Nasscom换帅背后:印度IT巨头如何应对AI时代的人才与增长困局

当全球科技行业还在为ChatGPT引发的AI浪潮而震荡时,印度信息技术行业的“超级大脑”Nasscom悄然完成了一次关键换帅。近日,这家代表印度IT行业最高话语权的行业机构宣布,Fractal联合创始人兼集团CEO Srikanth Velamakanni将出任新一任董事长,接替任期届满的Sindhu Gangadharan。
表面上看,这只是一次常规的人事更迭。但仔细审视这位新掌门的背景——他并非来自传统IT外包巨头(如Infosys、TCS),而是来自一家专注于AI和数据科学的新兴独角兽企业——你会发现,这背后隐藏着印度IT行业一场深刻的战略转向。这不仅是权力的交接,更是行业对未来的宣言:印度IT,正在从“全球后台”转向“AI大脑”。
### 一、换帅信号:从“成本中心”到“价值中心”的范式转移
要理解这次换帅的深层意义,必须先看清印度IT行业正在经历的“阵痛”。过去二十年,印度IT行业的核心竞争力是“低成本+高技能”,通过向欧美企业提供软件外包、IT维护和流程外包服务,成就了班加罗尔、海得拉巴等科技重镇。然而,这个黄金时代正在被三重压力撕裂:
第一,AI对传统外包模式的冲击。以GPT-4为代表的生成式AI,正在替代大量初级程序员、测试员和客服的工作。麦肯锡报告指出,到2025年,AI将自动化全球1.4亿个知识型工作岗位,而印度IT外包行业恰恰是“重灾区”。企业不再需要几百人规模的“代码工厂”,而是需要能提供AI解决方案的“战略伙伴”。
第二,人才结构失衡。印度每年有超过200万工程毕业生,但其中只有不到20%具备AI、云计算等前沿技术能力。大量人才被困在低价值、重复性的代码维护中,而高端AI人才却严重短缺。Nasscom数据显示,印度AI相关职位缺口高达60万,且还在扩大。
第三,地缘政治与供应链重构。随着中美科技脱钩,欧美企业开始推行“China+1”策略,印度确实承接了一部分转移订单,但同时也面临来自越南、菲律宾、墨西哥等国的竞争。单纯的“低价”优势已不再可靠。
在这样的背景下,Nasscom的换帅传递了一个明确信号:传统IT服务业“拼人头”的增长模式已见顶,行业必须向高附加值、技术驱动的方向转型。而Srikanth Velamakanni——这位带领Fractal从一家小型数据咨询公司成长为估值超10亿美元的AI独角兽的领袖——正是这种转型的最佳代言人。
### 二、新掌门人的“非典型”履历:为什么是他?
Srikanth Velamakanni的职业生涯,几乎就是印度IT行业从“外包”到“创新”的缩影。他并非来自传统IT巨头,而是从零开始,在数据科学和AI领域深耕20年。他创立的Fractal,核心业务不是写代码,而是帮企业“用数据讲故事”——通过AI模型优化供应链、预测客户行为、提升营销ROI。
这种“非典型”背景,恰恰是Nasscom最看重的。在官方声明中,Nasscom强调Srikanth将“推动行业在AI、量子计算和深度科技领域的领导力”。这意味着,印度IT不再满足于做“世界的办公室”,而是要成为“世界的创新实验室”。
Srikanth上任后,面临三大核心课题:
**1. 重塑行业叙事:** 过去,印度IT的标签是“可靠、便宜、规模大”。现在,需要让全球客户相信,印度公司也能提供“复杂、创新、高价值”的AI解决方案。这需要Nasscom牵头,推动行业标准、认证体系和品牌建设。
**2. 破解人才魔咒:** 印度每年毕业的工程师数量全球第一,但质量参差不齐。Srikanth本人曾多次公开呼吁,教育体系必须从“教编程”转向“教AI思维”。Nasscom需要联合政府、高校和企业,建立AI人才快速培养通道,比如推出“AI学徒计划”,让毕业生在真实项目中快速成长。
**3. 构建AI生态:** 印度拥有全球第三大初创企业生态,但大多数AI初创公司仍处于“小而散”的状态。Nasscom需要扮演“超级连接器”的角色,帮助初创公司对接大企业客户、投资机构和全球市场。Srikanth的Fractal本身就是这种生态的受益者,他更懂得如何“孵化”下一个AI独角兽。
### 三、深度观察:印度IT的AI转型,是机遇还是幻觉?
尽管换帅传递了积极信号,但印度IT行业的AI转型依然面临巨大挑战。最核心的问题在于:印度能否从“AI应用者”变成“AI创造者”?
目前,印度AI公司的核心竞争力主要集中在“应用层”——利用OpenAI、谷歌等基础模型,为特定行业(如银行、零售、医疗)开发定制化解决方案。但在基础模型、算力芯片、底层算法等“硬核”领域,印度几乎缺席。这导致一个尴尬的现实:印度AI公司赚的是“辛苦钱”,利润率远低于美国同行。
更关键的是,AI转型需要大量资本投入。传统IT巨头(如Infosys、Wipro)的现金流虽然充裕,但它们更习惯于“按人收费”的商业模式,对于“按结果收费”的AI项目,内部转型阻力巨大。而初创公司虽然灵活,但缺乏规模化的交付能力。
Srikanth能否打破这种僵局?他的优势在于,他既是创业者,又是行业思想领袖。他曾在多个场合强调:“AI不是工具,而是战略。”这意味着,他可能会推动Nasscom从“行业咨询机构”转向“战略执行平台”,甚至亲自参与制定国家级的AI路线图。
### 四、对中国科技行业的启示:谁是下一个“印度”?
印度IT的这场换帅,对中国科技行业同样具有警示意义。中国同样拥有庞大的工程师红利,同样面临AI对传统外包模式的冲击,同样在基础层与美国的差距明显。
但印度正在做出一个关键选择:不再拼规模,而是拼密度——AI人才的密度、创新公司的密度、行业协作的密度。Nasscom的换帅,本质上是在为这种“密度战”寻找合适的指挥官。
中国科技行业需要思考的是:当印度开始用AI重新定义“外包”,当东南亚国家用更低成本抢走低端订单,我们的核心竞争力在哪里?是继续在应用层“卷”流量,还是像印度一样,主动进行一场自上而下的行业叙事革新?
### 结语:一场没有终点的马拉松
Nasscom的换帅,只是印度IT行业漫长转型的一个起点。Srikanth Velamakanni能否带领这个拥有500万从业者的庞然大物成功转身,目前尚无定论。但有一点可以肯定:在AI时代,任何行业机构都不能再满足于“锦上添花”,而必须成为变革的“发动机”。
对于印度IT而言,最大的风险不是转型失败,而是转型太慢。当全球企业都在加速拥抱AI,留给印度的时间窗口,可能只有3-5年。
**你认为印度IT行业能否成功转型?AI时代,中国科技行业又该如何应对?欢迎在评论区分享你的观点,我们将精选优质留言与大家互动。**

  • Related Posts

    CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”

    一个评分高达9.9的漏洞,足以让全球运维和安全团队彻夜难眠。这一次,轮到了GitLab。
    2026年,当AI能力已经成为DevOps工具链的标配,GitLab的AI网关却被曝出CVE-2026-90970这一严重缺陷。CVSS评分9.9,距离满分仅差0.1——在安全领域,这意味着”接近理论极限的严重性”。攻击者无需复杂条件,即可通过AI网关这一看似”智能”的入口,撬开整个代码仓库的大门。
    问题的本质,远比一个补丁复杂得多。
    **AI网关:DevOps的”新边疆”,也是”新软肋”**
    GitLab AI网关是什么?简而言之,它是GitLab将大模型能力嵌入研发流程的”神经中枢”。代码补全、智能审查、自动生成提交信息、漏洞建议修复——这些让开发者拍手叫好的功能,都依赖AI网关在后台调度模型、处理请求、返回结果。
    但问题恰恰出在这里。为了完成”智能”任务,AI网关必须拥有极高的权限:读取代码内容、访问项目元数据、调用内部API、甚至代表用户执行操作。它就像一把万能钥匙,被挂在了GitLab这栋大楼最显眼的门把手上。
    CVE-2026-90970的致命之处在于:攻击者可以通过精心构造的请求,绕过AI网关的权限校验机制,直接以高权限身份读取私有仓库代码、窃取CI/CD密钥、甚至注入恶意代码到流水线中。CVSS 9.9的评分,意味着利用门槛极低、影响范围极广、后果极其严重。
    **为什么AI组件的漏洞总是”特别致命”?**
    这不是GitLab第一次因AI组件登上安全头条,也不会是最后一次。从2024年到2026年,全球主流DevOps平台——GitHub、GitLab、Jenkins、Azure DevOps——无一例外地在AI集成模块上栽过跟头。
    根本原因有三。
    第一,AI组件的”权限膨胀”是结构性的。传统API网关的权限边界清晰,一个查询接口只能查数据,一个写入接口只能写数据。但AI网关不同:它需要”理解”上下文,就必须访问上下文;它需要”生成”建议,就必须拥有建议所涉及的资源权限。这种”为了智能而让渡权限”的设计范式,天然埋下了越权隐患。
    第二,AI组件的输入面极其宽广。自然语言、代码片段、文件路径、模型参数——任何一个输入点都可能成为注入攻击的入口。攻击者不需要找到传统的SQL注入或缓冲区溢出,只需要在提示词中嵌入恶意指令,就可能让AI网关”心甘情愿”地交出敏感数据。
    第三,安全测试跟不上AI迭代的速度。传统安全工具擅长扫描已知模式的漏洞,但AI网关的行为逻辑是概率性的、上下文相关的。同一个请求,在不同项目、不同模型版本、不同上下文下,可能产生完全不同的结果。这让自动化安全测试几乎束手无策。
    **从CVE-2026-90970看DevOps安全的范式转移**
    这个漏洞的真正价值,不在于它本身有多严重,而在于它揭示了一个不可逆转的趋势:DevOps平台的安全边界,正在从”代码”转移到”AI”。
    过去,我们保护代码仓库,核心是管好Git协议、SSH密钥、访问令牌。后来,我们保护CI/CD,核心是管好流水线权限、环境变量、制品仓库。现在,我们保护AI网关,核心是什么?是提示词过滤?是模型输出审查?是权限最小化?还是行为审计?
    答案可能是:以上全部,但远远不够。
    真正需要的,是一种”零信任AI”的架构思维。具体而言:
    其一,AI网关必须运行在独立的、隔离的权限域中。它不应该直接持有用户的长期凭证,而应该通过短期令牌、动态授权的方式,在每次请求时重新校验权限。
    其二,所有AI网关的输入输出必须经过严格的内容安全策略。不是简单的关键词过滤,而是基于语义的意图识别——判断这个请求是否在试图诱导AI执行越权操作。
    其三,AI网关的行为必须可审计、可回滚。每一次代码读取、每一次API调用、每一次模型推理,都要留下不可篡改的日志。一旦发现异常,能够快速定位、快速阻断、快速恢复。
    其四,也是最根本的:不要把AI网关当作”更聪明的API”,而要把它当作”拥有超级权限的新用户”。对待新用户,我们从来不会一上来就给root权限。
    **修复之外:每个团队都应该问自己的三个问题**
    GitLab已经发布了补丁,升级到最新版本即可修复CVE-2026-90970。但补丁只能解决这一个漏洞,解决不了系统性的风险。
    每一个使用AI增强型DevOps平台的团队,都应该立即问自己三个问题:
    第一,我们的AI网关拥有哪些权限?这些权限是否经过了严格的必要性审查?是否存在”为了省事”而授予的过度权限?
    第二,如果AI网关被攻破,攻击者能接触到什么?是只有公开代码,还是包括私有仓库、生产密钥、客户数据?最坏情况下的影响范围有多大?
    第三,我们有没有能力检测和响应AI网关的异常行为?当AI网关在凌晨三点突然大量读取私有仓库时,有没有告警?有没有阻断?有没有溯源?
    这三个问题,比任何补丁都更重要。
    **结语:AI越智能,安全越不能”偷懒”**
    CVE-2026-90970是一个警钟,但它不是第一个,也不会是最后一个。当我们将越来越多的权限交给AI,我们就必须用更严苛的标准去审视AI的每一个接口、每一次调用、每一行代码。
    安全从来不是AI的对立面,而是AI能够被信任的前提。一个CVSS 9.9的漏洞,足以让整个行业重新思考:我们到底应该给AI多少信任,以及,我们准备好为这份信任付出多少安全成本了吗?
    你的团队,是否已经检查了GitLab AI网关的权限配置?欢迎在评论区分享你的安全实践或困惑。如果觉得这篇文章有价值,请点个”在看”,让更多运维和安全同行看到。

    谷歌用一年时间从追赶者变成定义者,但真正的考验才刚开始

    2026年对谷歌的人工智能雄心来说,是跌宕起伏的一年。年初,凭借2025年底发布的Gemini 3,谷歌在多项基准测试中首次全面压制GPT-5,华尔街一度高呼“谷歌回来了”。然而,随后Claude 4.5在代码生成和长上下文推理上的惊艳表现,又让天平重新摇摆。到了年中,谷歌连发三款模型——Gemini 3.5 Pro、Gemini Nano 4和专注科学计算的AlphaFold 4——试图用密集的产品节奏证明自己不是在追赶,而是在定义赛道。
    那么,一个最核心的问题浮出水面:谷歌的新模型,真的在前沿领域赶上OpenAI和Anthropic了吗?答案不是简单的“是”或“否”,而是一张需要拆开来看的拼图。
    **第一层:基准测试的“纸面赶超”已经完成**
    从公开数据看,谷歌确实抹平了差距。Gemini 3.5 Pro在MMLU(大规模多任务语言理解)上得分91.2,略高于GPT-5的90.8和Claude 4.5的90.5。在数学推理数据集MATH-500上,Gemini 3.5 Pro以94.7%的准确率与Claude 4.5持平,比GPT-5高出1.3个百分点。更关键的是多模态领域——谷歌将Gemini 3.5 Pro的视频理解能力提升到小时级,能连续分析长达两小时的会议录像并提取结构化行动项,这一点OpenAI和Anthropic至今没有对等产品。
    但基准测试的局限性早已是行业共识。高分往往来自针对性优化,而非真正的泛化能力。谷歌DeepMind内部一份流出的评估报告显示,在“对抗性推理”测试中——即问题被故意改写得模糊、矛盾或包含陷阱——Gemini 3.5 Pro的准确率骤降至67%,而Claude 4.5保持在78%。这说明谷歌的模型在“考试”中表现优异,但在真实世界的混乱语境中,仍不如Anthropic稳健。
    **第二层:开发者生态的差距正在缩小,但未逆转**
    OpenAI的护城河从来不只是模型本身,而是围绕API构建的庞大开发者生态。截至2026年第一季度,OpenAI的API调用量是谷歌Vertex AI的2.3倍,Anthropic的1.8倍。然而,谷歌在过去六个月里做了两件正确的事:一是将Gemini API的定价下调40%,直接对标GPT-4o的轻量版;二是推出“模型蒸馏”服务,允许企业用Gemini 3.5 Pro的输出微调小模型,从而降低推理成本。
    效果立竿见影。根据开发者调查平台Stack Overflow的数据,2026年第二季度,使用谷歌AI服务的开发者占比从14%上升至27%,而OpenAI从52%下降至44%。但值得注意的是,Anthropic在“高价值任务”中的份额反而上升了——在代码审查、法律文书生成和科研辅助三个场景中,Claude 4.5仍是首选。这说明谷歌抢走的是“价格敏感型”用户,而非“质量敏感型”用户。
    **第三层:安全与对齐,谷歌的隐性短板**
    前沿AI的竞争不仅是能力竞争,更是信任竞争。Anthropic凭借“宪法AI”和可解释性研究,在企业合规部门中建立了独特信誉。OpenAI则通过“红队网络”和模型卡制度维持透明度。谷歌呢?Gemini 3.5 Pro的模型卡只有12页,而Claude 4.5的模型卡长达47页,详细列出了失败模式、偏见测试和部署限制。
    更棘手的是,谷歌在2026年3月被曝出Gemini Nano 4在端侧设备上存在“记忆泄露”风险——即模型可能复现训练数据中的个人身份信息。尽管谷歌迅速发布补丁,但这一事件加深了企业客户对“谷歌速度优先于安全”的刻板印象。在金融和医疗行业,这种印象是致命的。
    **第四层:真正的战场不在模型,而在“代理”**
    2026年下半年的竞争焦点已经转向AI代理——能自主规划、调用工具、完成多步任务的系统。OpenAI的Operator和Anthropic的Claude Agents都已进入企业试点。谷歌的Project Astra虽然演示惊艳,但至今未开放公测。一位谷歌内部工程师匿名透露:“我们在代理架构上落后了至少两个季度。Gemini 3.5 Pro的推理能力很强,但把它变成可靠的代理,需要完全不同的工程栈。”
    这意味着,即使谷歌在模型能力上追平了对手,在“模型即产品”的下一阶段,它仍可能重演搜索时代的困境:技术不差,但产品化慢半拍。
    **结论:赶上了吗?分领域看**
    如果你问的是“纯语言理解和多模态感知”,答案是:谷歌已经赶上,甚至在某些维度领先。如果你问的是“推理稳健性、安全信任和代理生态”,答案是:还没有,差距大约在6到12个月。如果你问的是“开发者心智份额”,答案是:正在缩小,但OpenAI和Anthropic仍占据高地。
    谷歌真正的优势在于垂直整合——从TPU芯片到数据中心,从Android到Workspace,它有能力将AI嵌入数十亿人的日常工具。但这也可能是它的诅咒:当你的模型要同时服务搜索、邮箱、地图和手机时,你很难像Anthropic那样只为一个目标优化。
    2026年不是终点。谷歌用一年时间证明了自己不是掉队者,但要从“赶上”变成“定义”,它需要在下一次范式转移——无论是世界模型、神经符号系统还是量子增强推理——中率先撞线。而这一次,OpenAI和Anthropic不会给它留出12个月的窗口。
    **评价引导:**
    你觉得谷歌在AI前沿领域真的赶上OpenAI和Anthropic了吗?是模型能力更重要,还是生态和信任更关键?欢迎在评论区留下你的看法,也别忘了点个“在看”,让更多人加入这场关于AI未来的讨论。

    发表回复

    您的邮箱地址不会被公开。 必填项已用 * 标注

    You Missed

    CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”

    • 由 chubai
    • 7 10 月, 2026
    • 6 views
    CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”

    13,000张内部截图被AI编码代理“晒”上GitHub:PixelLeak撕开企业数据泄露的新伤口

    • 由 chubai
    • 7 10 月, 2026
    • 4 views
    13,000张内部截图被AI编码代理“晒”上GitHub:PixelLeak撕开企业数据泄露的新伤口

    美光CEO警告内存短缺持续至2028年:一场被AI引爆的“存储荒”,普通人也要买单

    • 由 chubai
    • 7 10 月, 2026
    • 6 views
    美光CEO警告内存短缺持续至2028年:一场被AI引爆的“存储荒”,普通人也要买单

    万米高空的斧头:当驾驶舱里的同事变成最危险的敌人

    • 由 chubai
    • 7 10 月, 2026
    • 4 views
    万米高空的斧头:当驾驶舱里的同事变成最危险的敌人

    英国电信“断网逼迁”丑闻:当技术升级变成一场对用户的“数字霸凌”

    • 由 chubai
    • 7 10 月, 2026
    • 4 views

    当一条河被公民“接管”:德文郡如何用一张在线地图,逼出污水泄漏的真相

    • 由 chubai
    • 7 10 月, 2026
    • 6 views
    当一条河被公民“接管”:德文郡如何用一张在线地图,逼出污水泄漏的真相