AI 进入企业的速度,正在超过企业改变自身的速度。
斯坦福大学《2026 AI Index》报告显示,2025 年,已有 88% 的受访组织在至少一个业务职能中使用 AI,高于 2024 年的 78%。其中,79% 的受访组织已经在至少一个业务职能中定期使用生成式 AI。
但使用率上升,并不意味着经营收益同步兑现。麦肯锡《2026 State of AI》调查显示,80%的受访者认为AI提高了个人工作效率,但只有37%表示AI已经对企业息税前利润产生一定影响;能够达到高绩效标准的组织,只占受访者的6%。
员工已经感受到 AI 工具带来的一定变化,企业的经营效果却没有出现同等幅度的改善。
百度世界 2026 上,李彦宏把这一问题概括为“新电机,新厂房”。
在他看来,如果说,人工智能是新电能。那么,智能组织就是AI时代的新厂房,是生产力真正发生的地方。
过去企业引入 AI,往往只是在原有流程上增加新的工具。随着智能体开始参与执行、协作乃至部分决策,企业也需要重新设计承载这些能力的组织方式。
而在大会现场,还有一段颇有意思的采访视频。
由百度一镜生成的数字人希加加,在与李彦宏对谈时,突然抛出了一个大胆的问题:“既然我都能做采访了,那我这样的数字人能当CEO吗?”
“不能,你不能当 CEO。”李彦宏笑着回答。他随后解释,一个组织、一家公司,甚至一个人,都有其存在的理由,有自己的使命和愿景。数字人可以成为 CEO 的 Thinking Partner,帮助提高效率,甚至提供灵感。
希加加又追问,如果 AI 渗透到组织的每个角落,组织留下来的部分,最核心的是什么?
“我觉得最核心的其实还是人。”李彦宏说。
这也为“智能组织”提供了另一层理解。AI 能够承担的任务越来越多,人的角色也会随之变化。如何让人与智能体各自发挥所长,让技术能力转化为整个组织的生产力,正成为企业需要重新思考的问题。
AI 改变了工作,企业还要改变什么?
现代企业的组织方式,是工业化生产逐步发展出来的。规模化生产要求把复杂工作拆成不同工序,再由专业岗位和职能部门分别承担,通过明确权责、层级管理和固定流程保证协作。岗位边界清楚,任务交接稳定,曾经是大规模组织维持效率的基础。
互联网时代,企业开始在科层结构上叠加项目制、平台化和跨职能团队。产品、研发、设计、运营围绕同一目标协作,小团队获得更多自主权,信息流动速度成为竞争力的一部分。亚马逊的“两块披萨团队”理念广为人知,背后正是互联网公司对缩短决策链和提高响应速度的追求。
AI带来的变化又向前推进了一步。OpenAI 经济研究团队分析了80多万条美国用户的 ChatGPT 消息,发现43.5%的职业特定AI使用涉及其他职业原本承担的任务。过去需要不同专业人员配合的部分任务,如今已经有机会由一个人借助AI独立完成。
但问题在于,企业的组织设计往往仍然围绕岗位展开。跨部门的审批和交接没有因为AI而自动消失,专家经验也常常留在个人习惯、邮件和非正式沟通里。例如在制造业,AI 可以帮助工程师分析工艺和排程,但如果设备数据、物料信息和生产规则无法联动,局部提效很难改变整条生产线的效率。
麦肯锡 2026 年的研究显示,AI 高绩效组织中,接近四分之三已经大幅重新设计工作流程;其他组织中,采取类似做法的只有约四分之一。
这样的现状已经进入全球科技公司和咨询机构的议程。微软提出Frontier Firm,讨论人与智能体组成的新型企业;麦肯锡提出Agentic Organization,探索围绕业务目标重组人和Agent;BCG则提出AI-First Organization,强调企业需要按照AI的能力重新设计业务流程。它们共同关心的是,AI开始承担工作之后,公司原有的组织方式还能否适应新的生产关系。
BCG 研究中提到的一家欧洲能源企业,曾经部署了大量 AI 试点,却没有获得显著的整体收益,后来,企业围绕端到端客户流程重新安排人员、任务与智能体的协作,使其对外部服务商的依赖降低90%以上。这个案例说明,试点数量和工具使用率很难单独说明转型成效,AI 要进入经营结果,需要流程、岗位和协作方式一起变化。
过去,企业更多关注AI能够替员工完成什么工作;随着智能体开始参与业务执行,如何让人与智能体共同完成一项任务,正在成为新的组织问题。
百度世界 2026 上,李彦宏将这一判断概括为“AI 是新电机,智能组织是新厂房”。在这套比喻里,新电机对应百度持续建设的“芯、云、模、体”全栈 AI 能力,新厂房则指向企业从个人提效走向组织增效的智能组织。
李彦宏在 2025 年谈到企业内化 AI 时就曾提出,真正的内化发生在组织层面,而不是个人层面。
今年,他进一步提出,工业时代组织工作的基本单元是岗位,智能时代则可能变成任务。未来岗位不会消失,但可能逐渐向 Builder 和 Seller 两类角色收敛,前者负责创造,后者负责人与人之间的沟通、连接和信任。
员工会使用 AI,只是企业变化的起点;当任务分配、知识沉淀和流程反馈都开始围绕 AI 重新组织,技术才有机会成为公司的长期能力。毕竟 AI 技术可以买来,组织能力却需要在一次次真实业务中积累。
百度把“智能组织”推到台前,回应的正是这一行业变化。
为什么总是李彦宏说出 AI 的下一幕
十年前的百度世界 2016,李彦宏以“AI is the New Electricity”为主题,提出移动互联网之后的下一幕是人工智能。那时,AI 还没有成为今天这样的产业共识,模型能力、算力供给和商业应用都处在早期阶段。
十年后的百度世界 2026,他再次站在同一个舞台上,把下一幕指向智能组织。两次判断之间,隔着的是AI 从技术探索走向产业应用的十年。
这十年里,百度的技术选择与全球科技产业演进形成了不少呼应。
2017 年,李彦宏乘坐无人车驶上北京五环,同年,Waymo 也在凤凰城启动早期乘客计划;2018 年,百度发布云端全功能 AI 芯片,亚马逊 AWS 也宣布推出自研芯片Inferentia,全球科技公司开始向算力底层延伸。
2022 年百度世界,文心大模型补全《富春山居图》,李彦宏判断 AIGC 将成为继 PGC、UGC 之后新的内容生产方式;四个月后,ChatGPT 发布,生成式 AI 迅速成为产业焦点。一年后,李彦宏提出“把所有产品都用大模型重做一遍”,将关注点从模型能力推向应用,微软也推出Microsoft 365 Copilot。2024年百度世界,他展示五个智能体协作完成应用开发,并判断智能体将成为AI应用的主流形态。
到了2026年Create大会,又提出 DAA(日活智能体数),强调衡量 AI 价值不能只看 Token 消耗,还应关注有多少智能体真正参与工作、完成任务。
回看这些节点,李彦宏对 AI 产业的思考始终在向实际应用延伸,而百度也为其中一些判断投入了相当长的时间。芯片和自动驾驶就是两个典型案例。
早期百度芯片团队“仙童”曾长期处在外界不易理解的阶段,萝卜快跑也经历了漫长的研发和商业化过程。李彦宏在 2026 年 9 月的百度最高奖颁奖演讲中说,百度“擅长坚持”,有耐心、恒心和信心,也认可技术的价值。芯片团队坚持十几年后,才逐渐看到收入和利润的成长。
预判一个技术方向需要眼光,愿意为它投入十余年,则需要更大的耐心。李彦宏对技术的长期笃信,也构成了他今天讨论智能组织的经验基础。
这也是行业内好奇“为什么总是李彦宏”的原因之一:不只在产业热闹处提出新概念,也愿意把技术路线变成长期投入。
而这也让百度有机会观察技术从实验室走向市场的完整过程。
就像上文所提到的,全球科技公司和咨询机构已经从不同角度讨论AI组织转型,百度此次希望进一步回答组织如何持续进化的问题。岗位和流程可以重新设计,但组织能否在执行任务的过程中不断积累知识、修正方法,还需要一套长期运行的机制。
对此,李彦宏提出的三项原则,正好对应这套机制。打破岗位边界,是让工作围绕任务展开,人与智能体根据目标重新组合;沉淀隐性知识,是把员工的判断、经验和业务规则转化为可复用的组织资产;设计流程闭环,则是让每次任务的结果都能被衡量,反馈进入下一轮执行。
李彦宏用“可衡量+Looping=持续进化”概括这一过程,并提出未来的公司可能成为由无数 Loops 组成的高度自动化运营组织。
这套机制指向的机会也不止是节省人力。一个人带着一支智能体编队,可以承担过去需要更大团队完成的工作;企业独有的知识、上下文和业务规则沉淀下来,可以形成竞争者难以复制的护城河。
当创新不再只集中于少数研发或创新部门,组织内部更多成员都能借助智能体探索新需求,企业才更有机会发现新的市场。
百度拿自己做了一场组织实验
李彦宏提出的这套组织进化机制,百度已经开始在自身业务中尝试。
在百度世界 2026 上,李彦宏披露了一组内部数据。过去一年,百度DAA从日均约 5000 个增长至 3.7 万个,智能体每周有效任务完成数从 8.4 万个增加到 100 万个以上。
比如「如何让AI推进智能组织建设」分论坛上提到的百度数字人团队,全员向 Builder 转型,尝试打破产品、设计、研发和测试之间的岗位边界。一名校招新人借助AI,仅用一天便完成了过去需要五个角色、至少十天才能完成的需求交付。团队还将工作中形成的方法沉淀为130个 Skills 和729篇组织资产。
在百度智能云的 FDE 实践中,过去由销售、交付、产研分别承担的工作,如今开始由既懂行业、又懂技术和交付的复合型角色贯穿推进,在各行业落地百余个业务场景。
类似的探索也在向产业现场延伸。
南方电网与百度合作开发的智能体,将上万条历史故障数据和专家研判经验沉淀为可复用知识,辅助电力故障分析,准确率达到70%以上,分析效率提升12倍。海高激光则借助百度伐谋,将工艺人员依靠经验完成的多机械臂排程转化为算法优化问题,目前已经完成单个工件的全流程验证,正在向批量任务泛化……
从电网故障研判到机械臂排程,任务越复杂,智能体对行业知识、工具调用和执行可靠性的要求就越高。它需要持续掌握业务上下文,也要在多轮执行中处理反馈。这些能力最终都要依靠底层技术支撑,百度多年建设的“芯、云、模、体”全栈体系,也开始在这里体现出协同价值。
此次百度世界,昆仑芯披露 M100 已如期上市,计划于2027年推出旗舰产品 M300;百度智能云则正式发布天池1024卡超节点。底层芯片与云基础设施的持续升级,为模型训练、推理及智能体规模化运行提供了更大的算力空间。
千帆则通过词元工厂和驾驭工程,为智能体提供模型服务、工具调用、持久记忆和任务调度能力。
随着模型供给日益丰富,企业面临的另一项成本开始显现。不同模型的能力、价格和服务稳定性参差不齐,选择适合业务的模型,也需要投入越来越多的测试和验证工作。
为此,百度在大会上正式推出大模型交易平台“词元所”,重点提供模型验真和供应商信用评价。平台通过模型指纹比对、能力测试和定期抽检拨测,帮助企业辨别模型来源与服务质量。试运行一个月以来,词元所已有超过100个供应资源入驻,日均调用次数突破5000万。
模型供给越来越丰富之后,如何让模型在具体任务中发挥作用,也成为百度此次发布的重要方向。李彦宏一方面持续投入基础大模型研发,突破模型能力上限;另一方面让模型围绕实际应用需求不断优化,将技术进步转化为具体场景中的生产力。
文心5.5 Flash Preview,将能力进一步延伸到编程、智能体、专业知识工作和内容创作等场景。 这款模型支持最长100万Token上下文,生成速度超过每秒200 Token,并使用超过1400万个可执行代码任务及多种Agent框架执行轨迹进行训练,以增强长链路任务中的规划、执行和持续迭代能力。
与此同时,百度还推出了文心闪电深度思考模型,通过BSA稀疏注意力机制和反馈式历史压缩,降低长上下文任务的存储与计算开销,为高频调用和长链路智能体任务提供更具成本优势的模型选择。另一款文心一镜微表情大模型,则将能力延伸到视频生成,也为数字人视频创作提供了更丰富的表达能力。
当然,模型能力还要进入具体工作,才能转化为业务交付。百度搭子、库库AI、百度一镜和百度伐谋分别进入专业任务协作、知识办公、数字人服务和复杂业务优化。
这次百度一镜推出了“短漫剧Studio”,将创意、剧本、分镜到成片的流程进一步整合,支持对已有作品进行剧情、人物和场景的本土化适配。依托自研视频生成模型,制作成本为每秒0.2元。
从内部组织调整到产业现场,再到芯云模体的持续升级,百度已经开始用具体业务检验智能组织的运行方式。这套机制能为企业带来多少长期价值,最终还需要在更多真实经营场景中接受检验。
写在最后
从蒸汽机、电力到互联网,每一轮生产工具的变化,都推动企业重新安排生产、协作和管理。AI正在带来类似的变化,只是这一次,进入企业的不只是新的工具,还有能够承担部分任务、参与协作并持续积累经验的智能体。
百度世界2026提出的“新电机,新厂房”,把AI竞争的视角从模型和算力延伸到组织运行。李彦宏希望回答的,是当智能供给越来越充足,企业如何重新组织工作,让技术投入变成长期生产力。
百度的全栈技术和内部实践,为这条路径提供了一个样本,让企业看到了组织进化更具体的落点。
新的电机已经出现,如何建好一座能够让人与智能体各展所长的“新厂房”,将成为下一阶段企业管理者需要面对的重要课题。
*题图及文中配图来源于网络。
精彩评论