11月12日，百度世界2026现场，百度创始人李彦宏给出了贯穿整场大会的核心判断：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。

他直言，眼下AI并没有带来预期的经济效益，根子在于不少企业只把电机换了，工厂本身却还没重新设计。

大模型、智能体这两年快速渗透进企业各个环节，办公提效、业务辅助都有它们的身影，AI从「尝鲜」变成了很多企业的「标配」。可工具部署得差不多了，更核心的矛盾冒了出来：AI投入在涨、Token消耗在涨，企业利润却没跟着涨。

相似的困境不少企业都碰上了：员工个人效率上去了，单点试点也跑通了，组织整体的运转方式却没什么实质变化。

李彦宏的比喻是，旧工厂装上新电机，生产线和厂房格局没动，生产力当然释放不出来。

十年前，他就是在同一个场合提出「AI是新电能」，判断移动互联网之后下一幕是人工智能；如今他把「下一幕」落到智能组织上，呼吁企业为AI时代重建「新厂房」，又一次把行业目光推向更远处。

当天主论坛上，百度晒出了「芯云模体」全栈AI布局的最新进展。

模型层面的动作尤其密集：百度发布大模型交易平台词元所。好模型和模型提供商在这里汇聚，企业乃至个人都能方便地找到、购买、使用可信的模型Token。上线一个月，词元所已入驻供应资源超100个，日均调用次数突破5000万，日均调用token超7000亿。

百度智能云正式发布词元所 | 图片来源：百度

百度最新基础模型文心5.5 Flash Preview也正式亮相，支持最长100万Token的上下文，在复杂编程、知识工作、3D建模、视频创作等场景表现突出。两款应用模型——文心闪电模型和文心一镜微表情大模型同日上线百度智能云千帆平台，可通过API接入。

一、从技术到应用，AI行业走到了新的关口

这个判断不是凭空冒出来的，它既来自过去十年AI产业的演进路径，也来自百度长期的技术投入和组织实践。

十年前百度世界大会的舞台上，移动互联网还在流量红利高点，全行业都在抢移动端入口，李彦宏已经提出「AI is the New Electricity」，直言移动互联网之后的下一幕是人工智能。

那年头，放着火热的移动赛道不追、all in AI，在很多人眼里更像一次没把握的押注。后来的产业走向，一步步印证了这个判断。

2017年，李彦宏坐无人车上了北京五环，一张罚单成了中国自动驾驶从实验室开上真实道路的标志性注脚。当时舆论争议不小，他的回应是「如果无人驾驶的罚单已经来了，无人驾驶汽车的量产还会远吗」。几乎同一时间，谷歌Waymo在美国凤凰城启动无人驾驶乘客测试，中美科技企业同步按下自动驾驶商业化的启动键。

往底层技术纵深布局，百度同样比行业普遍认知更早。

2018年，百度发布中国第一款云端全功能AI芯片，那时大多数企业还在聚焦上层应用开发，它已向算力底层延伸。同年亚马逊AWS推出首款自研CPU，全球科技巨头不约而同把底层算力当成AI竞争的核心战场。十几年的持续投入，让百度攒下了从芯片到应用的全栈能力，后续模型、智能体的落地也就有了根基。

对生成式AI浪潮的预判也是同样的路数。

2022年百度世界上，文心大模型补全《富春山居图》的演示，提前预演了AIGC的内容生产潜力。李彦宏当时就判断，AIGC会成为继PGC、UGC之后全新的内容生产方式。仅四个月后ChatGPT引爆全球，2022年成为公认的AIGC元年。

2023年，国内厂商扎堆涌入「百模大战」，比拼的重点是参数规模。李彦宏当时给出判断：「没有应用，基础模型一文不值」，还主张「把所有产品都用大模型重做一遍」。差不多同一时间，微软拿出了Microsoft 365 Copilot，行业关注的重心随之从模型参数挪到了应用落地。

进入2024年，智能体逐步升温，成了行业里的热门方向。百度世界2024现场，五个智能体配合跑完报名系统演示，多智能体分工协作的雏形已经显现；李彦宏也抛出「智能体是AI应用的最主流形态」的说法。过了半年，Anthropic公开多智能体Research架构，全球由此被称作进入智能体元年。

到2026年Create大会，行业还在追捧Token消耗指标，李彦宏拿出了DAA（日活智能体数）这把新标尺：AI的价值不该看投入了多少Token，而要看完成了多少任务、交付了多少结果。随后Meta、亚马逊陆续撤下Token排行榜，Anthropic公布内部日活研发DAA达3万，行业价值标准正式从投入端转向产出端。

十年下来，AI从实验室里的前沿技术，变成了渗透企业各个环节的基础工具。「换电机」已是绝大多数企业的标配动作，新的瓶颈也随之显现。微软《2026年工作趋势指数年度报告》提到的「企业AI转型悖论」，BCG在欧洲企业中观察到的「试点成功但整体收益无提升」现象，说到底都是同一个问题：员工个人用AI提效了，单点试点也跑通了，业务流程、协作方式、考核机制却还停在过去，组织层面并没有本质变化。

这就是当前全行业共同的困境：单点工具提效，不会自动累加成组织整体的生产力；局部试点成功，也不等于完成了AI转型。过去十年，行业一起解决的是「AI能力有没有」；接下来十年，整个产业要回答的是「AI价值怎么充分释放」。

二、智能组织：AI 时代的新生产力载体

答案其实既不在模型参数堆得多高，也不在工具铺得多广，而在承载技术落地的那套组织本身。百度世界 2026 上，李彦宏把这个行业困惑的解法叫作智能组织。它不走部门拆分、架构微调的老路，而是一套贴着 AI 时代长出来的原生组织体系：任务怎么分配、知识怎么沉淀、流程怎么运转，都围绕 AI 能力做系统性重构，目标是让组织变成一个能持续自我进化的智能系统。

重构沿三条核心路径铺开。头一条是打破岗位边界，让组织运行的重心从固定岗位挪到具体任务上。工业时代的科层制靠清晰分工撑起规模化运转，可协作壁垒也跟着来了，跨角色对齐往往拖慢效率。到了 AI 时代，大量执行性工作交给智能体承接，人的价值更多落在判断和决策上，最小生产力单元也从一整支团队收缩成「一个人 + 一支智能体编队」。

百度内部已有不少实践验证这一点。数字人创新业务部拆掉产品、研发、设计、测试之间的传统岗位边界，推动全员向 Builder 转型，单个员工带上智能体就能跑完从需求分析到交付的全流程。2026 年第三季度，该团队完成 564 次产品迭代，沉淀 130 个可复用 Skill 与 729 篇组织资产，人均产出提升 125.3%，交付周期缩短 28.8%。

百度智能云长出的 FDE（前沿部署工程师）角色同样如此：销售、交付、产研三段接力的老模式被打破，一个人同时懂行业、能落地、会推产品，已在金融、能源、制造等行业落地 100 多个业务场景。很多时候卡住人的不是能力边界，而是岗位的边界；边界一破，组织活力就释放出来了。

第二条是沉淀隐性知识，把个人能力转成可复用的组织智能。企业的核心竞争力一向藏在资深员工的经验里，这些隐性知识不好传承，人一走能力就跟着流失，算得上组织最大的隐性损耗。智能组织要做的，就是让分散的个体经验显性化，攒成持续累积、全员可用的组织资产。

南方电网与百度合作的「天璇伙伴」就是个典型。广西电网每年发生八千多次永久性故障，过去人工研判单次要 60 分钟以上，高度依赖专家经验。借助百度搭子，团队把上万条历史故障数据、老师傅的研判经验沉淀成专业知识，串起故障记录、开关信号、线路拓扑形成完整证据链，研判准确率达 70% 以上，效率提升 12 倍。更关键的是系统能自主成长，每次实战经验都会反哺优化，老师傅的智慧不随人员流动流失，反而越积越厚。

第三条是设计流程闭环，让组织从固定流程走向持续进化。传统企业的业务流程由人预先设计，定下来就难调整，迭代成本高、响应也慢。智能组织的核心是 Looping 机制，李彦宏给出的公式很清晰：可衡量 + Looping = 持续进化。每次任务结果都会形成反馈，自动反哺下一次执行，组织便像生命体一样持续学习迭代。

百度搭子上线至今完成 160 多次自我迭代，走的正是这套逻辑——每一次用户反馈、每一个问题的解决，都会沉淀为系统能力，「今天解决的问题，就是明天拥有的能力」。升级至 3.0 的百度伐谋则把闭环搬进产业场景，围绕生产运营、经营策略等核心业务，搭起「问题定义 - 算法演化 - 结果验证 - 反馈优化」全链路，AI 不再只输出单次方案，而是围着业务目标持续优化。

三条路径继续走下去，智能组织会为企业撑出三块新的增长空间。第一块是轻资产运营：少数人加上智能体，就能把复杂任务接起来，人手不再是扩张的天花板。第二块是建起新的护城河：自家业务知识和流程经验沉到组织智能里，变成别人难以复制的差异化壁垒。第三块是开出新市场：创新不再只压在少数部门身上，整个组织同时去探，新需求更容易被撞见，新增长曲线也更容易长出来。

三、AI 的下半场，竞争从技术能力转向组织能力

李彦宏能持续给出领先行业的判断，根子上是观察视角不同。技术背景的创业者，又身处全球 AI 竞争一线，他看 AI 更在意技术怎么作用于产业、怎么改变经济运行效率。从「AI 是新电能」到「智能组织是新厂房」，是一条从生产力到生产关系的完整思考——AI 是全新的生产力，智能组织就是适配这种生产力的生产关系。行业忙着升级生产力、换更好的电机时，他先一步看到了生产关系的瓶颈。

这套理念也没停在理论层面。百度用「芯 - 云 - 模 - 体」四层全栈 AI 能力，为智能组织搭起了能落地的技术底座。

最底下那一层「芯」，是智能组织的算力根基。智能组织要真正转起来，就得扛住大规模、长周期的智能体并发，对算力的稳定性和性价比都卡得很严。百度自研 AI 芯片加上升级后的百舸 6.0 算力平台，把原来的算力平台改造成了 AI 时代的「智能工厂」：LoongForge 训练效率领先行业 1 倍，Agentic 模型强化学习训练效率提升 1 倍，天池超节点 2.0 吞吐性能提升 25%，主流模型推理效率提升 50%。天池超节点眼下已经走通全栈国产化路径，开放六大核心模块技术规范，在全国多地完成千柜级部署，还成功支撑了万亿参数大模型训练，给大规模智能体的长周期运行垫上了稳定、高性价比的算力底子。

再往上是「云」，它是智能组织跑起来的基座。智能组织的要害在 Looping 持续进化，长链路任务得稳稳跑完，上下文得一直存得下来，反馈得实时回流。新一代百度智能云服务的对象变了，不再只是人或单一工具，而是直接对着具体业务任务去，穿透企业的资源、IT 和经营系统。千帆 Agent Infra 就做了「词元工厂」和「驾驭工程」两块能力：前者提供 150 多款主流模型服务，推理速度较行业提升 25%；后者管着长上下文管理、持久记忆、子智能体调度等，任务成功率达 95%，还能省下 23% 的 Token 消耗。再加上词元所大模型交易平台的验真、征信能力，企业挑可靠模型资源的成本可以压得更低。

再往上的「模」，即大模型，决定了智能组织的能力边界，为全行业的智能体开发与组织智能化升级提供了更强的基础底座。

大模型行业眼下百花齐放，可开发者或企业真要上手用模型时，常碰到一个麻烦：模型越多，挑起来越难。同一款模型，价格有高有低，来路五花八门，质量也参差不齐。挑来挑去，就是不放心、不敢用。针对这一落地难题，百度宣布推出大模型服务平台词元所。

词元所相当于大模型的交易所，把好的模型和模型提供商聚到一起，企业和个人都能方便地找到、购买并使用可信的模型 Token。

在李彦宏看来，大模型产业正沿两条路径往前走：一条是向上突破，把智能上限推高；另一条是向实扎根，把产业价值释放出来。这两条路上，百度都在全力推进。他表示：「一方面，我们会持续投入，研发下一代更前沿的基础大模型。另一方面，我们会坚持「模体并行、协同进化」理念，让大模型为应用而优化。」

文心闪电模型和文心微表情大模型，都围绕智能组织场景做了定向升级。文心闪电模型面向智能体的执行与推理，在编程、逻辑推理、任务规划等核心能力上达到行业领先水平，长链路复杂任务完成得更稳定；文心一镜微表情大模型面向数字人、内容创作场景，多模态表现力大幅提升，生成成本降低 50%，支持分钟级视频生产。

希加加数字人采访李彦宏 | 图片来源：百度

基础模型方面，大会前夕百度开源了文心 5.5 Flash Base 基座模型；会议当天，文心 5.5 Flash 预览版正式发布并上线千帆平台，文心闪电模型与文心一镜微表情大模型也同步向合作伙伴开放。

最上层的「体」，则是智能组织落地的着力点。

企业协作有百度搭子，产业决策有百度伐谋，数字人交互有百度一镜，视觉巡检有百度一见，知识管理有库库 AI——这些不同领域的智能体产品能直接嵌进企业现有流程，企业不必从零搭建，就能快速启动组织智能化升级。

这套技术体系，百度早已在内部跑通验证。目前百度内部日均活跃智能体数、有效任务完成数都实现数倍增长，建成数千个工作空间，沉淀上万个组织 Skill。产研团队全员 Builder 转型，中后台流程自动化重构，整个百度本身就是一个持续进化的智能组织样本。这些内部经验又会通过产品输出给行业客户，形成实践、优化、落地的正向循环。

当 AI 技术的比拼从参数规模转向落地效果，企业竞争的下半场也自然从「比技术能力」转向「比组织能力」。未来能真正吃到 AI 红利的企业，将是完成了组织智能化重构的企业——把 AI 融入组织的每一条流程、每一个任务里。