百度世界2026：智能组织为何成企业必答题

今年在会场，我察觉到百度身上另一种变化——这家公司正变得更有底气。舞台跟观众的距离更近了，上台聊产品的是几位年轻的产品经理，李彦宏讲着讲着，人就走进了人群里。

更深的底气其实不藏在这些细节中，它来自一种按十年为单位做判断的习惯：昆仑芯做了十几年，萝卜快跑走了十几年，当年这些业务都被问过“为什么值得做”，如今一个个站到了台前。李彦宏仍在讲“相信技术可以改变一切”，芯、云、模、体依旧处在舞台中央。

一家公司真正的自信，大概不在于它宣称自己多强，而在于它敢把最难的问题摆到台面上，并且先拿自己试验。

今年百度摆上台面的那个问题是：组织。

最近两年，AI 进入企业的速度在加快。写作、代码生成、数据分析这些事，越来越多员工开始借助 AI 来处理，AI 也慢慢变成企业新的生产力工具。

员工把 AI 用起来，离企业真正完成转型还差得远。世界经济论坛和科尔尼联合做的研究给出两组数：2025 年全球 AI 投资突破 2500 亿美元，可认为 AI 已带来变革性影响的企业只占 25%。

《周易》里说：「形而上者谓之道，形而下者谓之器」。放到 AI 时代，企业不能只换工具，还得重构组织。

AI 能让一个人更快做完手头的活，却未必打得通部门之间的信息壁垒；能让某个业务环节提速，却未必让整条业务链条同步转起来；能帮员工整理经验、沉淀知识，却未必让这些知识变成整个组织都能调用的资产。

员工手里的工具已经变了，企业内部的分工、协作与决策，却可能还沿着旧轨道在跑。

对此，智能组织”这个概念：人工智能是新电能，智能组织是AI时代的新厂房。

这个比喻锋利的地方在于，它点出了一件容易被忽略的事：电机功率再大，装在一间按老图纸建的厂房里，生产线也不会自己变快。

这也是今年百度世界想说的核心判断。上一阶段，企业比的是谁更快用上AI；下一阶段，比的是谁能围绕AI重新组织生产力。

李彦宏认为，“AI没有产生预期的经济效益，是因为我们只是更换了电机，却还没有重新设计工厂。”

使用 AI 不等于拥有 AI组织

说起企业的AI转型，有个反差挺明显的现象：投入和应用都在快速涨，真正转化成组织生产力的企业却不多。

德勤调查里，74% 的受访管理者判断，未来四年自家企业近一半业务流程要围绕 AI Agent 重做或重建。不过眼下能把跨职能多 Agent 编排做到规模化落地的组织，仅有 15%。

IBM 的另一组调查覆盖 16 个国家、17 个行业、2000 多名企业高管。结果里，82% 的受访高管把价值创造的障碍指向职能部门之间的壁垒；另有 55% 的组织正在开发或部署智能体 AI 运营模式。

一头是期待，一头是落地，中间隔着的就是组织。

微软给这种情况起了个名字，叫“企业AI转型悖论”：员工已经拿 AI 提个人效率，团队也在试新工具，可业务流程、协作方式连同评价机制，还都停在原样。

这种悖论之所以出现，不是技术不够强，而是 AI 带来的变化没有传递到整个组织。比如一名销售人员可以用 AI 分析客户资料、判断商机，甚至自动生成销售方案，但客户信息如果还散在不同系统里，他还是得自己去联系产品、技术和交付团队，AI 带来的效率提升就在部门交接时被消耗掉了。

个人的活变快了，业务链条却没有因此变短。

AI 还在把传统岗位之间的界线磨淡，这一点更该留意。OpenAI 经济研究团队分析 80 多万条 ChatGPT 消息后得出结论：43.5% 的职业特定 AI 使用，牵扯的是原本归别的职业管的任务。换句话说，过去由其他岗位干的活，AI 已经开始接手了。

Gartner 的判断是，到 2030 年，50% 的 IT 基础设施与运维组织会因为 Agent 接手复杂管理任务而重组。可眼下，相关组织里超过 90% 还没做好相应准备。

波士顿咨询讲过一家欧洲能源企业的例子。这家公司做过不少 AI 试点，项目散落在各处，整体业务收益却没跟着上来。后来管理层定了一个为期两年的 AI 优先转型计划，重心从单点部署工具挪开，转到端到端的客户旅程上，把整个客户服务流程重新设计了一遍。

为了让不同部门围绕同一个目标形成共识，企业用交互式原型和叙事视频，把未来的 AI 服务场景具体呈现出来。转型启动后不久，按年化计算的成本节省就出现了；AI 客服旅程的满意度追平了人工服务；对外部服务供应商的依赖下降 90% 以上。省出来的现金流，又被投进下一阶段的 AI 转型。

AI 竞争的赛点，在下游。

业内此前有专家提出 AI“五层蛋糕”理论，把 AI 产业的基本架构划成能源、芯片、基础设施、模型和应用。这套框架回答的是产业链上半段的问题——智能怎么被生产出来。

问题是，技术供给充足，不等于经济价值就能充分释放。模型解决了智能如何生产，企业怎么把这些智能真正用进经营、变成生产力，是另一个要回答的问题。

把这条链拉直，坐标系会更完整：上游是能源和算力，中游是模型和平台，下游是组织。过去几年，竞争几乎都挤在上游和中游——模型更强、卡更多、用户规模更大。下游那一段，一直空着。

李彦宏把手指向了这一段。他的说法是：AI 技术的上游是能源，下游是组织能力。

李彦宏不是临时起意抛出这个判断。2025 年他就说过，AI 应当变成企业自身的能力。极客公园那次采访中，他着重指出，内化真正发生在组织这一层，个人层算不上。员工拿 AI 写报告、敲代码，提升的无非是个人效率；只有 AI 扎进企业业务流程、把不同岗位的配合方式改掉，那才算企业自己的原生能力。

2026 年 5 月的 Create 大会上，他接着把想法推到组织形态上，讲出超级个体和人机混合编队：以前一家公司最小的生产力单元是团队，往后或许会变成一个人带一支智能体编队。人跟智能体怎么分工、怎么配合，会一步步顶掉一部分传统岗位的协作方式。同一场演讲里他还换了把尺子，拿 DAA（日活跃智能体数）来量 AI 的真实价值，取代了 Token 消耗。

今年百度世界，讨论的对象成了组织本身。三年三步，由“内化”而“编队”而“智能组织”，内里的逻辑没变：AI 想真正长成企业的原生能力，组织这道门必须穿过去。

（图源：希加加数字人专访百度创始人李彦宏）

企业一旦围绕任务来安排人和智能体，原来的岗位边界就有了重新画线的余地。实现的办法，李彦宏给了三条原则。这三条不是并排摆着的清单，而是一环接一环：先动任务怎么分，再动知识归谁，最后动组织怎么长。

一、“打破岗位边界，释放组织活力”

以往一单业务跑完，得销售、产品、技术、交付这些岗位一段段接棒。如今智能体可以接手其中一部分活，员工则盯着具体目标去调不同能力。岗位不会说没就没，但企业组织每项任务时，不必再照老一套分工原样来。

二、“沉淀隐性知识，构建组织智能”

企业攒了多年的经验，这时也开始显出新的用处。资深销售怎么判断客户、工程师怎么处理故障、工艺专家怎么理解生产环节，这些往往装在具体员工脑子里，制度和系统里并没有完整记下来。AI 想真正进到企业里，就得把散在个人手上的隐性知识拾掇出来，沉淀成整个组织都能调用的能力。不然的话，员工攒的经验仍旧是个人资产，组织规模一扩大，很难持续顶用。

三、“设计流程闭环，推动组织进化”

可光记下来还不够。智能体每回执行任务都从零起步，企业无非是多添了一种劳动力。任务做完，结果得有人衡量，执行中冒出的问题得拿到反馈，再带进下一轮任务。

李彦宏把这一套讲成“可衡量+Looping=持续进化”。任务执行、结果评估、流程调整转成一个圈，组织才有可能在一轮轮工作里把自己改好。

AI 带来的竞争优势，到最后或许不只看企业手里的模型有多强，还要看它能不能把技术能力跟自家攒下的知识、经验、业务流程捏到一处，长成真正属于自己的组织能力。

对企业来说，这变化的意思也不光是省人力。人和智能体重新搭班子，企业扩张时对人员规模的依赖可以降下来；长期攒下的专业知识和业务经验，或许会成为对手难以复制的壁垒；更多员工借 AI 参与创新之后，企业找新需求、开新市场的路子也可能跟着变。

智能组织和单纯部署 AI 工具，差别也正在这里。AI 竞争的赛点从“谁会使用 AI”慢慢移向“谁能真正围绕 AI 重构组织”，一套能让任务、知识和流程持续转起来、自己优化的系统，就会成为企业在下一个时代最值钱的组织资产。

第一批真正意义上的智能组织，已经出现了。

在百度内部，人跟 Agent 一起干活，正逐渐变成一种日常。

百度披露的内部数据给出了几个数字：DAA 从日均 0.5 万涨到 3.7 万，涨幅超 6 倍；智能体执行的有效任务完成数，从每周平均 8.4 万个，涨到一周超过 100 万个，暴涨 11 倍。另外，百度已建设 4300 个 Workspace，组织 Skill 累计沉淀超过 2 万个。

比数字更值得看的，是人。百度搭子团队已经开始拿自己的产品做产品研发。上线以来的过去半年，这个团队与百度搭子协同完成了数千项任务，执行中攒下的经验被持续反馈到后续任务里，慢慢长成可复用的工作能力。

百度数字人创新业务部也有类似的变化。据悉，这个团队把产品、研发、设计和测试之间的岗位边界拆掉了，推动全员向 Builder 转型。2026 年第三季度，数字人产研团队完成 564 次迭代，沉淀 130 个Skills 和 729 篇组织资产，人均吞吐提升125.3%，交付周期缩短 28.8%。一名校招新人借助 AI，只花一天就做完了过去要五个角色、至少十天才能交付的需求。

百度之外，产业里也开始冒出样本。

电力调度是南方电网的一个典型应用场景。南方五省两亿多人的用电保障由这里承担，配电网自愈线路可以快速定位故障并恢复供电；但仅广西电网 2025 年就出现永久性故障 8215 次，人工研判一次要 60 分钟以上，而且高度依赖专家经验，误判风险不小。百度搭子与南方总调合作落地的“天璇伙伴”则学习了上万条历史故障处理数据，把资深专家的经验变成可复用的专业知识，再将故障记录、开关信号、线路拓扑串成完整证据链，完成“故障—分析”的闭环研判。其故障分析准确率超过 70%，效率提升 12 倍，目前已在广西 14 个地市、112 个县全面推广。

更关键的一点是它能自己“成长”——老师傅的实战经验，会在每一次运行中继续累积。这正是原则二所说的“组织智能”：经验一旦进了系统，就不会随着人退休而消失。

山东海高激光的生产线上也是同样的道理。多台六轴机械臂要协同切同一个工件，过去各台机械臂的加工轨迹和执行顺序主要靠工艺人员的经验，一边要避免设备之间碰撞，一边还得尽量缩短整体加工时间。

百度伐谋把运动耗时预测、多机防碰撞和任务排程放在一起做联合优化。眼下，单个工件已经跑通从时间预测、防碰撞验证到任务排程的完整流程，并开始向更多工件和批量任务拓展。原本只握在少数工艺专家手里的排程经验，也由此开始变成生产团队能重复使用的算法能力。

与此同时，其他走在前面的企业和研究机构，也在摸索 AI 时代组织形态会怎么变。

麦肯锡提出 Agentic Organization（智能体组织），主张围绕业务目标重新配置员工与 Agent；微软提出 Frontier Firm（前沿企业），还组建了约 6000 人的前沿部署工程团队，直接进到客户企业里，帮它们重新设计业务流程。智能组织已经不只是少数前沿企业在试，正慢慢成为全球科技产业共同关注的方向。

智能组织，正在从少数前沿企业的探索，变成全球科技产业共同下注的方向。

AI 开始改变工作被完成的方式，企业原有的岗位分工和管理流程就不可能一直不动。技术可以一代代迭代，可组织要是始终停在过去，AI 带来的生产力就很难充分释放出来。

把时间拉长看，企业之间的差距也不会再只是模型和工具的差距，而是组织能不能跟上生产力变革的差距。十多年前的百度世界大会上，李彦宏提出“互联网的下一幕是人工智能”时，AI 还是个遥远的词。现在，台上呈现的，是一家公司该如何在 AI 时代的浪潮中“重新组织自己”。

一家公司真正的自信，不在于它说自己有多强，而在于它敢把最难的问题摆到台面上，并且先拿自己试验。智能组织这道必答题，百度已经开始写自己的答案。