组织怎么自己长出来:李彦宏和AI时代的新厂房


厂房该如何重构,百余年来,每个时代都有不同答案。AI浪潮之下,百度给出了属于这一轮周期的新方向。
作者|Cindy
编辑|杨 铭
19世纪80年代,纽约夜晚的街道被电灯点亮,电动机也开始进入工厂车间。工厂主把蒸汽机换成电动机,其余一切照旧,主轴贯穿厂房,皮带在空中飞舞,一台机器开工,整根主轴也得跟着转。
人们想象中的生产率大幅提高,足足等待40年才到来——新厂房按每台机器配小电动机、按工序排列、单层布局重新设计,新动力的价值才得以释放。
蒸汽只是换成了电,今天的情形,与之颇为相似。
AI浪潮汹涌澎湃,重塑着千行百业。但更现实问题是,如同诺贝尔经济学奖得主罗伯特・索洛评论那样,计算机无处不在,唯独看不到它们出现在生产率统计中。世界经济论坛数据显示,2025年全球AI投资超过2500亿美元,但只有25%的企业表示,AI产生了变革性影响。
砸钱力度、普及程度都没问题,AI为何复刻当初电动机的困境?全行业下一站到底在哪里?
11月12日,百度世界大会2026年,依然人潮汹涌。从天南海北赶来的媒体、创业者与开发者排队等候,却难以挤进主会场,他们都在等待着同一个答案:十年前精准预判AI浪潮的李彦宏,会为AI的下一轮变革给出怎样的判断。

十年前,移动互联网刚刚大规模普及,数字化经济方兴未艾。李彦宏在当年百度世界大会上做出了“互联网的下一幕,是人工智能”的论断。这一论断如今是每个人的共识,彼时却没有多少人相信,但后续人工智能成为全球科技产业主战场,印证着李彦宏“AI is the New Electricity”(AI是新电能)判断的分量。
十年后,站在同一舞台,李彦宏把目光投向AI技术栈的下游,抛出新的“下一幕”:智能组织。
李彦宏借用了工业时代的比喻说,AI没有产生预期的经济效益,是因为只更换了电机,没有重新设计工厂。“换一台AI新电机,只是起点,重新设计新厂房,才是分水岭。而这座新厂房,就是智能组织。”
1
从图纸,到自动进化的生产线
“为什么我的Token花费越来越多,但是我的收入和利润不见涨?”过去一年,李彦宏在和金融、制造、能源等很多领域企业一把手交流时,这个核心问题都被反复提起。
不止外部困惑。11月12日百度世界大会上,李彦宏在和联想集团董事长兼CEO杨元庆对话时,也提及百度转型过程中踩过一模一样的坑。从各业务线分头自研模型,到跟风上线智能体应用,虽然员工使用AI热情肉眼可见,但组织层面的整体效率并没有如期兑现。

这其实是多方面导致的结果。各部门跟风追热点会导致资源分散,成功率反而变低;技术与组织流程的错位和各自孤立,个人提效不等于组织增效,业务流程、协作方式、评价机制却还停在过去。
“没有一家公司,会因为用了几个AI工具,一夜之间变得更有竞争力。”李彦宏说。
对李彦宏的这个说法,专程从上海赶赴北京参会的张弛更是感慨颇多。他是一家企业的外贸负责人,企业前年就接入了大模型,包括各种会议都是靠AI整理、自动生成。企业每年营收不到2千万,今年已在AI上花了40多万,“钱花了不少,但却没什么效果。”
究其原因,张弛认为就像李彦宏说的那样,企业只是把AI当成附加工具,接入了原有岗位和流程,重来没有想过去系统性的建设“新厂房”。“以此来看,仅仅是AI工具远远不够,分工、权责、岗位边界都必须重新定义。”
不过,大部分企业不知如何重新设计新厂房,本就在情理之中——事实上,如何设计新的厂房,一百多年来,不同时代有不同演化方向。并且,组织变革往往还是从大公司开始。
1855年,为了管理拥有数千名员工的庞大团队,纽约伊利铁路公司运营经理丹尼尔·麦卡勒姆画出全球第一张树形组织结构图。那张图有点像一棵枝叶繁茂的大树,树根是管理层,枝干是各职能部门,细枝上标注着人员分工。

后来马克斯·韦伯后来把“树图”总结为科层制:专业分工、层级节制、规章优先。从1911年泰勒拆解工人动作,到1913年福特流水线落地,科层制从一种管理选择,变成工业时代的基础设施。
但科层制的局限也很明显,图纸越精密,组织越容易固化,尤其是进入互联网时代后,难以适应产业需要。
大量科技、互联网企业开始尝试改良科层制,让组织更灵活,更扁平。在国外,亚马逊 “两块披萨团队”、Spotify跨职能小队、Zappos的无头衔合弄制、Valve的无层级架构;在国内,阿里的大中台小前台,都是对组织的变革探索。
这些动作依然未能跳出科层制框架,大多只是把高大的科层大树修剪成丛生的灌木,图纸始终由人绘制,迭代依靠人推动,协作主体依旧是人,组织本身没有自主生长的能力。
进入AI时代后,尤其是智能体成为生产力最小单元后,千行百业的分工、生产、协作方式被彻底改变,建设可以自主运转、持续迭代升级的新厂房,成为适配AI新电机的关键。
大量海外企业开始了组织形态探索,比如黄仁勋的五层蛋糕聚焦能源竞争;麦肯锡Agentic Organization由于缺乏落地路径、微软Frontier Firm描摹新组织形态、输出变革方法论,依然没有回答如何让AI变成真正的生产力。
相比上述企业讲组织形态、讲方法,百度从一开始就是从机制上去探索,让组织自己长出来。2025年百度世界,李彦宏提出“真正的内化落脚于组织,而非个体”。今年的Create百度AI开发者大会上,李彦宏进一步提出,AI时代企业应该走向组织的“自我进化”

当智能体能独立承担一部分工作,原先由人和人组成的团队,可以变成人与智能体混合编队的“超级组织”。同时,他还提出DAA(日活智能体数),用新尺子衡量AI价值。
依托于“芯云模体”全栈自研能力,沿着这一闭环,百度从让AI进入业务,到让人与AI重新协作,最终让组织本身具备持续进化的能力,最终走向了智能组织。
2
三原则,适用所有企业的组织重构
在李彦宏的判断里,只有完成对组织本身的重构,AI蕴藏的生产力,才能够真正释放。根据Gartner的预测来看,到2030年,一半的IT运维组织会因为智能体而重组,而眼下超过90%还没准备好。
关键问题是,企业该如何重建一座适配“新电机”的厂房?李彦宏给出的解决方案,是提出的“组织进化三原则”:打破岗位边界、沉淀隐性知识、设计流程闭环。

最先被撼动的,是工业时代延续至今的岗位边界。
传统组织以岗位为中心,讲究人岗匹配,一个萝卜一个坑。但在智能组织,则是围绕交付目标,人和Agent协作的任务网络——一个人依托多智能体协同,就能承接大量跨岗位工作。
这并不意味着,岗位就会消失,依旧离不开人的专业能力与责任兜底。李彦宏给了一个和所有职场人直接相关的预判:未来组织是以任务为核心,大致会剩下两类岗位,负责创造的Builder,以及维系信任、承担沟通连接的Seller。
百度数字人创新业务部,正是这套思路的实践样本。团队不依靠扩招,打碎产品、研发、设计、测试的岗位边界,推动全员向Builder转型。
一名刚入职的校招产品经理,仅用一天就完成了过去需要五个角色协同、至少十天才能完成的需求交付。
其次,企业的核心资产,正在从“掌握经验的个体” 转向“可沉淀、可复用的组织智能”。
在传统组织,很多业务经验依附于具体员工,一旦员工离职或岗位变动,写不进流程手册的经验、判断、诀窍就没了。张弛所在企业也曾把相关文档做成了“知识库”,但根本没人看。
在智能组织中,如果把员工与Agent在工作中形成的知识、经验和流程沉淀下来,再通过平台提供给其他员工和智能体调用,AI带来的就不只是单点效率提升,而是组织能力的持续积累。
李彦宏给出的解决方案是,把经验显性化,沉淀到公司统一平台,持续累积、随时调用、全员可用。南方总调联合百度搭子打造的“天璇伙伴”,就把老师傅的研判经验沉淀成了系统能力。
南方五省承载两亿多人用电,即便配网自愈系统可以快速复电,仅广西2025年就发生8215次永久性故障,传统人工研判单次耗时超60分钟,高度依赖老专家。天璇落地后,学习上万条历史故障案例,把专家经验沉淀为系统能力,串联故障记录、开关、线路拓扑完成闭环研判,故障分析效率提升12倍,准确率超70%。

海高激光的生产线上,过去机械臂切割排程完全依靠工艺人员手工排布。百度伐谋将工艺约束、加工经验转化算法,兼顾工时与防碰撞,单工件全流程跑通,正向批量生产场景推进。用李彦宏的话说,这种能力“抄不走、挖不动、买不来”,才是真正的护城河。
打破岗位边界、沉淀隐性知识让组织变得聪明和敏捷时,组织的成长模式,也需要设计流程闭环,推动其自主进化。
传统企业流程通常由管理者提前设计,再通过制度和系统要求员工执行。即使业务环境发生变化,流程调整也往往需要经过人工判断和层层审批。麦肯锡在部分工业流程中测量过,等待、对齐、审批这类协调成本能占到总工时的35%到60%——这也再次说明,只换新电机不换新厂房,就没有回报。
对此,李彦宏提出了一个核心公式:可衡量+Looping=持续进化。让企业变成无数个Loops组成的自动化系统,不断学习、不断迭代。
比如,在一条客服流程中,衡量对象可以是客户问题有没有解决、是否反复来电,团队可以用Agent具体分析问题,给出不同解决方案,每一次任务结果都会形成反馈,自动反哺优化下一次执行,让组织像生命体一样持续学习迭代。

百度财务内审团队把Looping引入了审计。过去查什么、怎么查,高度依赖专家的主观判断,现在审计流程AI自动执审率达到了40%,每执审一次,规则就迭代一次,下一轮的判断会比这一轮更准。小度团队的闭环研发也是同一套逻辑,重复性动作交给Agent和代码后,人留在判断密度最高、风险最高的节点上,同等人力下每周解决的需求从2个提升到12.5个,端到端满足度从76.1%升到81.5%。
这套机制,也会帮助企业打开轻资产运营、构筑独有护城河、孕育新业务机会三条现实出路——不止适用于大型企业,还适配数千万中小企业。张弛就从中看到了机会,轻资产运营,相当于一个人或很少的人带着一群Agent完成各种任务,不仅大大减少人力成本,还能够低成本做多方向试错。
3
从内到外,在更多真实业务中转起来
目前,拥有数万员工的百度,成了智能组织的试验场。根据百度世界大会2026公布的数据,过去一年,百度日均活跃智能体从0.5万增长至3.7万,每周智能体完成的有效任务从8.4万上涨至100万以上。百度已建设4300个Workspace,沉淀组织Skill超过2万个。“很多参与百度世界筹办的同学,他们的Agent该干什么活,一秒都没有停。”李彦宏说。
修建“新厂房”前,百度已对“新电机”——也就是花费十年时间打造的“芯云模体”全栈能力,持续沉淀打磨升级。
作为成为支撑智能组织落地的技术底座,无人驾驶、大模型、芯片,无一不是漫长周期的投入。其中,昆仑芯决定算力的成本和自主可控;云把分散的芯片攒成可调度、可管理的资源池,把电力转化成可计价、可调用的Token;模型再把Token转化成理解、推理和生成的能力;最上层的智能体进入一线处理真实业务。四层相互支撑,整套机制才算真正跑通。
而在今年百度世界大会上,“芯云模体”又得到了大幅迭代升级。包括推出1024 卡天池超节点 2.0、发布文心大模型5.5 Flash预览版及两款文心应用模型,正式推出大模型交易平台词元所;百度搭子、库库、百度一镜、伐谋四大智能体迎来升级。

备受关注的词元所,则主要是解决大模型不敢用、不放心的真实痛点。
进入2026年,各种大模型井喷式涌现。今年前9个月,几乎每天都有不止一款新模型发布,与此同时,对模型的调用需求也迎来大爆发。由此催生的一批词元中转站,并不对模型的效果、服务的稳定性、响应速度等负责,甚至连模型的真实性都无从考证。
词元所主则打“验真”与“征信”两大核心机制,配上统一接入、统一计量比价、平台兜底交易链路,一端汇聚模型和模型提供商,另一端服务企业与个人开发者,就像在证券交易所交易股票那样,方便、公开和透明。
试运营一个月,词元所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超过7000亿。当一个Token的质量可以被抽检、被追踪、被公开比对,相当于建立了公开可查的信用档案,对众多中小企业、乃至个人来说,无疑是一大利好。
还有一个很有意思的新角色,FDE前沿部署工程师。过去百度智能云三段式协作:销售懂业务、交付做实施、产研迭代产品,三次信息交接带来大量损耗。FDE将三者合一,既懂行业,又能驻场落地,反向推动产品迭代,已经落地金融、能源、制造等上百个场景。这个岗位,是整套机制运转之后,从业务一线自然生长出来。

另外,百度搭子正在成为智能组织任务层面的执行入口,百度一镜把智能体编队带进了内容生产成本仅需每秒0.2元,萝卜快跑覆盖全球28座城市自动驾驶总里程突破3.5亿公里,都让外界看到了百度智能组织在不同场景、真实产业中的落地价值。
而在外部,这套机制也正在推动越来越多的企业,将智能组织变革从设想走向实践。比如,南方总调目前已将天璇系统在广西14个地市、112个县铺开。
新厂房的自我进化改造能否成为行业共识,还要看千行百业真实业务跑出来的结果。Gartner数据显示,九成企业尚未做好Agent时代的组织准备,德勤统计完成组织级转型的企业仅有4%。这既说明落地才刚开始,也说明方向的大有可为。
对李彦宏来说,这本就是属于他的一贯的思考习惯——不困在当下技术热闹里,提前抛出下一个时代的命题。2016 预判AI浪潮;2024判断智能体成为主流;2026用DAA替代Token作为衡量标尺,到现在提出智能组织,很多非共识观点,在被验证之前,都很难被理解。

而李彦宏从未忘记和变化的,是对组织最核心要素的笃定。在大会现场,数字人希加加向李彦宏提问:“我这样的数字人,能当 CEO 吗?”
“不能。”李彦宏笑着否定,组织、企业乃至个体,根基在于mission 和vision。但定方向、给指令的,“必须是人。”

