1987年7月，麻省理工学院经济学家罗伯特·索洛在《纽约时报书评》上评一本讲美国制造业的书。他心里有个疙瘩解不开：技术革命人人都说经历过，可数据里怎么找不到？随后他写下那句后来被反复引用的话：

“计算机时代无处不在，唯独不在生产率统计里。”

3个月后，索洛获得诺贝尔经济学奖。这句总结后来也被叫作“索洛悖论”。

40年后，同样的问题落到AI头上。2025年全球AI投资超过2500亿美元，可只有25%的企业说AI给业务带来了变革性影响。到2026年，这种趋势更明显了。麦肯锡2026年8月发布的全球调查数据显示：80%的受访者表示AI提升了自己的工作效率，但企业层面的财务影响与去年相比几乎没有变化。

11月12日，百度世界2026会场，李彦宏拿出百度的解法：智能组织。这是一套不同于科层制的AI原生组织系统，核心能力在于自身能持续学习和进化。

十年前，也是在这个舞台上，人们还在问互联网下半场是什么，李彦宏当时判断“下一幕是人工智能”；十年后，AI撞上索洛悖论，他给出的答案是“智能组织”。这一回，人们或许不用再等十年才看到结果。

PART01 AI 时代的索洛悖论

2026年10月，Anthropic公开了一项关于自身的研究。截至8月，公司交互式AI智能体的工作时数与员工工时之比已达6:1。新问题随之而来：人类员工得花大量时间去理解智能体生成的内容。

一名工程师这样描述自己面对一群Claude时的感受：每一个都在向他要注意力。

更多积极拥抱AI的公司，发现自己卡在了尴尬的“努力”困境里。头部AI咨询公司的分析师林畅告诉我们，他服务的许多公司都在做AI转型，单点效率提升很明显。有些过去要多人协作的活，现在靠AI就能减人、缩短流程，但AI对公司整体增长的拉动并不明显。

今年夏季达沃斯论坛上，万宝盛华集团CEO 约纳斯·普里辛格说，AI提升了个体效能，却没转化成组织效能，等于“幽灵效率”。波士顿咨询今年发布的研究报告同样指出：已经开展AI试点的企业里，真正能大规模拿到显著价值的只有5%。

换句话说，AI技术在企业落地时卡住了。

这道坎并非AI时代独有。

美国经济史学家保罗·戴维1990年发表的论文《发电机与计算机》里提到，19世纪末电力进工厂，效率并没有马上起来。面对颠覆性技术浪潮，工厂主们做了个理性的选择：拆掉蒸汽机，在原地换上一台电动机，可天轴、皮带、厂房和生产流程都保持原样。几十年后，工厂围绕电力做了整体重组，流水线出现，制造业生产率才第一次跳起来。

其实，今天的企业也在重复电力革命早期的做法。公司买大模型和算力，跟当年工厂主换掉蒸汽机，说到底是一回事。烦恼也类似：以旧厂房为代表的配套体系，拖住了新电机的发挥。这时候，人的成本和努力很难直接换回生产价值的提升。电机越先进，旧厂房里的竞争反而可能越惨烈。

这种尴尬，本质上是生产力与生产关系的错位。

回头看人类历史上每一次生产力跃迁，最后都指向生产关系的改造。18世纪工业革命催生了工厂和现代公司，19世纪电力革命带来流水线，20世纪互联网让人们习惯协作与分配。也就是说，单靠技术完不成生产力革命，只有生产关系改到真正适配，颠覆性的价值才会显出来。

今天也一样。

“没有一家公司会因为用了几个AI工具，一夜之间就变得更有竞争力了”，

组织为什么存在？一个关键词是协同。

诺贝尔经济学奖得主

1855年，纽约与伊利铁路公司画了一张组织分工图，把部门、岗位、管理职责和汇报关系画成一棵枝繁叶茂的大树。这张图后来被认为是人类历史上第一张现代企业组织图。

McCallum 组织树

当时这家公司管着世界上最長也最复杂的铁路系统之一，员工有数千名，不得不做复杂的行政分层与权责分工。

此后100多年里，现代企业一路演进，员工规模和业务体量越滚越大，组织的重要性慢慢成了共识。

德国社会学家马克斯·韦伯的科层制理论认为，现代企业管理的基础由几样东西搭起来：专业分工、明确职责、层级管理、制度化流程。组织的具体形态会随时代和技术变化而调整。贝佐斯那个经典的“两块披萨团队”原则就是个例子，说的是团队要小到两块披萨就能让所有人吃饱，对应的正是互联网时代的扁平化管理和小团队项目制打法。

可到了AI时代，组织碰上了一个新问题：里头不光有人，还有大量智能体。

现在，AI把协同方式直接改掉了。跟以往任何一次变革都不同，AI时代的组织是从人与人的协作转向人与智能体的混合协作。Agent能接手大量执行、信息传递、任务分解甚至跨系统协作的活儿，协同的成本、效率和流程随之大变——这正是AI时代必须重新谈组织的根本原因。

PART02 寻找“新厂房”

11月12日，国家会议中心的百度世界2026会场，“智能组织”几个字几乎随处可见，像个风向标，回应着大家对AI下一步的困惑。与会者对AI的态度未必一致，但站在这里，他们想要的答案是同一个。

百度世界大会办到第20年，李彦宏几乎没缺席过。他总是准时到场，讲自己对科技趋势的判断。长期待在一线，他的分享既有前瞻性又能落地，也成了外界观察行业变化的一个好窗口。

今年同样如此。

“智能组织”这个概念，正好戳在AI行业的痛点上。

AI走到今天，生产力和生产关系对不上，这已经是全球共识，不少科技公司和咨询机构都在找解法。Anthropic提出AI Organization（AI组织），盯的是人和Agent怎么协同；麦肯锡提出Agentic Organization（智能体组织），偏重系统性重构组织；波士顿咨询提出AI-First Organization（AI优先组织），主张企业围绕AI重设结构和流程；微软提出Frontier Firm（前沿企业），关心AI时代的公司该是什么样子。

李彦宏的“智能组织”也在回答这个问题，只是他更偏机制层面，也就是“新厂房”怎么自己长出来——对正在做AI转型的个人和组织来说，这显然更有参考价值。

按李彦宏的说法，智能组织有三条进化原则：打破岗位边界、沉淀隐性知识、设计流程闭环。

它们对应的旧生产关系，多数人并不陌生：围着岗位转、经验长在个人身上、流程固定。过去几十年甚至上百年，人们已经习惯了这套做法。项目一启动，各岗位上的人各管一摊，再靠部门之间协作，按既定流程把结果拼起来。

到了智能组织，“任务”成了中心。原本要好几个岗位配合的事，可能变成一个人带着多个智能体干完。岗位的变化会慢慢发生，李彦宏也提到，未来岗位大致分两类：一类是Builder，负责创造新东西；另一类是Seller，负责人与人之间的沟通和连接，建立情感与信任。

这个判断挺有意思。人在未来组织里的核心价值变了。“搬砖”的活交给AI，人类去做更多创造和连接，更多创新也许就从中冒出来。

对公司而言，“智能组织”更核心的价值在于沉淀经验，并在闭环里自我进化。

设想一下，一家公司的经验如果能让AI完整理解、关联和调用，它就有机会建起一套不断积累的组织知识体系，甚至变成AI时代独特的竞争壁垒。模型和通用工具市场上都能买到，但企业长期攒下的经验和文化，很难被完整复制。

而且，真正的“智能组织”有自我进化的本事。

传统流程由人设计、执行和检查，经常牵涉跨部门协调，一旦定下来，再调成本极高。智能组织的核心运作方式是Looping机制，李彦宏给了一个更具体的公式：可衡量+Looping=持续进化。每次任务执行都会得到结果衡量和反馈，自动反哺下一次执行，组织也就有了像生命体一样的进化能力。

三条原则合起来，就是“智能组织”的基本逻辑：任务决定协作方式，知识决定组织能力，反馈决定组织能不能持续进化。

它会在未来的商业进化里带来更多机会：企业和团队可以轻资产运营，沉淀下来的智能资产能构筑新的护城河，创新随时随处都可能发生。

从机制层面去想智能组织，也是百度独有的底气。过去十来年，百度搭起了“芯云模体”的全栈AI布局，这几层本身就能形成Lopping，互相加强、循环优化——百度也因此能站在更高处去琢磨怎么解答索洛悖论。

PART03 “新厂房”的中国智慧

从2025年开始，Anthropic一直在尝试让多个AI智能体以组织的方式干活。

团队此前做过两组模拟：一组是AI咨询公司，一组是AI软件开发团队。前一组里，不同Agent各担角色；后一组里，单个Agent按角色分工联手写软件。多轮实验下来，前一组的表现更突出。换句话说，一旦AI有了分工与协作的机制，它就有可能接下比单个智能体更复杂的活。

可AI组织也逃不开人类公司的那些麻烦。另一项实验里，不同Agent只顾着完成自己的指标，把整体目标中的伦理约束丢到了一边。效率是上去了，决策却没变得更好。

局部最优和整体最优这道题，人类至今没有标准答案，AI看上去也没有。

这拦不住Agent的扩张。到目前，Anthropic内部研发平台上，单一时点活跃的Agent曾达到3万个。这些Agent的行动会经过在线监控，执行前先把潜在风险识别出来；系统还会事后分析行为记录，对异常活动再做审查。也就是说，这家全球AI技术最前沿的公司之一，也没把组织治理完全交给AI自己——这事恐怕要等到更远的将来。

Anthropic想解决的是“人机协同的厂房该长什么样”，百度对“智能组织”的摸索则更接地气——说白了，智能组织的雏形是从真实业务里跑出来的。

百度把自己当成了样本。过去一年，它启动面向“智能组织”的转型。数据摆在那儿：内部每日活跃智能体数量（DAA）从大约5000个涨到3.7万个，增长约6倍；每周有效工作任务数从8.4万个增加到约100万个。另外，百度建起超过4300个Workspace，沉淀了超2万个组织Skill。

更多创新还在百度内部往外冒。

百度数字人创新业务部试了AI Native组织转型，推着团队成员往Builder转，原来的岗位边界被打破。靠自研的BiuBiuAgent，团队已经有6个以上需求由单人完成全流程交付。仅2026年第三季度，数字人业务产研就完成564次迭代，沉淀130个Skills和729篇组织资产。团队人均吞吐提升125.3%，交付周期缩短28.8%。

百度一镜产品经理田雨昕是入职不久的校招生。她在现场说，自己只用了1天，就在AI上完成了过去要五个角色、至少十天才能交付的需求——她需要的多数知识，在内部AI组织里随时能调出来。员工因此不必太受专业背景、经验和岗位职责的限制，更多好想法能在智能组织里落地。

个人效率的提升和组织能力的积累，几乎是同步发生的。这反过来又会把组织的智能水平再往上推。

田雨昕等几位年轻人，都排在李彦宏之后登台分享。近两年百度各种大会上，年轻面孔出现的频次越来越高；与之呼应的，是李彦宏看起来更自信、也更松弛了。

在百度世界2026现场，他会悠哉走到台下，跟嘉宾杨元庆聊“AI无法替代CEO出差”的遗憾；配合百度数字人希加加采访、被问“数字人能当CEO”时，他答得干脆：“不能，你不能当CEO”。

他照旧爱分享技术理念。但说到人与AI的协同，他的看法是：应对AI变革的过程中，总有些地方离不开人，人得在里面找准自己的角色。

所以百度公布的“新厂房”样本里，人始终是最重要的那一环：内部一个十来人的小团队做出AI助手“dodo”，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、获得百万美元奖励；百度食堂“周五小饭盒”档口的行政同学用AI自己搭了预订小程序，又复制到停车管理、消防巡检等上百个场景。智能组织往前进化，说到底是为人类服务的。

过去一年，百度也在外部合作中检验“智能组织”。百度搭子开发平台向企业开放定制智能体的配置与运行能力；FDE（前沿部署工程师）这个新角色从业务一线自己长出来，已在金融、能源、制造、汽车、政务等行业交付100多个场景；百度搭子与南方电网合作，把专家经验沉淀成可复用、能自成长的知识体系；百度伐谋进入海高激光等制造企业的经营与流程优化。

“新厂房”的底座，是百度“芯云模体”全栈AI布局。

百度世界2026还披露了更多进展：

百度一镜这次把短漫剧创作从头到尾打通了，创意、剧本、分镜直到成片都覆盖。大会上放的那段数字人希加加专访李彦宏的视频，就是百度一镜生成的。文心5.5 Flash预览版同步发布，并已上线开源社区。文心闪电深度思考模型、文心一镜微表情大模型通过千帆平台API对外开放。大模型服务平台词元所也上线了，企业和个人能借此方便地找到、购买并使用可信的模型Token；目前该平台入驻供应资源超过100个，日均调用Token超过7000亿。

萝卜快跑这边，则与神州租车合作，在海南落地了全球唯一的无人车租车模式。到现在，萝卜快跑已经进入全球28个城市，自动驾驶里程超过3.5亿公里。

某种意义上，这是时间在奖励坚持者。

翻一翻百度世界历年的主题会发现：几乎每个行业共识到来前的半年到四年，李彦宏都先一步给出了判断。

2016年，大家还在讨论移动互联网的下半场，他却抛出判断：“互联网的下一幕是人工智能”。2022年11月，他又预计AIGC会接替PGC、UGC，成为新的内容生产方式；四个月之后，ChatGPT发布。到了2023年，“百模大战”打得正热，参数榜被当成唯一标准，他则泼了盆冷水：“没有应用，基础模型一文不值”。

2024年，他判断“智能体是AI应用的最主流形态”，半年后，Anthropic披露了多智能体架构Research；2025年，行业卷Token价格，他提出要把AI“内化”为企业原生能力；2026年5月，他拿出DAA这把度量AI价值的尺子，同年，Meta和亚马逊撤下Token消耗排行榜，全行业开始用任务和结果重新度量AI。

判断力的另一面是耐心。昆仑芯片“头十几年过得很辛苦”，无人车也熬过漫长的投入期。回头看这十年，百度似乎一直处在“努力爬坡”的状态。但李彦宏乐于去坚持：

“试一年不成，OK；试两年不成，OK；试十年还没成，如果有意义，我还会接着试下去。”

眼下他又抛出“智能组织”这一提法，想从机制上拆掉卡点，让AI继续往前跑。某种程度看，这也是中国公司身上的一种自信。

中美在AI路线上的分歧，现在正越拉越大。硅谷那边信的是大力出奇迹——模型越大越好，算力越贵越敢投，赌的是通用智能那个奇点。中国面对算力受限的现实约束，走的是另一条道：把模型训练成本压下来，把应用落地速度提上去。两条路谁更优，恐怕得很多年后才见分晓。

不过路怎么选，AI终归要扎进真实的生产里、持续产生价值。说到底，“组织”这道闸门，所有AI公司都得过。新电机要配新厂房，这点是共识；新厂房建成什么样、又该怎么建，各家不一样——将来或许也会成为决定行业格局的关键要素。