种警醒，如今是一种预告。他直言，年轻求职者面对的现实是——凭着学校里学到的知识直接找到工作，已经不再容易。

大多数教育机构一直在按过去的技能培养学生，而雇主招聘的却是面向未来技能的人才。落差就在这里。

Juhi把这层意思推进了一步。她说，"学习胜过知道"是每个人都必须接受的观念。今天的应届毕业生，已经不同于过去的应届毕业生，他们被期望完成过去3到4年经验的人才能做的事。

工作中比较机械化的部分正在被自动化取代，剩下的是创造力、判断力、领域专业知识、团队协作能力、超前思考能力，以及协调各种AI智能体和系统以更好完成工作的能力。

Mitali则给出更冷的现实。她提到Nikore Associates自2018年成立以来，共有1020名年轻人与他们共事。基于这个数据集，她的结论是——年轻人从未像今天这样艰难。

即便是印度那些处于世界前沿的工程学院，其课程仍然落后科技行业所需数十年。大型科技公司要花6到12个月来训练一名新员工，HCL、Wipro这样的头部公司实际上都办着自己的"精修学校"。

她所在的机构也要花至少3到4个月来教每一位新入职的经济学毕业生学会写作，而这本应是一项最基本的能力。这就是印度模式的第一个漏洞——所谓的"人口红利"，其实是"半成品红利"。

Sunil进一步指出，就业与可就业性之间的巨大差距并非因AI而生，而是长期积累的旧账。学院里所学的内容与工作岗位的要求完全脱节。

真正需要的，是行业、学界与政府联手重新设计课程，而现在的企业已经不愿意再花钱去做那道"精修"工序，他们要的是"到岗即用"。问题是——印度谁来买单？

Mitali算了另一笔账：印度近60%的人口在27岁以下，理论上人口红利可以延续25到30年。但如果先剔除50%的女性人口，事情立刻就没那么乐观——女性劳动参与率长期停滞在40%左右。

在科技、金融、银行等行业，女性岗位往往被压在入门级的行政和运营层面，而这些恰恰是AI最先替代的部分。任何重复性任务都是被淘汰的第一批，而女性正是从事这些低薪重复性劳动的主力。

即使把剩下的50%男性群体拿出来看，能不能顺利对接到新兴岗位，也要打一个大大的问号。Mitali指出，再培训（reskilling）已经形成一个规模不小的市场。

政府在PM Setu等项目中开始推动公私合作，试图激活工业培训体系。但金融、工程、法律这样的高技能岗位，再培训成本主要要靠私营部门承担。

她甚至觉得，这对年轻创业者是个绝佳窗口——从求职者一端收费，也从企业一端收费。但同时，这也意味着年轻人必须持续为再培训付费，而这是一个没有终点的循环。

这条循环，正是"被AI做空"这四个字的真正含义——印度赖以生存的低成本人力优势，正在被AI按在地上反复摩擦。对比一下就能看清：印度工程师平均年薪约2.2万美元，只有美国同岗位的四分之一到五分之一，靠"活多钱少、吃苦耐劳"啃下了全球外包市场。

而如今，一款主流AI编程工具的年费只要几百到几千美元，任务完成速度比人类快80%以上。以前美国客户要10人团队做的项目，现在5个人加AI就能完成。

客户会按新的成本重新谈价，印度公司留不下利润；不用AI就丢单，用了AI就得砍人。这是个没人能破的死局。

有意思的是，Juhi在圆桌上代表的正是"乐观派"。她把AI比作从计算器到Excel的那次技术跃迁——当年没有让员工放弃计算器，而是让他们精通Excel。

她举了一个例子：一家为全球客户服务的印度公司，过去用Y个员工创造X的收入，如今同样的员工可以创造2X。她认为思维方式必须从"降本"转向"增收"，AI实际上是一种"均衡的力量"，让印度这样的国家在全球更有竞争力。

她还借用Nandan Nilekani最近在一场会议上给出的例子：印度最大的乳业公司Amul拥有2000万头奶牛，却只有1400名兽医。是否有更多兽医的需求？有。AI能否帮助现有兽医提高效率？能。

她因此判断，"蛋糕"并不是零和的，印度正在进入一个"丰盛时代"。

Sunil的比喻更接地气。

他说，眼下这波冲击不是一场"过雨"，而是"气候变化"，但也算不上"海啸"——岗位不会消失，只是在重置。容易找的岗位在减少，但新岗位不断出现，关键在于求职者能不能迅速拥抱变化、快速适应、抓住机会。

问题是——Mitali拿出的数据，把这份乐观按住了。根据印度政府2024-25年数据，全国失业人口中83%的年龄在25岁以下，而其中近60%还是研究生学历。

原因并不复杂：印度仍有大量文理学院沿用近乎"殖民时期"的课程，教学以死记硬背为主，缺乏培养创造性思维与解决问题能力的训练。以UPSC考试为例，每年有55万人报考，有些人为了通过考试要花8到10年。

教育系统与就业市场之间的错位，是几十年积累的老病。从宏观视角看，印度有3.6亿年轻人口。

Juhi和Sunil所描述的能拿到机会的，是那部分自我驱动强、能接触到国家或私营部门资源的"优质层"。但更多的年轻人被结构性障碍挡在系统之外——性别是障碍，网络与基础设施缺失是障碍，甚至所处邦的产业布局也是障碍。

这些结构性差距，正在宏观层面制造出巨大的不平等。具体到行业，Sunil的说法是——目前AI冲击主要集中在IT行业。

虽然IT行业对整体GDP的贡献只有约8%，但因其属于"优质层"，一旦裁员就极具话题性。而印度更根本的问题在AI之前就存在：每个月有100万人加入劳动力市场，而印度只能创造50万个岗位。

每年650万毕业生里，STEM毕业生260万，工程毕业生约160万。就业机会本就不够分。

关于"AI是否只是替罪羊"这个话题，Juhi的看法是——争论其实被夸大了。目前AI主要处于自动化重复性任务的阶段，之后才是自动化岗位、自动化群体协作、乃至自动化整个业务。

真正的冲击才刚刚开始。回到主线。印度这次被AI做空，本质上是常年靠人头赚差价、迟迟没搞技术升级的必然结果。

当AI一夜之间抹平了人力差价，所有建立在"便宜"之上的优势都要被重新定价。IT外包本来是印度向上攀爬的一根梯子，如今梯子在被抽走，而"用人力换技术"的窗口也在快速关闭。

三位嘉宾对年轻人的最后建议，其实也道出了这个国家的困境。Sunil说，最紧迫的不是"再培训"，而是"自我培养"——保持好奇心，持续学习，不失去批判性思维。

Mitali说，年轻人需要"更在乎"一点。基于她过去五年雇佣的上千名员工的观察，她发现这一代人过于担心被裁员、被替代，因而选择"设立边界"以自保，反而丧失了对工作的投入感。

真正需要发生的，是雇主与员工共同努力，让员工愿意为工作投入、承担责任感，而雇主也要真正在乎自己的员工。

Juhi则给出三条：走出"AI不会来抢你饭碗"的否认阶段；学会"指挥"AI，明确自己想做什么、如何在全球范围内做到最好，再借助AI去实现；拥有成长型思维，学会"如何学习"，而不只是"知道"。这些话放在任何一个国家都成立。

但在印度，它们更像是三张递给3.6亿年轻人的"个人自救指南"——因为国家层面的产业升级、教育改革、基础设施补齐，短期都指望不上。一句话总结这场"AI做空"：一个把重复劳动做成国家支柱的经济体，撞上了一项专门吃重复劳动的技术。

技术不会等人，AI也不会挑国家。真正的启示或许在于——任何把命运押注在"便宜"两个字上的发展模式，最终都会被更便宜的东西替代。

而AI，恰好是那个"更便宜的东西"。