IT服务行业的AI Native：Hang Ten融资3200万美元，挑战3000亿美元的旧生意

Shadow：国内很多人看不起IT服务行业，觉得“不就是外包嘛”，我以前也不愿意做外包，我最早做景观设计公司，作为乙方，客单价虽然还不错，但是需要靠人力来堆，身心疲惫。

但现在不一样了，设计、代码等都不用人来做了，感觉“不累了”，IT和设计服务也不再需要堆人头。

这个就是新的公司形态雏形，Agentic公司内部有“公司大脑”和可被复用迭代的Skill组成的Agent团队，另外加上资深的“人类专家”。（这也是我在做的事情，欢迎交流）

以下为正文：

Infosys是印度第二大IT服务与咨询公司，1981年成立，全球员工超30万人。

Vishal Sikka曾经是Infosys的CEO，他在9年前被赶下台，现在要重新定义IT服务与咨询行业了！

6 月，Vishal Sikka 写下一篇名叫《Hello World》的博文，他的新公司叫「Hang Ten」，这是冲浪术语，指十个脚趾都伸到冲浪板前端、驾驭巨浪的姿态。

完成 3200 万美元种子轮融资。

Sikka 站在由数据流构成的巨浪上，象征他选择「Hang Ten」驾驭 AI 浪潮的姿态

「Hang Ten」驾驭 AI 浪潮

为什么能融3200万美元？

围绕 AI 重新定义服务公司，挑战 3000 亿美元的旧生意。

打造一家AI Native的IT服务公司

IT服务行业的进化

IT 服务行业的两条进化路线

路线 A，是「巨头的自我革命」。

Infosys 在 2026 年 2 月的投资者日上首次公开「AI First Value Framework」，目标到 2030 年捕获超过 3000 亿美元增量 AI 服务市场，旗下平台已部署 300 个智能体（Agent，能自主执行任务的 AI 程序）。

Accenture 埃森哲在 2026 财年第一季度GenAI new bookings 达 22 亿美元，10 个季度内同比增长 22 倍。

TCS 塔塔咨询把具备 AI 技能的员工从 8 万人翻倍到 16 万人。

麦肯锡的内部知识平台 Lilli 已索引 10 万份文档，月活跃员工占比 72%，每月跑约 50 万次提示词调用。

路线 B，是「AI-native 的外部颠覆」。

Hang Ten 把核心资产定为「智能体代码生成 + 可复用技能库（skills library，把企业流程沉淀为模块化、可被 AI 反复调用的工具包）+ 前线部署工程师池」三件套。

Cognition Labs 把自主软件工程师 Devin 卖进了 Goldman Sachs、Citi、Dell 这些公司，18 个月内年化经常性收入（ARR）从 100 万美元冲到 4.92 亿美元，最近一轮投后估值约 260 亿美元。

「人力月费」旧模式正在被新模式替代：

• 印度 IT 五巨头 FY26首次出现年度净减员 7389 人——对比 FY25 还净增 12,718 人，单年净减约 2 万人。
• TCS 一次性裁员 12,200+
• 麦肯锡 2026 年 5 月披露：全球费用中 25% 已转为按结果付费——这是咨询行业过去 50 年来定价机制的首次根本性重构。

Infosys、麦肯锡、BCG 三座办公塔楼同时被 AI 改造：绿色机器人藤蔓攀爬、巨型数字大脑从窗户伸出、传送带运送 AI 智能体出场

Infosys、麦肯锡、BCG 三座办公塔楼同时被 AI 改造：绿色机器人藤蔓攀爬、巨型数字大脑从窗户伸出、传送带运送 AI 智能体出场

巨头的「主动自残」与市场教育

当一家万人级别的 IT 服务巨头面对「自我革命」的选项，它应该怎么办？

• 把 24 万人削减 50% 来拥抱 AI 智能体？股价当天崩盘。
• 把全球交付网络拆掉重组为「智能体 + 前线部署工程师」模型？前两年收入断崖。
• 把与 SAP、Oracle、Microsoft 的合作伙伴关系打破？生态位崩盘。

所以唯一可行的革命方式是：

在内部把 AI 服务做大（保住当下现金流），同时让一个有合法性、有客户、有投资人的创业公司在外围重新定义生意 —— 5 年后再决定收购或者对抗。

Sikka 的三段创业（2017 被赶下台 → 2019 创立 VianAI → 2026 创立 Hang Ten）是这条路径的标准答案。

巨头越积极地用 AI 改造内部流程，市场对「人力月费」模型的采纳就越低。他们教市场认识到「AI 能做到这么多」，而这个认知一成熟，新进入者就有了一个全新的、被市场理解的需求可以服务。

麦肯锡的另一组数据——其全球 6 万员工中有 2.5 万是 AI 智能体，平均每 1.6 个人类员工对应 1 个 AI 智能体。

「希望未来 18 个月内每位员工都与 AI 智能体并肩工作」

巨头用 AI 自残的财务数据，恰恰证明了这种替代正在发生，而不是即将发生。

种子阶段

第一，MIT NANDA 项目 2025 年 8 月发布的《State of AI in Business》报告显示：

尽管企业在生成式 AI 上投入了 300-400 亿美元，95% 的组织获得零回报。

「巨头做 AI 不赚钱」和「AI-native 新贵不赚钱」在短期内面临的落地挑战是对称的。

Hang Ten 选择「AI-native + 顶级工程师 + 真实客户」三件套，而不是纯 Agent 路线，和MIT 报告不谋而合

第二，Cognition 自家 89% 的代码由 Devin 自己写——这是有意义的「自我验证」，但自我验证不等于客户大规模采用。

Devin 的真实场景仍是「用新编程语言更新遗留代码」这种单点突破，单价远低于 Accenture 的数百万美元级订单。

第三，Hang Ten 的「可复用技能库」概念虽然强大，但它本质上是经验曲线效应—— 必须持续赢得同一行业、相似流程的项目，技能才能沉淀。

如果 Sikka 的第一批客户（西门子歌美飒、费森尤斯）的项目不能转化为可复用模块，3200 万美元烧完就回到原点。

未来 3-5 年是渐进替代，不是闪电战。

服务即软件

「人力月费」模型远不止存在于 IT 服务一个行业。

律师按小时收费、咨询师按项目报价、设计师按稿计费、内容创作者按字数拿钱——这些都是「按动作 / 按时间 / 按产出数量」定价的变体。

当 AI 把任何一种这类定价的工作，转化为「按结果付费」的模式，整个行业的经济学都要重构。

HFS Research 在 2025 年正式注册了一个术语：Services-as-Software™（服务即软件）——「以可复用知识产权和智能体执行替代人力密集型交付，营收不再靠招人头而靠平台、智能体和自动化」。

前 Google CEO：赚钱最简单的方法是建立一个Agentic公司

这是一个到 2035 年达 1.5 万亿美元的机会窗口。

红杉：下一个万亿美金公司，把服务作为软件#AgentOS的商业模式

左侧巨型沙漏逐渐碎裂消失，右侧由勾选目标发光成型，小人跨过门槛——象征定价模型从「按时间计费」向「按结果计费」的迁移

定价模型从「按时间计费」向「按结果计费」的迁移

当你的客户开始问「既然 AI 已经能做到这些，我为什么还要为初级员工的工时付费？」，传统的计费模型就会从内部瓦解。

麦肯锡 25% 营收已转为按结果付费，BCG 2026 年目标 40% 营收来自 AI 相关工作 —— 这是定价机制正在发生重构。

从「我做一个工具」到「沉淀Skill」

对正在做企业服务、咨询、内容创作这类「人力月费」生意的从业者，最现实的路径不是从「我要做一个 AI 产品」开始，而是：

• 第一步：识别你自己工作流里哪一步被按次数重复、可沉淀、可被同事复用——这就是你潜在的「Skill」。
• 第二步：把第一步的领域知识结构化成 Anthropic Skills 风格的文件（指令 + 脚本 + 参考资料），先在一个真实客户/同事身上跑通，再考虑扩大。
• 第三步：警惕「AI 速度当护城河」的陷阱——速度只用来让客户愿意先试一次；复购要靠「我做的版本就是和别人不一样」这种。关于企业服务
• 第四步：积累到 5-10 个 Skill 后，再用 MixLab 知识库里 Zero-Headcount Company 的 7 Agent 系统架构把它们编排成可对外交付的最小单元。

工匠在工坊里打磨发光的技能模块（带括号、齿轮、对话气泡、图表图标），AI 助手递上下一个模块，模块整齐堆叠成不断生长的书架

工匠在工坊里打磨发光的技能模块，AI 助手递上下一个模块，模块整齐堆叠成不断生长的书架

Skill 沉淀的复利效应比想象中快。

Hang Ten 赌的也是这个

如果第一个客户的项目能沉淀为可复用模块，第二个客户开始就是指数曲线；

如果不能，3200万美元烧完就回到原点。

你和 Sikka 赌的是同一件事，只是规模不同。

趋势

Sikka 用 Hang Ten 给新公司命名，意思是「驾驭巨浪」。巨浪受以下三个方向推动：

• 自家企业的智能体化（Infosys 部署 300 个智能体、麦肯锡 2.5 万个智能体、BCG Deckster 自动化 80% 初级分析师工作）。
• 客户的认知觉醒（麦肯锡的客户问「我为什么还要为另一半时间付费」，BCG 的客户问「你这次和我上次拿到的东西为什么差距这么大」）。
• 新物种的入场（Hang Ten 用 Skills 库 + FDE 前线部署工程师，Cognition 用 Devin + Windsurf IDE，Anthropic 用 Skills + MCP 模型上下文协议作为底层基础设施）。

AI 像一道巨大的新浪，我们要做的不是被它席卷淹没，而是 hang ten——驾驭它

真正值得关注的不是他能不能驾驭，而是这场巨浪本身—— 你手里的工作，在巨浪的哪里？