今年在现场，我感受到了百度的另外一种变化。百度，正在变得更自信。舞台离观众更近了，上台讲产品的是一群年轻的产品经理，李彦宏讲着讲着就走到了人群里。
但更深的自信不在这些细节里，它来自一种以十年为周期的判断习惯：昆仑芯做了十几年，萝卜快跑走了十几年，这些业务当年都被问过“为什么值得做”，如今一个个站到了台前。李彦宏还在说“相信技术可以改变一切”，芯、云、模、体依然站在舞台中央。
一家公司真正的自信，大概不是它说自己有多强，而是它敢把最难的问题摆上台面，并且先拿自己试验。
今年百度摆上台面的问题是：组织。
过去两年，AI 正在加速进入企业。从写作、代码生成到数据分析，越来越多员工开始借助 AI 处理日常工作，AI 也逐渐成为企业新的生产力工具。
但让员工使用 AI，不等于企业已经完成了转型。世界经济论坛与科尔尼联合发布的研究显示，2025 年全球 AI 投资超过 2500 亿美元，但只有 25% 的企业认为 AI 已经产生了变革性影响。
正如《周易》所言：「形而上者谓之道，形而下者谓之器」。在 AI 时代，企业不能只更新工具，更要重构组织。
AI 可以让一个人更快完成手头的工作，却未必能打通部门之间的信息壁垒；可以让某个业务环节提速，却未必能让整条业务链条同步运转；可以帮助员工整理经验、沉淀知识，却未必能让这些知识成为整个组织能够调用的资产。
员工手中的工具已经改变，企业内部的分工、协作与决策，却可能仍在沿着旧轨道运行。
对此，李彦宏用一个工厂的比喻来描述“智能组织”这个概念：人工智能是新电能，智能组织是AI时代的新厂房。
这个比喻的锋利之处在于，它指出了一件容易被忽略的事：电机功率再大，装在一间按老图纸建的厂房里，生产线也不会自动变快。
这也是今年百度世界想说的核心判断。上一阶段，企业比的是谁更快用上AI；下一阶段，比的是谁能围绕AI重新组织生产力。
李彦宏认为，“AI没有产生预期的经济效益，是因为我们只是更换了电机，却还没有重新设计工厂。”
使用 AI 不等于拥有 AI组织
论起企业的AI转型，一个颇具反差的现象是，投入和应用都在快速增长，真正转化为组织生产力的企业却并不多。
据德勤的一项调查显示，74% 的受访管理者预计，未来四年其企业近一半业务流程将围绕 AI Agent 重新设计或构建。但目前，真正实现跨职能多 Agent 编排规模化应用的组织只有 15%。
另一组数据来自IBM，覆盖16 个国家、17 个行业、2000 多名企业高管的调查也显示，82% 的受访高管认为，职能部门之间的壁垒正在阻碍价值创造；与此同时，55% 的组织正在开发或部署智能体 AI 运营模式。
一边是期待，一边是落地，中间隔着组织。
微软把这种现象称为“企业AI转型悖论”：员工已经开始用AI提升个人效率，团队也在尝试新工具，但业务流程、协作方式和评价机制依然停留在过去。
这种悖论的产生，不是因为技术不够强，而是因为 AI 带来的变化没有被传递到整个组织。比如，一名销售人员可以利用 AI 分析客户资料、判断商机，甚至自动生成销售方案，但如果客户信息仍然分散在不同系统中，他仍然需要自己联系产品、技术和交付团队，AI带来的效率提升就会在部门交接时被消耗掉。
个人的工作变快了，业务链条却没有因此变短。
更值得注意的是，AI 正在模糊传统岗位之间的边界。OpenAI 经济研究团队分析了 80 多万条 ChatGPT 消息后发现，43.5% 的职业特定AI使用涉及原本属于其他职业的任务。这意味着，AI 已经开始承担过去由其他岗位完成的工作。
Gartner 预测，2030 年 50% 的 IT 基础设施与运维组织将因 Agent 承担复杂管理任务而重组，但目前超过 90% 的相关组织尚未做好准备。
波士顿咨询曾发布过这样一个案例，一家欧洲能源企业虽尝试过大量 AI 试点，但零散的项目并没有自然转化为整体业务收益。后来，管理层为企业制定了为期两年的AI 优先转型计划，将转型重心从单点部署AI 工具，转向围绕端到端的客户旅程，重新设计整个客户服务流程。
企业甚至通过交互式原型和叙事视频，将未来的 AI 服务场景具体呈现出来，让不同部门围绕同一个目标形成共识。并用交互式原型和叙事视频把未来的服务场景具体呈现出来，让不同部门围绕同一目标形成共识。转型启动后很快出现了可按年化计算的成本节省，AI 客服旅程的满意度追平人工服务，对外部服务供应商的依赖降低了90% 以上。释放出来的现金流，又被投入下一阶段的 AI 转型。
AI 竞争——赛点在下游
此前有业内专家提出了 AI “五层蛋糕”理论，将 AI 产业的基本架构划分为能源、芯片、基础设施、模型和应用。这套框架回答的是产业链上半段的问题——智能如何被生产出来。
但技术供给充足，并不意味着经济价值就能充分释放。模型解决了智能如何被生产的问题，企业如何将这些智能真正用于经营、转化为生产力，则是另一个需要回答的问题。
把这条链拉直，会看到一个更完整的坐标系：上游是能源和算力，中游是模型和平台，下游是组织。过去几年，竞争几乎都集中在上游和中游——更强的模型、更多的卡、更大的用户规模。下游那一段，一直空着。
李彦宏把手指向了这一段。他的表述是：AI 技术的上游是能源，下游是组织能力。
这个判断也不是突然出现的，事实上，李彦宏在 2025 年就已经提出 AI 应该内化为企业的原生能力。在接受极客公园采访时，他特别强调，真正的内化发生在组织层面，而不是个人层面。员工使用AI 写报告、生成代码，只是个人效率的改善；只有当 AI 进入企业的业务流程，改变不同岗位之间的协作方式，才算真正成为企业的原生能力。
到了 2026 年 5 月的 Create 大会，李彦宏把这一思考进一步推进到组织形态，提出超级个体和人机混合编队，认为过去一个公司的最小生产力单元是团队，未来则可能变成一个人加上一支智能体编队。人与智能体之间的分工协作，将逐渐取代部分传统的岗位协作方式。同一场演讲里，他还换了一把尺子——用 DAA（日活跃智能体数）替代 Token 消耗，来衡量 AI 的真实价值。
到今年百度世界，话题正式落到组织本身。三年三步，从“内化”到“编队”到“智能组织”，逻辑是一致的：AI 要成为企业的原生能力，必须穿过组织这道门。
（图源：希加加数字人专访百度创始人李彦宏）
当企业开始围绕任务组织人和智能体，原有的岗位边界也就有了重新划分的可能。李彦宏给了三个原则来实现。这三条不是并列的清单，而是一条递进的链：先改任务怎么分配，再改知识归谁所有，最后改组织怎么成长。
一、 “打破岗位边界，释放组织活力”
过去，一项完整业务往往需要销售、产品、技术和交付等岗位逐段接力。现在，智能体可以承担其中一部分工作，员工则围绕具体目标调度不同能力。岗位并不会因此立即消失，但企业不再需要完全按照原有的岗位分工来组织每一项任务。
二、“沉淀隐性知识，构建组织智能”
与此同时，企业长期积累的经验也开始有了新的价值。资深销售对客户的判断、工程师处理故障的经验、工艺专家对生产环节的理解，往往掌握在具体员工手中，并没有完整记录在制度和系统里。AI要真正进入企业，就需要把这些分散在个人手中的隐性知识整理出来，沉淀为整个组织能够调用的能力。否则，员工积累的经验仍然只是个人资产，很难随着组织规模扩大而持续发挥作用。
三、“设计流程闭环，推动组织进化”
但知识被记录下来还不够。如果智能体每次执行任务都从头开始，企业仍然只是在增加一种新的劳动力。任务完成之后，结果需要被衡量，执行中出现的问题需要得到反馈，并进入下一轮任务。
李彦宏将这一机制概括为“可衡量+Looping=持续进化”。当任务执行、结果评估和流程调整形成循环，组织才有机会在一次次工作中改进自身。
AI 带来的竞争优势，最终可能不只取决于企业拥有多强的模型，还取决于它能否把技术能力与自身积累的知识、经验和业务流程结合起来，形成真正属于自己的组织能力。
对企业而言，这种变化的意义也不止于节省人力。人和智能体重新组合，可以降低企业扩张对人员规模的依赖；长期积累的专业知识和业务经验，可能成为竞争对手难以复制的壁垒；当更多员工能够借助AI 参与创新，企业发现新需求、开拓新市场的方式也可能随之改变。
而这也正是智能组织与简单部署 AI 工具之间的区别。当AI竞争的赛点从“谁会使用 AI”逐渐转向“谁能真正围绕 AI 重构组织”，一套能够让任务、知识与流程持续运转、自我优化的系统，就将成为企业在下一个时代最宝贵的组织资产。
第一批智能组织，已经在路上了
人和 Agent 同时工作，正在成为百度内部的一种新工作方式。
根据百度披露的内部数据显示， DAA 从日均 0.5 万增长到 3.7 万，涨幅超 6 倍；智能体执行的有效任务完成数，从每周平均 8.4 万个，增长到一周超过 100 万个，暴涨 11 倍。百度已建设 4300 个 Workspace，组织 Skill 累计沉淀超过 2 万个。
数字之外，更值得看的是人。百度搭子团队甚至开始用自己的产品推进产品研发。上线以来，过去半年，团队与百度搭子协同完成了数千项任务，并将执行过程中积累的经验持续反馈至后续任务，逐步形成可复用的工作能力。
类似的变化发生在百度数字人创新业务部。据悉，团队打破产品、研发、设计和测试之间的岗位边界，推动全员向 Builder 转型。2026 年第三季度，数字人产研团队完成 564 次迭代，沉淀 130 个Skills 和 729 篇组织资产，人均吞吐提升125.3%，交付周期缩短 28.8%。一名校招新人借助 AI，仅用一天就完成了过去需要五个角色、至少十天才能交付的需求。
除了百度，样本开始出现在产业里。
南方电网的电力调度是一个典型场景。面对南方五省两亿多人的用电保障，配电网自愈线路能快速定位故障、恢复供电，但仅广西电网 2025 年就发生永久性故障 8215 次，人工研判单次耗时超过 60 分钟，且高度依赖专家经验、极易误判。百度搭子与南方总调合作落地的“天璇伙伴”，学习上万条历史故障处理数据，把资深专家经验沉淀为可复用的专业知识，并将故障记录、开关信号、线路拓扑串成完整证据链，实现“故障—分析”的闭环研判。故障分析准确率达到 70% 以上，效率提升 12 倍，已在广西 14 个地市、112 个县全面推广。
更关键的是它能自主“成长”——老师傅的实战经验在每一次运行中继续累积。这正是原则二想说的“组织智能”：经验一旦进入系统，就不再随人退休而消失。
同样，在山东海高激光的生产线上，多台六轴机械臂需要协同完成同一工件的切割加工。过去，各台机械臂的加工轨迹和执行顺序主要依赖工艺人员的经验，既要避免设备之间发生碰撞，又要尽可能缩短整体加工时间。
百度伐谋将运动耗时预测、多机防碰撞和任务排程纳入联合优化。目前，单个工件已经跑通从时间预测、防碰撞验证到任务排程的完整流程，并开始向更多工件和批量任务拓展。原本掌握在少数工艺专家手中的排程经验，也由此开始转化为生产团队可以重复使用的算法能力。
与此同时，其他走在前面的企业和研究机构，也在探索 AI 时代组织形态的变化。
麦肯锡提出 Agentic Organization（智能体组织），主张围绕业务目标重新配置员工与 Agent；微软则提出 Frontier Firm（前沿企业），并组建约 6000 人的前沿部署工程团队，直接进入客户企业，帮助其重新设计业务流程。智能组织已经从少数前沿企业的探索，逐渐成为全球科技产业共同关注的方向。
智能组织，正在从少数前沿企业的探索，变成全球科技产业共同下注的方向。
当 AI 开始改变工作的完成方式，企业原有的岗位分工和管理流程也不可能永远维持不变。技术可以不断迭代，但如果组织始终停留在过去，AI所带来的生产力就很难得到充分释放。
而在更长的时间尺度上，企业之间的差距也将不再只是模型和工具的差距，而是组织能否跟上生产力变革的差距。十多年前的百度世界大会上，李彦宏提出“互联网的下一幕是人工智能”时，AI 还是一个遥远的词。现在，这个台上呈现的，是一家公司该如何在 AI 时代的浪潮中“重新组织自己”。
一家公司真正的自信，不是它说自己有多强，而是它敢把最难的问题摆到台面上，并且先拿自己试验。智能组织这道必答题，百度已经开始书写自己的答案。
