李彦宏再判AI下一幕：智能组织成企业新厂房

十年前那场百度世界 2016 大会上，李彦宏站在台上抛出「AI is the New Electricity」（人工智能是新电能）的说法，当时就把人工智能这波浪潮提前点了出来。

那会儿很少有人能料到，日后走进写字楼，程序员靠 Agent 写代码，运营拿 AI 跑报表，连行政也用大模型搭起了报销流程。

可索洛悖论又一次冒了出来。去问企业管理者，十有八九要叹气。有统计显示，2025 年全球企业往 AI 上投了超过 2500 亿美元，真正在业务上跑出变革的却只有 25%。

每个人手上的活是快了，Token 也烧得更凶，效益却没见变大。个人效率拉满，企业整体为何没跑出生产力变革？症结在模型能力还嫌不够，还是企业拿旧的组织方式硬套一项新技术？

这个全球性的难题，APPSO 在今年百度世界大会上听到了李彦宏的新回答：AI 之所以没带来预期中的经济效益，是因为大家只换了电机，厂房却还没重新设计。

隔了十年，李彦宏又一次给出预判：AI 的下一幕，是智能组织。

李彦宏表示：「新生产力只能从 AI 流水线里长出来，从智能组织里长出来。换一台 AI 新电机只是起点，重新设计新厂房才是分水岭。这座新厂房，就是智能组织！」

以往衡量一家公司的实力，习惯看员工数量、人才密度、资本投入。到了 AI 时代，能调动多少智能、沉淀多少知识、让多少复杂任务高效运转，成了组织提升生产力绕不开的必答题。

这场变化，正在撼动公司用了上百年的组织逻辑。

从一棵树到两块披萨

1855 年，美国纽约与伊利铁路公司画出了一张特别的图。

图上是一棵枝繁叶茂的大树，不同分支分别对应公司的管理层、职能部门和人员分工。

这张图被普遍看作现代企业最早的组织结构图之一，它想回应的，是当时一个棘手的问题：「公司越来越大，到底该怎么管」？

工业革命推着铁路、工厂和大型企业迅速扩张。几千上万人挤在同一个生产体系里，决策、执行、监督都得有人来担。

再后来，马克斯·韦伯把科层制理论系统讲了一遍，这套逻辑就更清楚了：专业分工、明确权责、层级管理。

等到了互联网时代，亚马逊创始人贝佐斯又提出一条有意思的管理原则：一个团队该小到两块披萨就能让所有成员吃饱。

「两块披萨团队」的想法，是给小团队更大的自主权，砍掉层级和沟通成本，让任务完成得更快。

公司的组织方式一直在变：工业时代讲分工管理，互联网时代讲扁平协作。但有一点始终没变——不管架构怎么调，承担复杂工作的主体仍然是人。

AI 开始拆掉这个前提。

今年 5 月，李彦宏在 Create 大会上讲出「超级个体」的构想：从前一家公司最小的生产力单元是团队，现在一个人加一支智能体编队，就可能成为新的生产力单元。

工业时代要解决的是怎么组织更多人，互联网时代要解决的是怎么让人协作得更快。

到了 AI 时代，问题换成了：「如果智能也能像人力那样被组织、调度和协作，公司是不是该重新设计了」。

「新电机」不能再配「旧厂房」

今年 3 月，Block CEO Jack Dorsey 与红杉资本合伙人 Roelof Botha 合写了一篇长文《从层级制走向智能化》（From Hierarchy to Intelligence）。

从古罗马军团那套「8 人小队、80 人百人队、5000 人军团」的嵌套指挥链说起，Dorsey 一路讲到 1806 年普鲁士军队在耶拿战役惨败后搞出的「总参谋部」。在他看来，现代企业里「中层管理」的底子，那时候就已经打好了。

两千年来的层级制，说到底是套在人类局限之上搭起来的「信息路由协议」。人脑带宽就那么多，一个主管能有效带的人只有 3 到 8 个。想把管理幅度压小，就得加指挥层级；层级一多，信息流动自然就慢下来。

过去几十年不是没人试过别的路。Spotify 搞过敏捷小队，Zappos 试过彻底取消管理头衔的合弄制。可只要公司规模越过几百人的门槛，最后全都退了回去，还是层级制。

Dorsey 想建的是一个持续更新的「世界模型」：把公司内部的工作状态、资源配置和客户需求都理解清楚，再让智能系统帮着协调任务。他更进一步提出，要把公司做成类似「mini-AGI」的智能系统。

Dorsey 抛出的这个问题，确实戳中了眼下企业 AI 转型的一处痛点：AI 越来越聪明，公司却不一定跟着变聪明。

李彦宏即将在百度世界大会提出的「新电机、新厂房」，回应的正是这个矛盾。

只给旧厂房换一台更强的电机，生产流程却不重新设计，新技术的威力就很难完全释放出来。

企业怎么自己长成智能组织？李彦宏今天给出三个原则，其实可以当作一条完整的组织进化路径来看：

打破岗位边界，把组织活力放出来；

把隐性知识沉淀下来，构建组织智能；

设计流程闭环，推动组织进化。

传统组织是「固态」的，按部门和职位把工作切开；智能组织则是「液态」的，未来的公司更像一张围绕目标动态聚散的任务网络，从「以岗位为中心」转向「以任务为中心」。

可个人变得更能干，不等于公司就能跟着受益。企业里最值钱的，往往是那些没写进文档的「隐性知识」：资深销售为什么放弃某个看着很优质的商机，老工程师为什么先排查某个故障点。

员工攒下的经验，如果只能自己用，换个人接手，很多事还是得从头摸索。李彦宏的看法是，真正的组织智能必须让隐性知识显性化，通过 Skill、Workspace 等方式沉淀到公司平台上，持续累积、随时调用、人人可用。

这意味着组织里的信息和能力，开始挣脱原有的部门边界。从让一个人变得更能干，到让整个公司拥有更多可复用的知识，AI 这才从个人工具变成组织资产。

不过，知识能沉淀下来，还只是开始。一家企业如果每次都能调用过去的经验，却没法根据新的业务结果调整干活的方式，那它仍然只是一套更先进的自动化系统。

真正的智能组织，还得具备不断学习和自我改进的能力。李彦宏把这种机制概括成一个公式：「可衡量 + Looping = 持续进化」。

说白了，AI 不光要把任务做完，还得有明确的业务标尺来检验结果，让每次执行产生的经验、偏差和反馈回流进下一轮循环（Loop）。

在李彦宏的设想里，人和 AI 将来是围绕同一个任务转的 Loop，公司则演化为无数 Loops 拼成的高度自动化组织，整个组织本身也就成了能持续学习、不断进化的系统。

这套想法，百度先拿自己做了试验田。

百度数字人创新业务部把全员往 Builder 方向推，产品、研发、设计、测试这些岗位之间的界线被打破，员工靠 AI 把更完整的工作流程扛了起来。

落到数字上：今年第三季度，该团队完成 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%。

有个校招新人借 AI 只用一天，就交付了一项原本要五个角色、至少十天才能完成的需求。这个效率数字够有冲击力，但更值得看的是另一件事：任务结束后，团队没让这些经验白白流走。

智能组织并不是往公司里塞的 Agent 越多越好。干活过程中留下的 Skills、规则和方法，别的成员还能接着调用，变成下一次任务的起点。

今年百度世界大会上，百度数字人希加加替真人主播上阵采访李彦宏，还抛出一个相当尖锐的问题：既然我都能做采访了，那我这样的数字人能当 CEO 吗？

听着像句玩笑，可它指向一个真问题：AI 已经能独立完成越来越多工作，那它在企业里到底该站什么位置？当 AI 能接任务、能攒经验、能持续进化，从听指令的工具慢慢变成参与组织运转的新角色，企业的组织形态也就有了新的想象空间。

智能组织的新厂房

提出一种新的组织理念并不难，难的是让它在真实业务里跑起来。

过去十多年，百度在芯片、云基础设施、大模型和智能体上持续投入，从底层算力到应用攒下了一整套 AI 能力。可技术底座有了，不等于企业就自动完成了组织升级。

智能组织要回答的，是怎么从各用各的 AI 工具，转为人与多个智能体围着任务协作。这次百度世界大会上，百度搭子进一步升级，想改的正是这种各自为战的局面。

百度内部已经在当智能组织的新样本。一位学物理出身的新人产品经理，靠百度搭子就能独立扛下售前沟通、产品设计以及大部分研发工作。搁过去，一项需求得产品、设计、研发几个角色接力，现在他能自己调动 AI 做完大部分环节，T+1 就能拿出一个可现场演示的功能 Demo。

百度搭子目前已有个人版和企业版。百度搭子开发平台在内部实践里，一项典型需求从分析到拿出可交付方案，时间由 7 天压到 2 天。

智能组织不光帮员工解决眼前的问题，还想让今天解决掉的问题，变成明天整个组织都具备的能力。

库库企业版这次围绕「懂组织、深能力、自进化」做升级，背后接的是百度文库积累的 18 亿份专业内容、7.5 亿篇学术文献，以及超过 700 万个在线知识库。

把库库用进日常工作的企业也多了起来。上线仅三个月，库库企业版已覆盖超过 60 万个组织，日均任务量涨到上线初期的 9 倍，月访问量涨到 14 倍。南华期货的客户服务效率提升 60%，锡创投的业务交付速度提升 25%，国联人寿的投研团队人效提升 40%。

不止百度搭子和库库。近一年，百度内部日均活跃智能体数（DAA）从每天 5000 个涨到 3.7 万个，增长 6 倍多；智能体执行的有效任务完成数从每周平均 8.4 万个涨到一周超过 100 万个，增长 11 倍。

百度目前已经建起4300个Workspace，组织Skill累计沉淀超过2万个。

李彦宏表示，「这些组织的好经验、好方法沉淀下来，可以让更多同学能够复用，让智能体能够调用。让一个人的经验，成为整个组织的能力。」

这样一来，AI就不再是一个个孤立的工具，而是真正进入了企业日常的工作流程。

模型和算力的供给方式也随之改变。

智能体大批进入业务流程后，企业光有更强的模型还不够，还得能按不同任务灵活挑选、调用合适的模型，让智能体持续高效地干活。

百度在此次世界大会上推出大模型交易平台「词元所」，针对的正是这一需求。

李彦宏把它称作大模型的交易所。按他的说法，词元所想做的事，是把优质模型和模型提供商聚到一起，让企业乃至个人都能方便地找到、购买并使用可信的模型 Token。

对智能组织而言，模型也不再是需要单独采购、单独部署的技术产品，更像是水电那样按需取用、灵活调用的基础资源。

词元所试运营一个月，入驻的供应资源已超过100个，日均调用次数突破5000万，日均调用Token超7000亿。

APPSO认为，「智能组织」能成为AI时代新的组织范式，原因在于它把公司的运行底座从「按层级管人的静态架构」，改写成了「按任务闭环攒复利的自进化系统」。

一百多年前，第二次工业革命早期走得并不顺。蒸汽时代的机器被中央传动轴和皮带拴住位置，换上电动机后的整整三十年里，工厂生产率几乎原地踏步。

转机出现在每台机器都配上独立电机之后：工厂拆掉笨重的传动轴，重新安排机器、工人和生产流程，电力这才真正释放出重塑工业生产的力量。

技术增强未必带来效率提升，电力革命真正改变工厂的，也不只是那台新买来的电动机。今天的AI，或许正处在类似的时刻——几乎没有哪家公司还缺一台名叫AI的「新电机」。

未来十年谁能占住身位，取决于谁先动手重建那座名叫「智能组织」的新厂房。