李彦宏：AI下半场企业拼什么？智能组织成关键

这两年企业圈里最不缺的东西就是AI工具：写代码有Copilot，做PPT有AI助手，查资料、写周报、做会议纪要，几乎每个环节都能找到对应的产品。员工个人的效率确实上去了，可不少管理者碰上的现实挺尴尬：单点效率在涨，组织层面的生产力却没跟着释放；AI投入一直在加，利润和增长却看不出明显变化。

微软《2026 年工作趋势指数年度报告》给这类现象起了个名字，叫「企业 AI 转型悖论」：员工用AI提升个人效率，团队也在试新工具，但业务流程、协作方式和评价机制还停在过去，组织本身没怎么变。行业里甚至流传一句更直白的话：看得见 Token，看不见利润增长。

问题也就来了：AI能力越来越强、局部试点也常常成功，为什么组织级生产力就是不同步释放？

11 月 12 日举办的百度世界 2026 上，李彦宏给出一个新判断：AI没产生预期中的经济效益，原因是我们「只是更换了电机，却还没有重新设计工厂」。在他看来，人工智能是新能源，智能组织就是AI时代的“新厂房”，生产力真正发生的地方就在这里。

这话听着像比喻，其实点出了一个被行业普遍低估的变量：AI从工具变成组织参与者之后，企业竞争的重心正从「有没有AI」转向「组织能不能为AI重新设计」。

技术都变了，组织为什么非重画不可？

要回答这个问题，得把时间轴拉长来看。一百多年来，每次技术革命真正落地，本质上都是一次组织方式的变更。

工业时代，1855 年，纽约与伊利铁路公司画出了一张特别的组织图：它想把庞大的公司变成职责划分、分级管理的系统，回应的是当时最现实的问题——公司规模变大之后，怎么有序运转。

再往后，马克斯·韦伯系统阐述了科层制，靠专业分工、层级管理，让大规模组织稳定运转成为可能。分工换来了规模化，可协作成本也被固化进了结构里。

到互联网时代，亚马逊的贝佐斯提出“两块披萨团队”，追求扁平化、敏捷化，想压掉层级与协作成本。

到了AI时代，组织参与者头一回不只有人，还有Agent。过去一百年，企业一直在摸索怎么更高效地组织人；AI时代的新命题换成了：怎么同时组织人和智能体，让组织创造更大价值。李彦宏此前就说过，未来的超级组织是人与智能体的混合编队，要“更多任务，更少分工”。

分工让工业时代做大了规模，连接让互联网时代跑得更敏捷，到了 AI 时代，增长空间得靠不断自我进化来打开。说到底，技术革命要真落地，重点不在把新工具硬塞进旧组织，而是把组织图重新画一遍。AI 时代也是这个理。

智能组织究竟是什么？

组织图既然必须重画，那要画成什么样？百度给出的答案，是“智能组织”。

按百度官方的定义，智能组织不是买硬件，不是看模型参数，也不是拼算力规模；更不是HR语境下调整一张组织结构图。它真正指向的是：把Agent、知识库、工作流、评估反馈机制组合成一套可运行、可度量、可迭代的“组织级系统。

百度世界2026大会现场，百度还给出了几组清晰的对照：

• 从以岗位为中心，转向以任务为中心： 未来的组织是一张任务的网络，岗位边界让位于任务闭环。

• 从个人智能，转向组织智能： 真正的组织智能，是让隐性知识显性化，沉淀到平台上，随时调用、人人可用。

• 从固定流程，转向“可衡量+Looping”的持续进化： 任务执行、反馈、优化形成闭环，组织也就变成持续学习进化的系统。

李彦宏

1、打破岗位边界，释放组织活力： 传统组织围着岗位转，AI时代的组织改成围着任务转，Agent让跨岗位的任务被重新编排。

2、沉淀隐性知识，构建组织智能： 把专家经验、上下文、判断规则沉淀成可复用的Skill、知识库和工作流，一个人的经验就能穿越整个组织。

3、设计流程闭环，推动组织进化： 公式是“可衡量＋Looping＝持续进化”。未来的公司，会变成无数Loops组成的高度自动化运营组织。

从技术视角看，智能组织不是管理口号，它需要Agent Infra、知识库、工作流、权限治理、评估体系共同支撑，是一套组织级系统。

AI竞争正从“上游”打到“下游”

智能组织不只是组织管理层面的事。放进AI产业链里，它落在下游——AI价值最终兑现的那一端。

产业链一拉长，竞争就分成了两头：一头是智能怎么被生产出来，另一头是智能怎么进组织、变成生产力。海外有观点把AI比作“五层蛋糕”，强调能源这类基础资源对智能供给的分量；李彦宏在芯云模体全栈之上，又补了一个AI下游的“组织层”。

前几年，大家挤在芯片、算力、模型、Token上。模型供给端的节奏还在加快。李彦宏在百度世界2026上说，今年前9个月，几乎每天都不止一款新模型冒出来，模型调用需求大爆发；可一批词元中转站对模型效果、服务稳定性、响应速度都不负责，连模型是不是真的都查不清。

百度为此上线了大模型交易平台词元所，把自己定位成“大模型的交易所”，打的是“验真”和“征信”：模型指纹比对、能力测试、性能与可用性测试核验资源，再靠定期抽检拨测、全链路实时监测给模型提供商做信用评级，让企业甚至个人都能方便地找到、买到、用上可信的模型Token。上线一个月，词元所入驻供应资源超过100个，日均调用次数突破5000万，日均调用Token超7000亿。这一步解决的是上游模型供给的可信流通。

可模型能力一旦普及，企业缺的就不再是有没有智能，而是智能能不能钻进业务流、跑成任务闭环、最后落到经营结果上。

局部成功≠组织增效，这恰恰是企业AI转型的隐藏陷阱。工具部署了、试点有成绩了，就被当成答卷，可业务流程、协作方式、评价机制原封不动，AI很难从个人效率工具升级为组织生产力。BCG在《为AI重新设计公司，而不是让AI适应公司》里讲，AI转型首先是组织问题，不是技术问题；微软也强调，Frontier Firm和普通企业最大的差别，是管理者更愿意推动工作重构。

放到全球看，组织必须为AI重设计也正成为共识：微软在琢磨组织该长成什么样，麦肯锡在琢磨怎么设计组织，BCG强调重构业务流程，Anthropic关心人机怎么组队；BM的调查则显示，82%的受访高管认为职能部门之间的壁垒阻碍价值创造，55%的组织正在开发或部署智能体AI运营模式。

在这个坐标系里，百度的不同在于：别人多讲形态、方法、路径，百度想讲机制——组织怎么自己长出来。背后其实是芯、云、模、体全栈自研的能力结构，从芯片到模型到应用全链路自己跑，所以能讲Looping、讲组织级闭环、讲可衡量。别人的组织方案往往要采购第三方工具，百度想用全栈能力撑住组织级系统的持续迭代。

智能组织怎么“自己长出来”

那百度这套智能组织，具体怎么长？

百度的判断是：先得在真实业务里跑通任务—知识—流程—指标的闭环。于是百度先拿自己开刀。

大会现场披露的数据显示，百度内部DAA（日活智能体数）、有效任务完成数、Workspace和Skills沉淀这些指标都在涨。

在百度数字人创新业务部，团队试的是AI Native组织转型，把产品、研发、设计、测试这些岗位边界打散，推着全员往Builder转。靠自研Agent，团队已经有6个以上需求由单人完成全流程交付；仅Q3一个季度，数字人业务产研就做了564次迭代，沉淀130个Skills和729篇组织资产。Loops持续转起来后，数字人产研人均吞吐提升125.3%，交付周期缩短28.8%。一名校招新人借助AI，1天就完成了原本要5个角色、至少10天的需求交付。

类似的样本在百度内部还有好几个。组织机制层面，FDE（前沿部署工程师）这个新角色正从业务一线长出来，把“懂行业、能落地、会推产品”串在一起，目前已在金融、能源、制造等多个行业交付落地100+业务场景。

产业侧的变化同样值得看。百度内部案例说明“新厂房”能在任务闭环里长出来，可智能组织不能只在百度内部成立，它还得进产业真实业务流。

南方电网旗下的南方总调与百度合作，基于百度搭子做出“天璇伙伴”。南方五省四亿多人的用电保障压在肩上，配电网故障分析却一直靠专家经验撑着。光是广西电网，2025年永久性故障就有8215次，人工研判一次要花60分钟以上，还很容易看走眼。天璇伙伴的做法是学完上万条历史故障处理数据，把老师傅的判断沉淀成能反复调用的专业知识，再将故障记录、开关信号、线路拓扑串成一条完整证据链，让“故障—分析”形成闭环研究，分析准确率超过70%。客户反馈显示，这套应用把配电网故障分析效率拉高了12倍，眼下已在广西14个地市、112个县全面铺开。还有一点更关键：它能“自主成长”，老师傅的实战经验借此传了下去。

工商银行北京市分行把百度搭子用到了客户经理走访企业上，访前、访中、访后三个环节都覆盖。访前，客户经理收集公开的行业信息、政策和财报，调用专业套件做出有来源依据的客户研究；访中，政策和产品要点随问随查、标明出处，沟通要点整理成会议纪要，客户诉求同步转成待办清单；访后当天，需求被整理成方案初稿，再由同事复核把关。该行把这套做法沉淀为Skill，在授权范围内供团队复用，个人经验就这样变成团队共享的能力。下一步，该行计划把它嵌入行内系统，数据安全和授权管理同步落实。

这些案例的共同点是，从高价值任务闭环中，逐步长出任务网络、知识资产和进化机制。

AI转型的最后一公里在组织

回头看，百度对AI价值的思考不是一次跳跃，而是一条连续递进的链路。

2025年百度世界提出“内化AI能力”，回答的是AI怎么从外部工具变成企业原生能力；2026年Create大会提出“自我进化”“超级组织”“人与智能体混合编队”，并用DAA（日活智能体数）衡量AI价值，回答的是组织如何从个人提效走向人机协同、从Token消耗走向任务结果；到2026年百度世界，焦点落在“智能组织”，问题被推到组织层：AI的上游是能源、算力、模型，下游是组织能力。只换电机不换厂房，产能不会自己冒出来。

这条链路背后，是一个越来越清晰的行业判断：AI转型的最后一公里，不在模型里，而在组织里。

百度拿自己数万人规模的组织当了试验场。数字人团队全员Builder，FDE从业务一线长出来，dodo、百度一见、Aether（以太）自动驾驶感知数据、Apollo开源团队这些内部案例摆在一起，指向的其实是同一件事：新厂房不是画出来的，是在一个个任务闭环里长出来的。南方电网、工商银行、销售易等产业案例也说明，智能组织已经走进真实业务流。不过百度样本只是起点。智能组织能不能成为行业公共词条，说到底不看概念，要看更多企业的实践怎么验证。

更直接一点讲，AI转型的下一程，不是再接一个模型、再买一个Agent。要看的是：高价值任务有没有形成闭环？隐性知识有没有沉淀成可复用的Skill、知识库和工作流？组织有没有可衡量、可反馈、可迭代的Looping机制？这三个问题答不上来，AI投入大概率还停在“个人提效”，很难变成“组织增效”。