过去两年，AI行业有一个很明显的特点：所有人都在谈模型。
模型参数、推理速度、上下文窗口、算力规模，几乎每一次技术进展都会成为行业讨论的焦点。企业也在忙着接入大模型、部署智能体，生怕错过这一轮技术变革。
但一个越来越现实的问题摆在面前：企业花出去的Token越来越多，生产效率和经营业绩却未必有相应改善。
11月12日，在百度世界2026上，李彦宏谈到了这个问题。他没有继续围绕模型能力展开，而是把话题引向了一个更接近企业经营本身的领域：组织。
他判断，人工智能的下一幕是智能组织，并首次提出组织进化三原则：打破岗位边界、沉淀隐性知识、设计流程闭环。
这可能是此次演讲中最值得关注的部分。经过几年的技术竞赛，AI产业开始面对一个更实际的命题：当模型能力越来越强，企业究竟怎样才能把它变成生产力？
一、企业买了AI，却还在用旧方法经营
李彦宏用了一个工业时代的比喻：AI是新电能，智能组织则是AI时代的新厂房。
工业革命初期，电力取代蒸汽动力，并没有让工厂立刻发生根本变化。最初，企业只是把电动机换进原来的生产体系，沿用既有的厂房布局和生产流程。后来，围绕电力重新设计工厂，生产效率才真正迎来跃升。
今天的AI应用，也有点像当年的电气化初期。
很多企业已经部署了AI工具，员工用它写文案、做表格、处理数据，研发团队用它辅助编程，客服部门用它回答问题。这些应用当然有价值，但很多时候，AI只是嵌入了原有工作流程，企业本身的组织结构并没有发生太大变化。
一个员工用AI节省了两个小时，省下来的时间去了哪里？一个部门引入了智能体，原来的审批流程有没有缩短？企业购买了更多算力，最终有没有带来新的收入？
这些问题，比模型又提升了多少分更值得管理者关心。
李彦宏所说的更换电机却没有重新设计工厂，实际上是在提醒企业：技术投入和经营效率之间，并不存在自动转化关系。
如果企业只是给每个员工配备一个AI助手，却没有重新审视岗位分工、业务流程和管理机制，那么AI带来的可能只是局部效率改善，很难形成真正的竞争优势。
二、未来的企业，可能不再按照岗位组织生产
李彦宏提出的第一个原则是打破岗位边界。
在传统企业里，岗位是组织管理的基本单元。一个任务往往需要经过多个部门、多个岗位，按照既定流程逐级推进。企业规模越大，协作成本有时也越高。
但在AI时代，任务本身可能成为新的组织单元。
李彦宏认为，未来岗位不会消失，但可能逐渐收敛为两类：Builder和Seller。前者负责创造新东西，后者负责人与人之间的沟通和连接，建立情感与信任。
这个划分颇有意思。
过去，一个完整的业务链条需要配置大量不同职能的员工。未来，一个人或一个小团队可能借助多个Agent，完成过去需要一个部门协同才能完成的工作。
比如，一项市场研究任务，从资料搜集、竞品分析到报告生成，AI可以承担其中大量执行工作。人的角色则更多转向目标设定、判断和决策。
这也解释了李彦宏为什么强调轻资产运营。一个人带着一群Agent，就有可能完成过去需要更多人力才能完成的任务。企业开展新业务、进行小规模试验的成本也有望下降。
不过，岗位减少和组织效率提升并不能简单画等号。AI能够完成任务，未必能够承担责任。尤其在复杂的商业决策、客户关系和团队管理中，人的判断仍然不可替代。
真正的变化，可能是企业开始从按照岗位配置人力，转向围绕任务配置人与AI。
三、比模型更难复制的，是一家企业自己的经验
整场演讲中，我认为第二个原则尤其值得企业关注：沉淀隐性知识。
一家企业真正的竞争力，往往藏在一些很难写进制度的经验里。
优秀销售如何判断客户需求，资深工程师如何定位复杂问题，成熟的运营人员如何识别业务风险。这些经验可能需要多年积累，却很难通过传统培训完整传递。
过去，企业对优秀员工存在很强的个体依赖。一旦核心员工离职，他积累的经验也可能随之流失。
AI提供了一种新的可能：把这些经验整理成可调用的知识和技能，再通过智能体应用到更多业务场景。
李彦宏将其称为组织智能。他认为，只有当员工的经验能够显性化，沉淀到公司的平台上，成为人人可以调用的能力，才真正构成企业的护城河。
百度也披露了内部实践数据：过去一年，百度内部日活智能体数从日均0.5万个增长到3.7万个，智能体每周完成的有效任务数从8.4万个增长到超过100万个。目前，百度已建设4300个Workspace，沉淀组织Skill超过2万个。
这些数据至少展现了百度内部正在发生的变化：智能体开始从员工个人使用的工具，逐渐进入企业的日常工作体系。
当然，经验沉淀并非把员工的工作记录全部交给AI就能实现。什么知识值得保留，如何保证知识准确，员工为什么愿意分享自己的经验，都是实际落地中绕不开的问题。
但有一点已经很清楚：未来企业之间的差距，可能越来越取决于能否把优秀员工的能力转化为整个组织的能力。
四、让AI对结果负责，才算真正进入业务
第三个原则是设计流程闭环。
李彦宏提出了一个公式：可衡量+Looping=持续进化。
这句话的重点在于，AI不能只负责执行，还要进入结果反馈和持续优化的过程。
过去，企业完成一项工作，通常要经过执行、检查、复盘，再由管理者决定如何改进。未来，围绕一个具体任务，人和AI可以形成一个持续运转的Loop，让执行结果不断反馈给下一轮任务。
但这里有一个关键前提：必须有明确的衡量标准。
比如，客服智能体回答了多少问题，并不能完全说明它的价值。问题解决率、客户满意度、服务成本，才是更接近经营结果的指标。营销也是如此，生成多少内容并不重要，真正重要的是转化效果。
这也是AI应用从展示能力走向商业落地必须跨过的一道坎。
如果只看调用量、生成量和自动化比例，企业很容易陷入新的指标游戏。只有当AI能够参与完整业务流程，并且接受真实经营结果的检验，技术投入才有机会转化为商业价值。
五、百度的下一步，是把技术能力延伸到组织能力
从此次大会的其他发布来看，百度正在尝试构建一条从底层技术到产业应用的完整链条。
词元所正式推出，试图解决模型调用市场中供应质量参差、服务稳定性不足等问题；文心大模型继续推进基础能力，同时发布面向具体应用场景的模型；百度搭子、库库、一镜、伐谋等智能体也在进一步拓展业务边界。
底层方面，百度智能云发布天池1024卡超节点，昆仑芯公布M100和M300的产品计划。萝卜快跑则继续推进全球化运营。
这些布局放在一起看，能够理解百度的思路：芯片和云提供基础设施，模型提供智能能力，智能体进入实际业务，最终由组织承接AI带来的生产力变化。
李彦宏也再次强调百度的模体并行、协同进化。一方面持续投入基础模型，另一方面让模型围绕具体应用进行优化。
这套思路与他此次提出的智能组织其实是一脉相承的。模型能力需要向实际业务延伸，企业组织也需要围绕AI重新设计。
当然，技术布局完整，并不意味着商业价值已经兑现。词元所能否建立可信的模型交易生态，昆仑芯能否进一步扩大市场份额，智能体能否给客户带来可衡量的经营改善，都还需要时间验证。
但从行业发展的角度看，AI竞争的确正在进入一个新阶段。
过去几年，大家比的是谁拥有更强的模型、更多的算力。接下来，企业可能需要回答另一个问题：谁能用同样的技术，创造出更高的组织效率？
李彦宏这次把智能组织推到台前，某种程度上也是在重新定义AI商业化的竞争边界。
模型越来越强，企业却未必因此自动变得更强。技术可以采购，算力可以租用，智能体也可以快速部署，但一家企业长期积累的经验、知识和组织协作能力，很难在短时间内复制。
这或许才是AI时代值得重新审视的企业护城河。
