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 是不可回避的前沿领域，而对生态系统的深入观察揭示出行业炒作与实际落地之间存在脱节。
在与中型、成长期及上市前企业的领导层交流时，Jogani 注意到讨论中反复出现的一种模式：几乎没有人让 AI 在企业内部承担有意义的工作。模型无疑强大，但企业依然不断碰壁。
企业数据的结构化处理十分混乱，自主工作流的治理复杂且成本高昂，团队也缺乏应对 AI 所需的组织变革的能力。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，在这些讨论中缺位。
看到这一执行真空，Jogani 决定打造一家精干的合作伙伴，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 CEO Vijay Shekhar Sharma、CRED 创始人 Kunal Shah、AEOS Labs 创始人 Varun Mayya 以及一批风险投资机构提供的 660 万美元资金支持下，Jogani 于本月推出了 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。
如今，印度正在涌现越来越多这类公司。可以笼统地将其归为一类：“精品”AI 服务公司。
生成式 AI 时代彻底破灭的一个误解是：AI 将消除对工程师的需求。部署前沿模型和 AI Agent 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言的黯淡前景。尽管该行业面临传统按小时计费模式被侵蚀、招聘 AI 可胜任的初级员工陷入两难、季度加薪幅度下滑等挑战，但对服务的需求依然强劲。
TCS 报告称，9 月季度的年化 AI 收入达 31 亿美元，总合同价值为 96 亿美元。与此同时，HCLTech 报告新增订单额达 32.6 亿美元，年化高级 AI 收入环比增长 28%，达 2.19 亿美元。
当大型成熟企业抓住 AI 机遇、将其服务模式升级以适应 AI 时代之际，一个由精品 AI 咨询公司组成的平行生态正在兴起。
传统 IT 服务公司致力于让 AI 更贴近客户、加快企业部署速度，而 AI 原生咨询公司则将自己定位为更小、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。
“我们的优势在于，我们全都是 AI 原生工程师和从业者，”Jogani 告诉 AIM。“我们有幸从 2026 年开始起步，所以从零开始，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，而是使用一个由 AI Agent 组成的“软件工厂”，由工程师来构建和整合由此产生的工作流。“最近，我们的一位客户收到了一家服务公司为期五个月的报价——我们在 10 天内就交付了该应用，”他说。“由于我们的规模，我们可以快速行动。”
Jogani 举了 Jev 的例子，这是一个新的决策 AI 模型，它不输出文本，而是提供哪种结果效果最好的概率。对于某些用例，这种方法可能比基于文本的模型效率高得多。
“我们的工作流已经在为我们的企业客户在生产环境中运行 Jev，”Jogani 说，并强调了该公司能够多快地实施最新的 AI 框架和技术。
Parallel Loop 将其 AI 技术栈部署在客户自己的基础设施中，而不是在自己的云上托管企业工作负载。这让企业在使用 Parallel Loop 的 AI 技术栈连接现有系统并构建自动化工作流的同时，能够保持对自身数据和部署环境的控制。
其商业模式结合了平台月度许可费、前沿部署工程小时数套餐、一次性软件开发费以及周期性的维护费用。
需要明确的是，这些公司的使命并不是通过为客户构建新的 SaaS 平台来取代现有 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，反而有可能使它们之间的孤岛长期存在。
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跨部门调用数据的工作流。
出售成果，而非规格说明
“传统 IT 服务通常是按照规格说明交付，”另一家精品 AI 咨询公司 Krazimo 的联合创始人兼 CEO Akhil Verghese 说。“我们出售的是成果，利用 AI 和 AI 辅助开发来实现它。”
Verghese 解释说，这可能意味着自动化一个工作流；构建一个 Agent，其执行任务的表现不亚于甚至优于员工，并能随需求波动而扩展；或者让公司的信息、工具和 API 对员工和 AI 系统可用。
他还指出，使用前沿的 AI 框架可以快速实现目标。“这改变了小团队能够完成的成就上限，而我们自己使用这些系统，也让我们直接了解客户需要什么才能让它们变得可靠。”
该公司每位员工已创造 50 万美元的收入。
对于探索性项目，Krazimo 提供可随时取消的按月订阅服务。对于需求明确、目标可衡量的项目，则按交付里程碑收取固定费用。如果客户对工作不满意，也可以在前 30 天内免费退出。
Krazimo 不单纯按工程工时计费，而是围绕交付成果和可衡量的业务目标来构建合作模式。据称，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 也披露，在成立数月内就获得了八家企业 AI 客户，签约收入达 200 万美元。
但印度的大型 IT 公司能否以这种模式大规模运作呢？
“精品 AI 公司最擅长的领域，恰恰是现有大公司必须削减自身收入才能参与竞争的领域，”Forrester 副总裁兼首席分析师 Leslie Joseph 告诉 AIM。
印度大型 IT 服务公司传统上依赖于两种合同的组合：按人员和工时计费的时间和材料合同，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，固定价格合同占其 2026 财年收入的 58%。与此同时，Wipro 在 2026 财年有 45.6% 的收入来自固定价格和按量计费合同，其余 54.4% 来自时间和材料合同。
然而，随着 AI 改变交付经济模式，基于成果的定价正在兴起，但仍属于少数模式。
今年 8 月，印度二级 IT 公司 Coforge 披露，基于成果的合同贡献了其 25 亿美元收入运行率的 6-7%。TCS 也报告称正在向基于成果的承诺转变，尤其是在智能体驱动的全球业务服务领域。
“AI 缩减了这些合同中的可计费工作量，而客户现在期望这些节省能返还给他们，”Joseph 说。
相比之下，精品 AI 公司没有同样的传统合同包袱。相反，它们做出了一个引人注目的承诺：将现有大公司赖以计费的大量常规工作自动化。
Joseph 还解释说，这些公司可以为项目配备更多资深工程师，将自己定位为比大型竞争对手更具 AI 原生特质。此外，在结果易于衡量的狭窄工作流程中，基于成果的定价对这些公司也是可行的。
“这种模式对于大型转型项目来说仍未得到验证，”Joseph 说。
如何创建一家精品 AI 咨询公司
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。他们还把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，在 Workspace 内参与 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，所以我们并没有轻率地迈出这一步，”Verghese 说。“Google 为这些 Agent 的可靠性设定了特别高的标准。为了达到这个标准，我们采用了许多当时没见有人公开谈论的技术。”
在 Google 的许可下，Verghese 和 Nagpal 开始为公司提供咨询和专业知识方面的帮助。
“我们在保持 Google 职位的同时继续经营这家公司超过一年半。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，我们就离职，”他说。“这在 2025 年 6 月实现了，到 7 月，我们俩都已离职。”
同样，Jogani 拥有近二十年的经验，在创办 Parallel Loop 之前曾担任亚洲多家科技公司的 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。
不过，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用于客户支持、金融、车辆检测及其他工作流程的 AI Agent。
Cars24 没有将 AI 用于孤立的任务，而是围绕 AI 驱动的工作流程重构了部分业务，嵌入到客户互动、车辆检测、贷款、工程和内部运营中。该公司表示，其 AI 语音 Agent 在 2027 财年第一季度处理了 258 万分钟的对话，而聊天机器人处理了超过 55 万个客户请求。
该季度由 AI 主导的车辆检测占比达到 80%，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，由 AI 主导的贷款发放比例从 30% 上升到 65%。
在内部取得这些成果后，该公司开始探索能否帮助更多公司复制其成功。于是便有了 Deployment Inc.。
这家印度汽车销售巨头在成功于自身运营中部署 AI 之后，分拆出了自己的 AI 咨询公司，现在希望在整个更广泛的生态系统中复制这一成功。
该公司于 8 月成立了这家公司，由 Cars24 提供 500 万美元的初始投资，并由曾在 Cars24 负责 AI 的 Jayesh Gupta 和前 xAI 工程师 Aayush Gupta 联合创立。
“Cars24 是我们的首个运营验证案例，我们在那里的经验将推广到其他企业，”Jayesh 告诉 AIM。“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、系统在哪里失效、异常如何处理，以及经济账是否成立。”
对于 Deployment Inc 来说，最初的关注点是创始人主导、技术赋能且具备一定运营规模的企业。
“我们寻找重要的业务问题、一位高管支持者、相关系统和数据的访问权限，以及能够与我们协作的运营团队，”Jayesh 说。
他解释说，一支小规模的前沿部署工程师团队与客户的运营人员和技术团队紧密合作，从发现、构建、集成、上线到采用全程参与。
“我们建立基线，在适当的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前沿模型制造商密切合作。
Deployment Inc 是 OpenAI Select Partner，这是这家 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。
为非数字原生企业部署 AI
Parallel Loop 旨在服务更广泛的市场，包括医疗、零售、汽车和制造等行业的公司，这些公司认为 AI 是一个有吸引力的选择，但在实施方面经验有限。
Jogani 说，印度这类企业的领导者大多本身并非技术前沿或数字原生，他们想实施 AI 但能力不足。
“这个目标细分市场很有帮助，因为他们拥有所有资源和分销渠道，但缺乏全力以赴的能力，”他说。“因为每当有想法出现——他们觉得需要六个月才能实施。我想改变这一点。”
Havells India 是 Parallel Loop 发布时的客户之一。
Verghese 也有类似的经历：他最大的成功来自数字化程度有限、人工工作繁重的企业。
“尤其是在家庭服务、建筑和医疗领域——我们已经找到了让 AI 将工作量减少多达 20%、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 是一家早期 AI 公司，为印度政府部门、公共事业单位（PSU）和法定机构构建定制 AI 系统。
全国各地的 AI 咨询公司都视此为一个充满前景的机会。
例如，AI 工程咨询公司 TunerLabs 帮助一家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，每月节省数十万卢比。
同样，总部位于印度的企业 AI 咨询公司 Rooted AI 表示，它帮助一家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%。
在另一项合作中，该公司为一家位于金奈、每天处理 200 多次配送的第三方物流提供商构建了一套 AI 驱动的调度路线系统。据该公司介绍，通过将实时交通、车辆载重和配送时间窗口纳入考量，该系统将燃油成本降低了 28%。
然而，一系列独特的挑战也随之而来，尤其是在落笔签约之前，与潜在印度客户的合作中。
拿出真金白银
“印度最好的地方——有时对企业来说并不太好——是他们想看到投资回报率，”Jogani 说。
印度的一些企业仍然不愿仅仅因为 AI 在全球范围内日益流行就进行投资。
相反，他们希望供应商在承诺更大规模部署之前，先证明清晰的投资回报。
即使有兴趣，一些企业也不愿花钱，因为相对低廉的人力成本会削弱自动化的吸引力。
“当其他供应商以三分之一的价格提供看似相似的解决方案时，价格敏感性就会带来压力，”Verghese 说。
他解释说，当系统必须在企业内部运行、使用真实的客户数据、处理例外情况并承担实际后果时，这种差异就会显现出来。
“到那时你才会发现，你买到的是一个具备正确治理、值得信赖的系统，还是一个由只会提示 ChatGPT 的人做出的炫目演示，”他说。
虽然 Parallel Loop、Krazimo 和 Deployment Inc. 等公司采用精简团队、基于成果的定价以及自动化优先的方法来加快部署时间线，但大型 IT 服务老牌企业仍拥有自己的优势。
为什么 GCC 是黑马
Joseph 认为，大型 IT 服务公司的优势牢牢建立在规模、既有的客户关系，以及对 AI Agent 必须通过其运行的系统的掌控之上。
它们已经在管理核心银行平台、ERP 系统和大型机，这使它们拥有在复杂企业中部署 AI 所需的基础设施和集成专业知识。
在受监管的行业中，成熟的供应商也具有优势，因为在这些行业中，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（RBI）的 FREE-AI 框架建议对 AI 系统实行经董事会批准的 AI 政策、风险分类和审计机制。
这些要求为企业部署增加了治理和文档方面的要求，有利于在安全、集成和受监管系统方面拥有经验的供应商。
“老牌企业还有资金接管客户运营并购买能力，”Joseph 说。
他以 TCS 近期的交易为例。最近，TCS 同意接管 Best Buy 位于印度的全球能力中心，根据一项多年期协议，将其员工和技术运营并入 TCS，以打造一个以 AI 为核心的创新中心。
今年 8 月，TCS 同意以 3.2 亿欧元收购保时捷的 IT 咨询子公司 MHP，同时与保时捷达成一项价值 12.5 亿欧元的五年战略合作。
这些交易让 TCS 获得了成熟的团队、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的动态变化。
招聘有能力、高技能的 AI 工程师是一大挑战，而留住他们、防止他们被更大的产品公司和内部工程团队挖走，则是另一大挑战。
此外，前沿模型公司本身也在争夺与印度企业的合作机会。
即使没有专门负责 AI 转型的大型团队，企业也可能考虑直接与 OpenAI 和 Anthropic 及其前沿部署工程团队合作，作为一种更敏捷的替代方案。
此外，Joseph 表示，大型 IT 公司和较小的 AI 咨询公司都将不得不应对组建内部工程团队的挑战。
2026 财年，印度的全球能力中心净招聘了 20 万名员工，几乎是 IT 服务公司新增的 11 万名员工的两倍。“这些中心也在抢走这两类公司的业务，”Joseph 说。
在过去几年里，建立并扩大内部工程团队的公司比例稳步上升。
这就消除了外部咨询团队的一切机会。
像 Jogani 这样的创始人也意识到，如今与大型 IT 公司竞争的难度，这些公司正在组建前沿部署工程团队以与客户紧密合作，在整个员工队伍中部署前沿 AI 编程工具，并对其服务模式进行现代化改造。
“我不会假设大型 IT 公司不会进化，或者没有能力这样做，”他说。“但如果我的组织里有几十万人，要改变他们的运作方式不可能在几个月内完成，所以这需要时间，也就存在一个窗口期。”
但这个窗口究竟是向外敞开还是别的情况，只有随着各公司提供更多线索，以及 AI 收入、项目的数量和规模，以及这些业务有多少能转化为可衡量回报等问题逐渐明朗后，才会变得清晰。