智能组织，才是生产力真正落地的地方。

2025 年 11 月 30 日，离年底只剩一个月，Manus 联合创始人张涛站上清华大学的讲台，对台下同学说：要是还没试过 Agent 产品，年底之前一定得动手用一次。这样几十年后，他们就能跟孙辈夸一句：“我是在 Agent 元年就开始用 Agent 的人。”

到了 2026 年，Agent 浪潮扑向科技公司，员工之间掀起了一场 Token-maxxing 竞赛。

2026 年 4 月，Meta 一名员工做了个内部排行榜，叫 Claudeonomics，列出公司里 Token 消耗最多的 250 名员工。榜单显示，Meta 员工 30 天内合计用掉超过 60.2 万亿 Token，排第一的那位一个人就烧了 2810 亿，按 Claude Opus 的价格折算，成本超过 140 万美元。

Meta 把 AI 带来的实际影响列入员工当年的核心绩效要求，内部也在追踪 Token 使用量。结果一些员工让 Agent 长时间空转、成批跑任务，图的就是把排名刷上去。CTO 博斯沃思只好出面提醒：别为了用 AI 而用 AI，Token 消耗不等于实际产出。6 月，Meta 开始考虑给员工设 Token 预算和使用上限。

这场 Token 竞赛把一个疑问摆到了台面上：AI 能力越来越唾手可得，企业下一阶段的竞争优势究竟该从哪里来？过去二十年，每遇一轮技术变革，互联网公司都能找到一个相对明确的答案。

PC 时代，互联网公司抢的是门户和搜索入口；进入移动互联网时代，战场换成了超级 App、平台生态和流量分发。

2026 年初，阿里升级千问，用户能在聊天框里点外卖、订机票，阿里想借此把 AI 变成串起整个商业生态的新入口；字节、腾讯也在加码豆包、元宝等 AI 助手。之后战火烧到办公场景，腾讯、百度、阿里、字节相继推出 Agent 产品，都想成为员工调用 AI、完成工作的第一入口。

可这一轮和以往不同，答案至今没浮出水面。聊天框会变成下一代超级入口吗？办公 Agent 真能接管工作流吗？用户肯不肯掏钱，企业又能不能把 AI 投入转化为生产力，这些都还有待验证。

11 月 12 日，

与其盯着哪个模型更强、哪个产品能占住入口，不如把视线挪回企业内部：当 AI 开始参与工作、甚至把活揽过去，组织本身该怎么改？

AI 还看不出前景时，李彦宏已经开始造芯片

十年前，百度世界 2016 的台上，李彦宏讲了一个后来被证实的比喻：AI is the New Electricity。

那一年，人工智能圈最轰动的事是 AlphaGo 击败李世石。对多数普通人而言，AI 仍是个有点遥远的技术名词，能在生活里真切摸到的，大概是手机里的语音识别、人脸解锁，或者新闻里那些还不太灵光的机器人。

那时候把 AI 比作新电能，听着有些超前——毕竟电力曾改写了工厂、城市乃至整个工业社会。李彦宏的判断显得过于宏大，甚至有点像为抬高股价编出来的故事。

十年过去，这个比喻多了几分现实分量。全球科技公司正砸下超万亿美元建数据中心，抢 GPU、抢电力，只为让 AI 这套基础设施转起来。一位在百度工作多年的人士说：“Robin（李彦宏）在判断技术趋势这件事上，是有连贯性的。”

顺着这条线回看，百度过去十年的一些选择，就不只是单纯的技术布局了。

2017 年，李彦宏坐在一辆百度无人驾驶汽车的副驾驶座上，车驶过北京五环。视频上网后争议很快起来：无人车能不能上路，出了事故谁来担责，技术测试的边界又在哪？北京交警随后介入调查。几个月后，李彦宏在百度世界大会上又提起这段经历，带着点调侃反问：“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？”

真实道路才是技术最终的考场，园区和实验室关不住它。大约同一阶段，Waymo 在美国凤凰城推出了一项面向普通乘客的无人驾驶体验计划。无人驾驶由此告别技术演示阶段，转入真实道路上的长期测试。

更早的时候，李彦宏就意识到，AI 的竞争不只在算法层面，底层硬件同样关键。2011 年前后，百度围绕深度学习计算需求开始探索 FPGA 加速器，同期也用上了 GPU。

芯片若能针对自家业务做极致适配，模型和硬件就能配合得更好，算力成本也有望降下来。何况，公司还能搭起从芯片、框架、模型到应用的全栈能力。

基于这层考虑，百度决定自己造芯片。一切从一封邮件开始。

我们了解到，为支持自研芯片业务，李彦宏在一封邮件里直接给芯片团队批了 20 多个 HC。对一个刚起步、还没拿出成熟产品的团队来说，这份支持相当明确。

不过在当年，并不是所有人都信这件事。

在百度内部，昆仑芯一度被叫作“PPT 部门”。有人觉得这帮人只会讲故事，离真正把芯片做出来还差得远。对外招人也不轻松。不少应聘者心里打鼓：这行周期长、投入大，新搭起来的团队能不能撑住，得看公司是不是真打算长期砸钱。老板哪天兴致没了，前面这些功夫就白费了。

“Robin 给了我们很多支持。”一位早期昆仑芯成员说。

那份支持不止体现在最初那封邮件上。往后这些年，百度对昆仑芯的投入一直没断：研发上给资源，内部也帮着找业务场景，让芯片能在真实负载里跑一跑、验一验；同时推动外部客户合作，想把昆仑芯从内部的技术储备，做成能独立拿到市场上卖的产品。

到今天，昆仑芯已经算国内大厂自研 AI 芯片里很有代表性的一个。IDC 咨询的数据显示，2026 年上半年，昆仑芯出货量 8.5 万颗，在国产芯片厂商中排第四。据悉，国内某头部互联网大厂也买了相当数量的昆仑芯。

李彦宏在大会上还讲了昆仑芯接下来的产品节奏。M100 已经如期上市，M300 明年推出。到 2028 年，基于全新 N 架构的多颗芯片也会推向市场。

再往后走，AI 等来了一个真正关键的转折点。2022 年 11 月，ChatGPT 发布。

接下来几年，AI 的进步几乎没给行业留什么喘气的空档。GPT-4 把大模型的能力推到更复杂的推理和多模态任务上；Claude 开始处理长文档、写代码，慢慢进到企业工作流里；DeepSeek-R1 则让推理模型和测试时计算成了行业盯着的焦点。

能力边界每扩一次，AI 就离“供人使用的工具”远一步，离“能参与生产的角色”近一步。

2026 年，李彦宏提出 DAA（日活智能体数）。他的看法是，Token 衡量的是成本，不是价值；真正该盯的，是有多少智能体每天在干活、完成任务、交出结果。几个月后，Anthropic 披露，在其内部最常用的研究与工程平台上，任何时刻大约有 3 万个 Agent 在执行任务。两组数据说的是同一件事：Agent 正在变成能大规模参与工作的生产单元。

回头看李彦宏过去十年的判断，有意思的地方是，他盯的从来不只是某一代技术有多强，而是技术下一步会进到哪里、什么才是最重要的。如今 Agent 开始接手具体工作，他抛出的下一个问题是：企业该怎么组织这些新的生产力？

Agent 进了公司，组织就得重新设计

亚马逊创始人贝佐斯提过一个有名的“两块披萨团队”理念：一个团队要小到两块披萨就能让所有人吃饱。互联网时代，企业靠缩小团队规模、砍掉管理层级、把决策权往下放，来压低沟通成本，让组织跑得更快。

现在 AI 带来了一个新变量：组织里头一回出现了不占岗位、却能承担具体工作的参与者——Agent。

黄仁勋讲过五层蛋糕，从能源、芯片、基础设施、模型一路延伸到应用，强调 AI 最终得在应用层创造经济价值。李彦宏看的是应用之后那一段：AI 真进了企业、开始承担具体工作，企业要有怎样的组织，才能把它的价值放出来？能源决定 AI 能生产多少智能，组织能力决定这些智能能不能变成真正的生产力。

智能组织头一件事，是打破岗位边界，从围着岗位转改成围着任务转。

以前一个产品需求从提出到交付，产品经理、设计师、工程师、测试等岗位得一路过手。每人管一段，信息在部门和岗位之间来回传，最后靠人把各环节拼起来。现在一个人可以同时调动多个 Agent，让它们分别去干这些角色的活。

百度数字人团队就在试这种变化。团队基于自研的 BiuBiuAgent，开始打破岗位之间的边界，让员工借助 Agent 独立完成更多环节，目前已有 6 个以上需求做到单人端到端交付。

不过，一个人能调动 Agent 干更多活，不等于这家企业就成了智能组织。更难的考题是：一个员工攒下来的经验，能不能留在组织里，而不是他一走、一转岗、一换项目就没了？

这就牵出智能组织的第二个变化：从个人能力转向可沉淀、可复用的组织智能。

企业里很多真正值钱的知识，藏在员工的经验里。老师傅知道哪种故障值得警惕，工艺专家知道机械臂怎么安排才能少等待、少碰撞，资深销售知道客户在什么情况下更可能成交。AI 给这些散在员工脑子里的经验，提供了新的沉淀办法。

一支广告片过去要靠创意、策划、导演和演员接力做完。在百度一镜与可口可乐的合作里，这些环节被重新搭了一遍：AI 大脑先规划剧本、设计分镜，再由数字演员完成表演，连过去很难生成的细微表情也能还原，广告片和短漫剧的制作周期大幅缩短。

数字人算是组织进化的一个典型，能无缝接住组织沉淀下来的知识、经验和创造力。据悉，百度一镜目前已累计合作商家超过 10 万家，覆盖 30 多个行业，生成数字人内容超过 50 万份。

第三个变化，是组织靠反馈不断调整自己的干活方式。

以前企业的流程大多是管理者和业务专家定下来的：先规定怎么做，再要求员工照着执行。流程一改，就得重新开会、协调部门、更新制度。AI 进了业务之后，任务能被持续记录和衡量，执行结果也能反过来修正下一次任务。李彦宏把这种机制概括为“可衡量+Looping”：先明确任务目标和评价标准，再让执行、反馈、优化进入下一轮循环。

这跟传统企业搞数字化转型不是一回事。不是把审批、协作流程简单搬上线就完了，而是把任务、知识、反馈三者的关系重新设计一遍。按李彦宏的设想，未来的公司会变成高度自动化的运营组织，由无数个 Loops 拼起来。

前提是技术基座得够硬。

沈抖（百度集团执行副总裁、百度智能云事业群总裁）指出：“AI 云得打通企业的底层资源系统、IT 系统，乃至经营系统。以前云提供的主要是算力、存储和软件服务，服务对象以人和应用为主；Agent 一旦接手任务，基础设施就要能支撑它去连接企业数据、调用业务系统，并且在更长时间里持续把任务执行下去。”

百度把这套能力拆成两层。底下是百舸 AI Infra，负责算力；上面是千帆 Agent Infra，提供模型服务和智能体运行环境。整个平台的作用，是让任务不光能启动，还能一直跑下去、走完闭环，成为智能组织的技术基座。

AI 能干的事越来越多，但替代不了人

AI 进了企业业务之后，难题就不只是挑一个合适的模型了。模型真不真、能力达不达标、服务稳不稳定，都得判断。

以前企业买软件，确认供应商和产品功能基本就够了。模型市场不一样，变化太快，新模型层出不穷，服务商也越来越多。名字、参数、宣传指标，未必对得上实际调用时的表现。选错了，丢的不只是一笔采购费，后面整条业务流程都可能被拖累。

百度推出词元所，想解决的就是这件事。它没有把模型简单堆进一个目录，而是给模型供给配了一套验真和征信机制：供应商入驻前要过资质核验和资源准入测试，上架后的模型服务会定期抽检，实际调用质量也被持续监测，最后形成公开可查的信用档案。

这样一来，企业每次采购模型，不用再从零开始跟供应商谈判、测试、验证。模型服务的真实性和质量，慢慢能变成一套可复用、可比较的记录。试运营一个月，词元所已入驻超过 100 个供应资源，日均调用次数突破 5000 万次，日均调用 Token 超过 7000 亿次。

模型的能力和服务质量逐渐可信之后，AI 就有机会接手更多真实工作。但能力边界往外扩，不等于人的作用会跟着消失。机器越来越像人一样执行任务、提供服务，反倒引出一个更值得想的问题：哪些事能交给 AI，哪些事还得人来干？

百度世界 2026 现场放了一段特别的采访。坐在李彦宏对面的采访者不是真人，是百度一镜生成的数字人。它用人形象和人的方式跟李彦宏对话。问题转到 AI 时代人的位置时，李彦宏的答案是：人的价值仍然不可替代。

从技术能力到真正创造价值，中间隔着很长的距离。算力基础设施要撑住，不同技术和产业环节要协同，人还得根据真实场景做判断。百度过去十多年在芯片和自动驾驶上的投入，也因此多了一层意义。

百度世界 2026 展示的 1024 卡天池超节点 2.0，把这种协作推到了更底层的基础设施上。全栈国产化方案，从核心部件、液冷系统到整机架构和高速互联，整套系统打通。目前天池超节点已在全国多地智算中心完成千柜级规模部署，支撑万亿参数大模型训练。

自动驾驶那边也有类似的变化。据悉，萝卜快跑正与神州租车合作，把传统租车服务和无人驾驶结合起来，在海南探索无人驾驶自驾游。这项服务已经运营一年。

模型和机器能承担的任务越来越多，可技术怎么组合、产品怎么设计、服务怎么回应人的需求，判断还得人来做。AI 能不断拓宽能力边界，却决定不了这些能力该拿去干什么。

说回智能组织。AI 能接的任务越来越多，也能把一个人的能力放大，甚至让一个人带着一组智能体，干完过去一个团队才能干完的活。但这不代表人可以从组织里退场。执行越来越多交给 AI，人反而更要去定什么值得做、目标怎么设、结果是不是真有价值，以及关键时刻谁来担责。

过去十年，AI 作为新基础设施的判断逐渐成为共识。下一个十年，企业能不能围绕 AI 重新组织人、知识和流程，让技术真正变成生产力，还得靠更多实践来回答。

题图来源：《星际穿越》