李彦宏谈AI生产力：新电机要有新厂房，组织效率成关键

假如某天一个数字人走到你面前问：“我能不能当CEO？”你打算怎么接话？

这并非凭空设想，2026年百度世界大会上就真出现了这样一幕。

百度一镜生成的一段数字人采访视频里，面对这个带点挑衅意味的问题，李彦宏答得很干脆：不能。

这个答案有点出乎意料。过去几年，AI已经扎进代码开发、文案创作、客户服务等环节，不少原先得靠专业人员干的活，现在都能交给AI。

可随之而来的是一个现实疑问：AI让员工越来越能打，企业整体的经营效率和利润，怎么未必跟着涨？

说到底，问题可能不在AI能干什么，而在企业怎么把这些能力组织起来，以及哪些事仍旧得由人拍板。

今年百度世界大会上，李彦宏想回应的正是这件事。

十年前，他把人工智能比作新的电能，判断AI会是下一轮产业变革的重要力量。那以后，从强调AI能力内化，到提出个人与组织的自我进化，再到今年把目光落到“智能组织”，李彦宏对AI生产力的思考其实有一条清楚的线索：技术能力一再突破之后，到底是什么决定了它能不能真创造出价值？

这回他给了一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，厂房没重新设计，机器再先进，生产力也很难充分释放。

过去十年，AI产业的核心任务是造出足够强的“新电机”；接下来，“新厂房”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。每人管一块，再通过部门和管理流程协作。这套体系在人类劳动占主流的年代很管用，可当AI开始接手越来越多的专业任务，原来的工作分配机制就可能卡壳。

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

个人提效和组织增益之间，裂开了一道大口子。

道理不复杂。一项原本要八小时干完的活，AI可能一小时就搞定，但后面的审批、沟通和交付还得两天，企业最终拿到的效率提升，远没有单个环节看上去那么明显。

项目里真正“做事”的时间其实只占三成，其余七成耗在等待、对齐和走流程上。执行效率就算提到无限高，整体周期也顶多缩短三成。

所以到了AI时代，一部分专业能力可以随时调用，怎么减少任务交接、信息损耗和决策摩擦，或许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，可这些判断要是只留在个人的聊天记录里，别的销售调不出来，企业也没法在下一单生意里复用，那AI创造的价值很大程度上还是停在个人身上。

研发、设计、运营这些岗位也一样。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，可能先养出一批“超级员工”，却未必因此得到一家“超级公司”。

也正因如此，衡量AI转型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，个人经验能不能变成团队资产，这些变化又能不能持续改善经营结果。

微软在《2026年工作趋势指数》里把这种现象称作“企业AI转型悖论”：员工已经在用AI提效，业务流程、协作方式和评价机制却停在过去，组织几乎没动。BCG说得更绝，应该为AI重新设计公司，而不是让AI去适应原来的公司。

所以李彦宏说的“新电机、新厂房”，不只是一个技术比喻。对企业来说，真正的生产力革命，不能只靠把更先进的电机装进原来的厂房；AI投资的回报问题，也正从技术能力问题进一步变成企业的组织效率问题。

02

从生产到组织，企业比拼的底牌换了

微软在2026年《工作趋势指数》里给出了一组数字：受访者中，个人AI能力与组织支持水平都较高的只占19%；另有10%的人个人AI能力不弱，可所在组织没能提供相应支持。

过去通常是企业催着员工学新技术。现在情况反过来了，员工先跑一步，公司倒成了要补课的那一方。

对企业来说，AI替人干了多少活，已经不算最值得盯的事。原有工作方式还有没有重新设计的余地，才是。

李彦宏对AI生产力的判断，也沿着这条线往前走。

2025年百度世界，他讲的是把AI内化成企业原生能力；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；此次百度世界，他又抛出“智能组织”。关注点一步步往里走：先让AI进业务，再让人和AI重新搭班，最后让组织自己具备持续进化的本事。

这一串说法连着下来，背后是对生产力瓶颈变化的判断：技术不再是唯一的卡点，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铺开。

头一个受冲击的，是传统岗位之间那道边界。

以前一个产品从需求提出到正式上线，产品经理、设计师、工程师、测试人员得一个接一个接力。智能体进来以后，部分任务可以围着目标重新拼装，一个员工借不同Agent就能扛下一部分跨岗位的活。

专业岗位不会因此消失，复杂业务还得靠专业判断，关键决策也离不开人来担责。但组织的基本逻辑可能变：过去是先划岗位、再分任务；往后可以先定任务，再决定派谁、派哪些智能体一起上。

岗位不再是能力的固定围栏，任务才可能成为组织资源重新搭配的起点。

第二个变化，企业压箱底的东西，正从“手里有懂行的人”转向“攒得下的组织知识”。

很多企业都有同一个头疼事：最值钱的知识不在制度和文档里，而在少数老员工脑子里。核心员工一走，丢的不只是一个岗位上的劳动力，还有多年攒下的业务判断和隐性经验。

大模型把知识获取的门槛拉低了，可通用知识不等于企业自己的竞争力。能筑成壁垒的，是企业在具体业务里攒出的独特经验，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一个例子。电力故障分析过去高度依赖资深专家拍板，现在开始借历史故障数据、线路信息和专家经验，转成能调用、能验证的专业分析能力。

这件事值得看的，不是某一次故障分析省下多少时间，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一直用下去的能力。

最后一个层面，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，很大程度看人愿不愿意主动总结、主动传递。

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。李彦宏此次提出的“可衡量＋Looping＝持续进化”，想建的就是这么一套机制：任务执行、效果评估、反馈优化形成闭环，组织能力不必再完全指望周期性的管理改革，而是在日常经营里持续累积。

当然，企业不是部署足够多的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，让每一次有效的工作都可能成为下一次工作的底子，这才是“新厂房”跟传统企业的区别所在。

这三个层面的变化，恰好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。三条原则的要害，是让企业拿到一种过去很难建立的能力：不靠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拿到手，技术本身未必能一直拉开企业之间的差距。但企业长期攒下的业务知识、组织协作机制，以及从经营反馈里不断改进自身的能力，很难靠采购一套AI工具直接复制。智能组织因此不只是效率上的新说法，更可能成为企业构建长期竞争优势的新路子。

03

公司的下一次进化，样本已经有了

对大多数企业来说，智能组织听着还是个挺有未来感的概念。但一些企业内部，围绕AI展开的组织变革，已经开始从设想走向实践。

海外传出的信号已经很清楚了。Anthropic今年9月披露，内部日活研发Agent数量已达3万个；到了10月又公布，员工用Agent干活的时长已经是人类的6倍，一些员工的岗位职能也开始变了。Agent一旦深度进入研发流程，组织里最小的作业单元就不再是一个人，而是“人+Agent编队”。

微软那边同样有动作。CEO纳德拉提出“双资本论”，意思是企业得同时攒下人力资本和Token资本，把自家的知识、经验和业务流程沉淀成能持续用的AI能力。内部层面，微软已经靠Agent 365统一管理超过50万个Agent，还拉起了约6000人的前沿部署工程团队，直接驻进客户企业，帮着重新设计业务流程。

回到国内，百度自己就是观察这场变化的一个样本。在百度数字人创新业务部，产品、研发、设计、测试这些岗位原来的边界正被重新打破，团队推着成员向Builder转型，借AI把从理解需求到交付产品的整条任务链做得更完整。百度披露的内部实践数据显示，仅2026年第三季度，这个团队就完成564次产研迭代，沉淀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%。

有个细节挺有代表性：一名校招新人靠AI，只用一天就交付了过去要五个角色协同、至少十天才能完成的需求。

这种变化也开始落到百度面向企业的产品上。比如这次大会上很吸睛的百度一镜，除了能生成高度逼真的数字人，能力还延伸到了实时互动、短漫剧创作，以及从品牌营销到客户服务的业务场景。有了AI大脑和多智能体协作，过去要编剧、导演、制作等多个角色一起参与的内容生产流程，开始有更多执行环节交给AI。

不过有意思的是，技术越接近真人，人的独特价值反倒越值得聊。在百度一镜数字人采访李彦宏的片段里，AI已经能用接近真人的形象和表达方式跟人交流，但能模拟人的表达，不等于能替人作出所有判断。

这恰好点出了智能组织更深一层的变化：AI接走的执行工作越来越多，人就能把更多精力放到目标设定、创造性决策上，放到人与人之间的情感连接和信任建立上。

还有一点值得注意，企业一旦大规模用起AI，模型能力就不只是强不强的问题，还得看能不能稳定、可信地调用。百度这次推出的词元所，就是想通过模型服务验真和质量监测，让企业更方便地拿到可信的模型资源。据百度透露，上线一个月，词元所已入驻供应资源超过100个，日均调用次数突破5000万次，日均调用Token超过7000亿。

这组数字更该看的不是规模，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，智能组织不是简单的机器替人，而是人与AI重新分工。技术把人的能力边界撑大了，但组织往哪走、为什么而做、最终创造什么价值，拍板的依然是人。

回过头看，百度过去十余年的AI布局，正慢慢拼出一条清晰的产业脉络。昆仑芯在AI算力领域持续突破，萝卜快跑把自动驾驶带进越来越多城市的真实道路，百度过去在底层技术和前沿应用上的投入，已经开始变成实实在在的产业成果。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领域坚持长期主义的价值所在。

毕竟科技产业从来不缺追风口的企业，难得的是在技术还没成为共识时就提前布局，在行业不断变化时保持投入，最后让技术走出实验室，进入真实的产业和商业场景。

不过也得清楚，生产力进步不意味着人的价值会被不断压缩。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，承担越来越复杂的任务，却没法因此取代人的创造力、判断力，以及人与人之间的信任。

AI是新电机，智能组织是新厂房，但这座新厂房能创造多少价值，不只取决于机器有多聪明，更取决于人能不能借AI突破原来的能力边界。未来最有竞争力的智能组织，或许不是最不需要人的公司，而是最能释放人的价值的公司。