李彦宏：AI是新电机，智能组织才是新厂房

假如某天有个数字人跑来问：“我能不能做CEO？”你会怎么接这话？

这可不是凭空设想——2026年百度世界大会上，这一幕真真切切地上演了。

百度一镜生成了一段数字人采访视频。视频里，面对这个带点挑衅意味的问题，李彦宏答得很干脆：不能。

这个答案有点让人意外。毕竟这几年，AI已经扎进代码开发、文案创作、客户服务等各个角落，过去得靠专业人员干的活儿，如今越来越多能交给AI。

可现实问题也跟着冒出来：AI让员工越来越能干，企业整体的经营效率和利润，怎么就没见同步往上走？

说到底，问题或许不在AI能干什么，而在企业怎么把这些能力组织起来，以及哪些事仍然得由人拍板。

今年的百度世界大会上，李彦宏想回应的正是这个问题。

十年前，他把人工智能比作新的电能，认定AI会是下一轮产业变革的重要力量。那之后，从强调AI能力内化，到提出个人与组织的自我进化，再到今年把目光投向“智能组织”，李彦宏对AI生产力的思考其实有一条清晰的脉络：技术能力不断突破之后，究竟是什么因素决定了它能不能真正创造价值？

这回他换了个更有组织意味的比喻：AI是新电机，智能组织是新厂房。电机换了，厂房却没重新设计，再先进的机器也难把生产力充分释放出来。

过去十年，AI产业的核心任务是造出足够强大的“新电机”；接下来，“新厂房”到底该怎么盖，成了企业要面对的新问题。

01

企业AI转型，正在遭遇一场“效率悖论”

打工业时代起，企业靠专业分工获得规模化生产能力。每人负责一部分工作，再通过部门和管理流程完成协作。这套体系在人类劳动占主体的年代十分有效，可当AI开始承担越来越多的专业任务，原来的工作分配机制就可能冒出新的摩擦。

麦肯锡今年8月发布的全球AI调查很能说明问题：80%的受访者表示AI提高了个人生产率，但只有37%表示AI对企业息税前利润产生了正面影响。

个人提效和组织增益之间，裂开了一道大口子。

道理不复杂。一项原本要八小时完成的工作，AI可能一小时就干完了，但后续审批、沟通和交付仍要两天，企业最终拿到的效率提升，远没有单个环节看起来那么显著。

换句话说，一个项目里真正“做事”的时间只占三成，剩下七成在等待、对齐、走流程，那把执行效率拉到无限高，整体周期也只能缩短三成。

所以在AI时代，一部分专业能力可以随时调用之后，怎么减少任务交接、信息损耗和决策摩擦，可能比单纯让员工干得更快更要紧。

再往深一层看，个人效率并不天然等于组织能力。

一个销售能借AI快速研究客户、分析需求、制定方案，可这些判断要是仍留在个人的聊天记录里，别的销售调不到，企业也没法在下一次业务中复用，那AI创造的价值很大程度上还是停在个人身上。

研发、设计、运营等岗位也一样。一个员工能熟练调用AI完成复杂任务，不代表他的经验已经变成整个团队能持续使用的能力。

企业花钱引入AI，可能先培养出一批“超级员工”，却未必因此拥有一家“超级公司”。

也正因如此，企业衡量AI转型的标准，不能只看员工用了多少次工具、消耗了多少Token，或者某项任务省了多少时间。更该关注的是：工作流程有没有真正缩短，个人经验能不能转化为团队资产，这些变化又能否持续改善经营结果。

微软《2026年工作趋势指数》给这种状况起了个名字——“企业AI转型悖论”：一边是员工拿AI提效，另一边业务流程、协作方式连同评价机制还照着老样子走，组织层面几乎没动。BCG的说法更直接：该按AI的样子重做一家公司，而不是把AI塞进原来的公司里。

所以说，

02

从生产到组织，企业的护城河正在改写

微软2026年《工作趋势指数》显示，受访者中个人AI能力强、所在组织也给予足够支持的仅占19%；另有10%的人个人AI水平不低，但组织层面没有跟上。

这个结果其实有点反常识。以往是企业催着员工学新技术，现在倒过来了，员工先跑一步，公司成了要补课的那一方。

不过企业该盯的，已经不只是AI替人干了多少活，而是现有工作方式还有没有重新设计的余地。

李彦宏对AI生产力的判断，也沿着这条线往下走。

2025年百度世界，他强调把AI内化为企业原生能力；2026年Create大会，他提出人与智能体组成混合编队、推动组织自我进化；这次百度世界，他又提出“智能组织”。思路一步步往里走：先让AI进业务，再让人和AI重新协作，最后让组织自身具备持续进化的本事。

这种连贯的判断，背后是对生产力瓶颈变化的观察。技术不再是唯一卡点，企业就得回头看看自己的组织方式。重构正在三个层面同时展开。

头一个受冲击的，是传统岗位的边界。

以前一个产品从需求提出到上线，产品经理、设计师、工程师、测试人员要一个接一个接力。智能体参与进来后，部分任务可以围绕目标重新拼装，一名员工借助不同Agent，就能担起一部分跨岗位的活。

专业岗位当然不会就此消失，复杂业务还得靠专业判断，关键决策也离不开人来负责。变的是组织的基本逻辑：过去先划岗位再分任务，以后可以先定任务，再决定由谁、由哪些智能体一起完成。

岗位不再是能力的固定边界，任务反倒可能成为组织资源重新组合的起点。

第二个变化，企业核心资产正从“掌握知识的人”转向“可沉淀的组织知识”。

很多企业长期有个共同的烦恼：最值钱的知识不在制度和文档里，而在少数资深员工脑子里。所以核心员工一走，丢的不只是一个岗位的劳动力，还有多年攒下的业务判断和隐性知识。

大模型把知识获取的门槛降了下来，但通用知识不等于企业自己的竞争力。真正能形成壁垒的，是企业在具体业务里积累的独特经验，以及把这些经验变成可复用能力的机制。

南方电网与百度搭子的合作就是个例子。过去高度依赖资深专家判断的电力故障分析，现在借助历史故障数据、线路信息和专家经验，正转化为可调用、可验证的专业分析能力。

这件事更值得看的，不是某一次故障分析省了多少时间，而是原先攥在少数人手里的经验，开始有机会变成整个组织能持续使用的能力。

最后一点，企业的成长方式正从“阶段性改革”转向“持续性进化”。

传统企业的能力升级，多靠招聘、培训、制度调整和管理改革。一个成功项目攒下的经验，下一个团队能不能借鉴，很大程度上看人愿不愿意主动总结和传递。

AI进入业务执行过程后，任务本身就有机会成为组织学习的来源。李彦宏这次提出的“可衡量＋Looping＝持续进化”，就是想建立这样一套机制：任务执行、效果评估、反馈优化连成闭环，组织能力不再完全靠周期性的管理改革，而是在日常经营里持续积累。

当然，这不等于企业部署足够多的Agent就能自动完成进化。重新设计任务怎么流转、知识怎么积累、结果怎么反馈，让每一次有效工作都可能成为下一次工作的基础，这才是“新厂房”区别于传统企业的地方。

这三个层面的变化，也对应李彦宏此次提出的“组织进化三原则”：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。三条原则的关键，是让企业获得一种过去很难建立的能力：不依赖某个员工的个人发挥，也能不断积累和改进自己的工作方法。

坦白讲，模型能力越来越容易获得，技术本身未必能持续拉开企业之间的差距。但企业长期沉淀的业务知识、组织协作机制，以及不断从经营反馈中改进自身的能力，很难靠采购一套AI工具直接复制。智能组织因此不只是一个讲效率的新概念，更可能成为企业构建长期竞争优势的新路径。

03

公司的下一次进化，已经有了样本

智能组织这个词，多数企业听着还像是未来的事。可有些公司内部，围绕AI做的组织调整已经从纸面挪到了实际动作上。

海外市场传出的信号已经很明确了。

Anthropic 今年 9 月给出的数字是，内部日活研发 Agent 已有 3 万个；到了 10 月，该公司又公布，员工拿 Agent 干活的时间达到人类的 6 倍，一些岗位的职能也随之变了。Agent 一旦深嵌研发流程，组织里最小的作业单元就不再是单个人，而成了“人+Agent 编队”。

微软这边同样在动。CEO 纳德拉抛出“双资本论”，意思是企业得同时攒下人力资本和 Token 资本，把知识、经验、业务流程沉成能持续用的 AI 能力。落地层面，微软内部用 Agent 365 统一管着超过 50 万个 Agent，还拉起一支约 6000 人的前沿部署工程团队，直接扎进客户企业里，帮对方重做业务流程。

把视线拉回国内，百度自己就是个可以拿来观察的样本。

百度数字人创新业务部里，产品、研发、设计、测试这些岗位的老边界正被拆掉。团队推着成员往 Builder 转，靠 AI 把从读懂需求到交付产品的整条任务链走得更完整。

百度披露的内部实践数据显示，光是 2026 年第三季度，这个团队就完成了 564 次产研迭代，攒下 130 个 Skills 和 729 篇组织资产，产研人均吞吐提升 125.3%，交付周期缩短 28.8%。

有个细节挺能说明问题：一名校招新人借 AI 出手，一天就交付了过去要五个角色配合、起码十天才能做完的需求。

这类变化也开始落到百度面向企业的产品上。

比如这次大会上很抓眼球的百度一镜。它不光能生成逼真数字人，能力还伸到了实时互动、短漫剧创作，以及从品牌营销到客户服务的业务场景。AI 大脑加上多智能体协作，以往得编剧、导演、制作等角色一起上的内容生产流程，现在更多执行环节可以由 AI 接手。

有意思的是，技术越往真人靠，人的独特价值反倒越有讨论空间。

百度一镜数字人采访李彦宏的片段里，AI 的形象和表达已经接近真人，可模拟人的表达，不等于能替人做出所有判断。

这正好点出智能组织更深一层的变化：执行工作越来越多交给 AI，人就能把精力挪到目标设定、创造性决策，以及人与人之间的情感连接和信任建立上。

还有一点值得留意，企业大规模用上 AI 之后，模型能力要回答的不只是强不强，还有能不能稳定、可信地调用。

百度这次推出的词元所，想用模型服务验真和质量监测，让企业更省事地拿到可信的模型资源。据百度透露，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 万次，日均调用 Token 超过 7000 亿。

这组数字真正该看的不是规模，而是它说明模型交易正从企业私下对接，变成一个独立的产业环节——规则提供者也就从这个环节里拿到了公共品的属性。

说到底，智能组织不是机器简单替人，而是人与 AI 重新分工。技术把人的能力边界撑大了，可组织往哪走、为什么做、最后创造什么价值，拍板的还是人。

回过头看，百度过去十余年的 AI 布局，正慢慢连成一条清楚的产业脉络。

昆仑芯在 AI 算力上持续突破，萝卜快跑把自动驾驶开进越来越多城市的真实道路，百度早年在底层技术和前沿应用上的投入，已经开始变成实打实的产业成果。

这背后是一家科技企业对技术方向的长期判断，也是百度在 AI 上坚持长期主义的价值所在。

科技产业从来不缺追风口的人，难得的是在技术还没成共识时先落子，在行业变来变去时继续投，最后让技术走出实验室，进到真实的产业和商业场景里。

不过也得清楚，生产力进步不意味着人的价值被一路压扁。就像大会上那场数字人与李彦宏的对话，AI 能模仿人的表达，能扛越来越复杂的任务，却替代不了人的创造力、判断力，还有人与人之间的信任。

把 AI 比作新电机、把智能组织比作新厂房，这个新厂房能产出多少价值，机器有多聪明只是一头，另一头要看人能不能靠 AI 顶破原有的能力上限。往后最有竞争力的智能组织，可能恰恰是最能把人的价值放出来的公司，而不是最不需要人的公司。