李彦宏抛出智能组织命题：AI投入为何没换来增长

AI芯片、大模型、AI应用，这届百度世界大会都摆了出来，李彦宏偏偏挑了个“不性感”的话题来讲——智能组织。

过去两年，企业几乎都在干同一件事：把AI塞到员工手里。方案写得快了，报表出得也快了，可翻翻公司账本，增长就是不见影子。

员工越来越快，公司还是老样子。这个落差，成了全球企业绕不开的一道题。

11月12日，百度世界大会2026在北京国家会议中心二期开幕。百度创始人李彦宏在演讲里把原因说得很直白：“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”。

跟模型、芯片、应用的发布比起来，这个话题显得太朴素了。岗位怎么分工，知识怎么共享，流程怎么调，听着像在上一堂管理学课。

可对百度以及所有AI企业来说，这是一个必须认认真真讲清楚的AI故事：砸下去的海量AI投入，换回来的到底是企业未来虚无缥缈的“鬼故事”，还是确定赢在AI时代的好故事。

百度是个典型样本。它一直在投芯片、云、模型和智能体，客户最后买到的不能只是一项新技术。AI进了公司以后，产品能不能交付得更快，服务能不能做得更好，成本能不能压下来，这些决定了企业还愿意继续掏多少钱。

智能组织就是李彦宏给当下AI行业开的方子：人工智能是新电能，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儿。

个人高效，组织低效

企业做AI转型，容易犯一种误判：让员工把AI用起来，Token消耗一再刷新纪录，就认定公司AI转型形势大好。可这些成果越是集中在个人和单个岗位上，越可能把流程没变这件事盖住。

真正难动的是部门之间的权责和利益，靠员工自发很难完成。局部试点成了，管理者要是就此停手，结果可能是每个人都被催得更忙、跑得更快，公司却没看出什么变化。

这也就解释了AI组织转型里的那道落差：个人提效和组织增效，从来就是两码事。

微软《2026年工作趋势指数年度报告》讲的是同一种现象，还给它起了个名字叫企业AI转型悖论——员工已经用AI提升个人效率，业务流程和评价机制却还停在过去，组织没怎么变。

BCG也发过一篇文章，标题就很直白：《为AI重新设计公司，而不是让AI适应公司》。研究里有一家欧洲能源企业，部署了大量AI试点却没拿到整体收益，后来转向重构端到端客户流程，才有了实质性改善。

落差的根子，藏在公司的出厂设置里：现代公司的组织形态，本来就是为清一色的人类员工队伍设计的。

世界上第一张组织结构图出自一家铁路公司。1855年，纽约与伊利铁路公司画出一张外形像树的图，分支上标着各职能部门和人员分工，职责划分加分级管理，撑起了工业时代的规模，韦伯后来把这套体系总结成科层制理论。它管住了规模，代价是僵化。

到了互联网时代，贝佐斯提出两块披萨团队——规模小到两块披萨能喂饱，决策权往下放，层级往低压。可不管层级怎么压，一百多年来组织的参与者始终只有一种：人。

AI把这个前提打破了。

组织里第一次冒出了没编制、照样能出活的成员。流程和岗位那套东西，原本是照着纯人类团队搭的，如今就像新电机响起来时旁边那间一直没动过的老厂房。个人效率是在旧流程的空当里往上走的，可空当里攒下的效率，并不会自己变成组织的生产力。

百度选在这个时候讨论智能组织，就是把问题推到了这一层：员工已经拿到了新的工作能力，公司打算怎么用这些能力？

百度的回答

AI芯片、大模型、智能体，花钱都买得到，智能组织能力却得企业自己长出来。著名科幻作家威廉·吉布森有句流传很广的名言，“未来已来，只是分布不均”，说的正是眼下。

同一个模型可以卖给同行业的不同公司，可它进了企业之后，能调用哪些数据、按什么规则作判断、结果由谁负责，各家条件并不一样。企业多年攒下的经验能不能被AI用起来，比采购时挑中哪款模型更吃长期经营。

讨论智能组织的意义，也就在这里。

时间回到2016年的百度世界大会，那届主题是AI is the New Electricity，李彦宏当时就提出AI是新的电力，并判断移动互联网之后的下一幕是人工智能。

十年过去，AI早已成了共识。可企业眼下追问的是另一件事：投入不小，增长为什么没跟上。李彦宏给出的答案落在组织上——AI的上游是能源，下游是组织能力。

2026百度世界大会上，李彦宏把智能组织拆成三条原则：打破岗位边界，释放组织活力；沉淀隐性知识，构建组织智能；设计流程闭环，推动组织进化。说白了，这三条分别对应活怎么分、经验怎么存、结果怎么改。

先说分工。过去组织围着岗位转，AI时代要改成围着任务转，人怎么配，得看交付结果来定。专业岗位依然要把关，但哪些活必须交给专人，哪些能让业务人员带着智能体干完，不必照搬老一套划分。

再说知识。百度的说法是，组织智能要真正做到，就得把知识显性化，放到公司平台上，能不断累积、随时取用、谁都能用。

“沉淀隐性知识”针对的，大多是那些不好传的经验。把判断依据、处理过程、实际结果整理出来，智能体能调用，别的员工也能复用。企业攒下的应该是做成一件事的办法，光存历次文档不够。

最后一条，智能组织得是能自主进化的智能系统。怎么进化？李彦宏给了个公式——可衡量+Looping=持续进化。

任务干完要验结果，按反馈改方法，再投到下一次。这里面最难的，通常是定清楚什么算干得好。

按他的设想，将来的公司会是由无数Loops拼起来的高度自动化运营组织，一个组织最终就变成一个不断学习、不断进化的系统。

三条原则看下来，百度是想把企业对AI的用法推进到日常管理里。配套的是芯片、云、模型和智能体这套布局：模型管理解和推理，云平台撑任务运行，智能体接工具和业务系统，组织给出目标、知识和权限。

芯云模体四层，百度全部自研。自家芯片跑自家云，云上跑自家模型，模型再长出智能体应用。几层互相加强、循环优化，整个架构本身就是一个Looping。

第一批智能组织的探索

目前智能组织最完整的样本之一，就是百度自己，使用规模和深度已经同时显现。

会上披露的数据是：过去一年，内部日活智能体从0.5万涨到3.7万；每周有效任务完成数从8.4万增到超过100万；组织Skill累计沉淀超2万个，Workspace建了4300个。

具体例子是dodo。这个AI助手出自百度内部一个十来人的小团队，上线7个月覆盖99%的正式员工，推动300多个企业平台完成AI友好化改造，今年拿下百度最高奖和百万美金奖励。

百度数字人创新业务部又是另一种情形：产品、研发、设计、测试之间的固定分工被整体打破，全员转向Builder，仅Q3就完成564次产研迭代，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%。

百度内部为什么最先出现这种变化？认知之外，芯片、云、模型、智能体的全栈布局是关键原因。

百度集团执行副总裁、百度智能云事业群沈抖提到，新的AI云会前所未有地穿透企业的底层资源系统、IT系统，甚至经营系统。原因在于，这套基础设施服务的对象不再只是人、工具、流程中的某一个，而是它们共同构成的一个个任务。

同时，智能体把企业任务内化，推着智能组织往前走。AI不再是单独摆着的可选工具，而是被重构进业务流和任务的loop里，企业经营效率才真能提上去。面向智能体、支撑大规模智能体负载的AI云基础设施，需要新的一套。底层百舸AI Infra提供更强、性价比更高的算力；上层千帆Agent Infra提供智能体规模化运行的环境和模型服务。两层合起来，大规模、长周期的任务才能真跑完一个闭环。

沈抖表示：“未来智能组织这件事，没有哪家企业能单枪匹马做成。我们想把基础设施打扎实，让各行各业的智能组织都能在云上扎根、壮大。”

另外，百度还推出了大模型交易平台词元所，这个动作挺有意思。

词元所要答的不是“哪里能买到模型”，而是“买到的模型是不是它自称的那个模型”。模型供给每天以数款的速度往上加，选择成本就落到了采购方头上——企业缺的是能复用的准入规则和持续监测机制，不是再一个模型目录。

这事和智能组织的关联在于：AI一旦进了日常业务，服务质量就得持续判断，采购时测一次不够。模型身份、响应速度、可用性能查得着，任务出了岔子才好找原因。词元所给的是模型供应端的判断依据；这些投入最后能挣回多少，还得回企业自己的业务结果里算。

平台主打“验真”和“征信”两项能力，靠模型指纹比对、能力测试、性能与可用性测试等技术核验资源，再用定期抽检拨测、全链路实时监测调用等办法，给模型提供商建信用评级，向客户提供中立可信、公开透明的模型交易服务。试运营一个月，入驻供应资源已超100个，日均调用次数突破5000万，日均调用Token超7000亿。

有了芯片、云、模型、智能体这套完整技术栈，智能组织的形态也在往百度外面走。南方电网就是个够硬的样本：百度搭子落地南方电网总调，成为天璇伙伴，服务南方五省两亿多人的用电保障。

拿配电网故障研判来说。广西电网2025年永久性故障发生8215次，以往靠人工研判，一次要花60分钟以上，还得看专家经验，误判并不少见。

南方总调与百度基于百度搭子合作搭起天璇伙伴：它学过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知识；故障记录、开关信号、线路拓扑被串成一条完整证据链，从故障到分析的研判由此闭环。准确率做到70%以上，故障分析效率提升12倍，目前已在广西14个地市和112个县全面推广。

百度搭子的生态合作伙伴已超过160家，接入生态能力1800多项，覆盖30多个专业领域。对更多企业来说，接进智能组织，比自建一套能力门槛低得多。

组织形态的更替从来是慢变量。科层制从韦伯的理论变成全球公司的默认设置，用了半个世纪。智能组织改造企业形态会有多快，或许就是AI兑现价值时间线的标准答案。