2016年，国内科技公司的主线叙事是互联网，而百度那年世界大会的主题是“AI is the new Electricity”（AI是新电能）。
大会上百度第一次对外展示了百度一系列AI新产品和新技术，在日后要么为百度AI打下了核心基础，要么成为了小度、萝卜快跑等业务的技术基石。
“移动互联网之后的下一幕是什么？其实现在已经很清楚了，就是我们所说的人工智能。”李彦宏当时提出的反共识预判，放到就今天已是人所共知的常识。
今天，百度世界2026的主题“下一幕，智能组织”，已经拿到十年前答案的李彦宏给出了新的预判。
“如果说人工智能是新电能，那么智能组织就是AI时代的新厂房，是生产力真正发生的地方。只有匹配AI各种新能力的组织方式落地了，生产力才会大幅度提升。”
他认为AI技术大规模落地之际，接下来整个行业需要把注意力放到组织上。为此他提出了智能组织三原则，分别是打破岗位边界、沉淀隐性知识、设计流程闭环。
当下百度完成“芯云模体”的全栈体系，持续向G、B、C输出各类AI产品。李彦宏在此时的发言，显然是意识到智能组织既是百度内部的下一站，也是AI浪潮下，全行业的下一站。
换电机就得建新厂房
一次大规模的生产力革命爆发与价值显现往往并不会同时发生，因为技术先至，与之适配的组织系统还没有出现。
18世纪70年代，改良后的蒸汽机出现，生产场所选址不必再将河流作为选址的刚性要求。
当时的管理者们认为，把蒸汽机接入到作坊既有的设备上，工匠们按照老办法继续生产即可。由于动力从自然的水能替换为了蒸汽动力，但组织仍然停留在过去。所以机器并没有如预料那般，迅速提升生产效率。
直到半个世纪后，现代工厂制度才在拆分工序、固定工位、固定排班、统一管理等一系列完善后，技术才真正兑付生产力价值。
此后由能源驱动的技术革命大多会经历类似的循环。
新的电机进入到工厂，但对应的组织形态要等到1913年福特的T型流水线。这套组织体系，将电力分散驱动和工序排定组织出现，打破了束缚生产力的瓶颈。新电机的出现跑在新厂房之前，在互联网时代同样不例外。
从信息化建设到后来的数字化革命，企业上线一套又一套系统，对应的组织能力，如OKR这类配套体系到上个十年才姗姗来迟。
如今，AI应用喷涌，再一次出现了技术与组织的弱环效应。模型能力不断出现代际变化，短短两年时间，智能体已经从对话Bot走向长链路任务。反观企业端，由于适配AI的组织体系尚未跟上，企业资本开支的曲线与收入增长的曲线并没有同步上升。
微软在《2026工作趋势指数年度报告》中，梳理了过去几年企业AI应用落地时，发现了一个悖论：员工开始使用AI工具提升个人效率，团队也在全面拥抱新工具，而业务流程、协作方式、评价机制都还停留在前AI时代，组织本身没有发生任何变化。
提升局部效率，组织生产力与AI工具数量没有直接关系。工具部署和试点成果很容易装裱为一份好看的成绩单，也容易让人误以为转型已经完成。
但在企业实践中，员工依靠AI省下的时间，最终会在跨部门对齐、层层审批、反复复核等组织流程中被消耗殆尽。这导致企业的Token账单越来越长，利润曲线并未随之升高，很大原因是卡在流程、协作、评价上，而这三点仍然保持着上个时代的状况。
波士顿咨询公司在《Design Your Company for AI,Not AI for Your Company》（为AI设计公司，而非为公司设计AI）的文章中，研究了一家欧洲能源企业的案例颇为典型。
这家公司早期曾进行了大量AI试点，即便单点测试跑通，整体收益的表现并不显著。于是企业放弃了不改制度只改工具的策略，转而重构客户流程，业务才来到改善的拐点。
国内也有类似案例，去年不少大公司用一种大干快上的叙事全面AI化，包括Token不限量供应等等，到今年画风陡转。
其中一家巨头的高管在8月将其总结为四重错配，认知上，企业对AI要么夸大要么轻视；效率上，大模型用于日常事务而未触及核心；场景上，AI仍游走在边缘，未能融入经营核心；考核上，追求立竿见影却忽视企业内部适配程度。
局部成功，不等于组织增效。李彦宏在演讲中表示，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。
AI是提供动能的新电机，智能组织是与之配套的新厂房。电机可以自己采购，也可以外部采买，唯独厂房需要企业自己量身规划。既然换了电机，就必须更换厂房。
组织，AI竞争的下一个赛点
许多企业管理者以为上的AI工具越多，就能在AI竞赛中领先。
这很大程度上受到了海外“AI五层蛋糕”说的影响。该理论将AI产业拆解为能源层、芯片层、基础设施层、模型层、应用层，五层产业链环环相扣、上下游联动。这套框架其实是回答“智能从何而来”，以及聚焦到了能源竞争上。
有观点认为AI竞争的本质是能源博弈，没有回答怎么让AI真正变成生产力。李彦宏在百度世界2026大会中认为AI的下一幕在于智能组织。以百度为例，在“芯云模体”全栈底座之外，需要增加“组织层”，聚焦于智能生产出来之后，智能如何真正进入企业、创造生产力。
按照这个逻辑联系李彦宏此前的表述，可以从纵向时间线索完整地理解“智能组织”的演化过程。
早在2025百度世界大会上，李彦宏就已尝试将注意力从技术视角，拉回组织视角。当时他在谈论AI内化能力时指出，真正的内化，落脚于组织，而非个体，核心是把企业待解决的业务问题，转化为AI可以承接、处理的问题。
到今年5月，在AI内化的基础上，认为AI时代企业应该走向组织的“自我进化”。自我进化有三个维度，智能体需要从被动响应走向主动执行；人类个体需要学会与AI共存，从普通个体进化为超级个体；企业组织得把人与人分工合作，改变为人与智能体的混合编队，成为超级组织。
沿着这条思考脉络，百度世界2026落点于“智能组织”，提出：“组织是AI时代的必然命题，智能组织就是激活AI时代生产力的厂房。”在AI竞争的下半场，谁能解决组织落地的难题，谁才能把模型的能力真正兑现成产业红利。
与此同时，伴随着智能体的爆发，李彦宏也在5月的百度Create大会上提供了一个尺度DAA（日活智能体数），用以衡量AI交付结果。
先将AI内化到组织与个体，然后推动二者主动进化，以DAA为标尺之后，最终走向智能组织。
传统的组织建设于岗位制，从个人能力出发，衍生出权责、流程与体系。而智能组织的的逻辑，转向为以任务为中心，让组织中的人、智能体围绕目标进行协同。
李彦宏首先搭出了一个智能组织的基础框架，即智能组织三原则。其一是打破岗位边界，释放组织活力；其二是沉淀隐性知识，构建组织智能；其三是设计流程闭环，推动组织进化。
三层原则层层递进，从释放个人效能，到汇聚集体智能，再到形成优化闭环，最终构成智能组织的骨架结构。在这其中，还有一套“可衡量+Looping=持续进化”的进化公式形成优化闭环。
当组织的协作方式、知识管理、迭代机制完成智能化适配，新电机与新厂房才能迸发出AI时代的组织效能。
第一批“智能组织”已来
AI浪潮之下，不同机构都基于自身特色，给出AI时代的组织增效解法。
微软提出的“Frontier Firm”强调组织形态；麦肯锡的“Agentic Organization”侧重组织方法；而Anthropic主张的“AI Organizations”看重人机的组队配置。李彦宏提出“智能组织”，聚焦于组织怎么自己长出来。
依托于“芯云模体”全栈自研能力，百度打通了统一的量化评估、任务反馈与Looping闭环，已在内部拿到了实践结果。
落地到百度内部的实践中，百度搭子团队率先将产品、设计、研发的协作链路，沉淀为一套可复用的人机协同工作流。
在这套流程里，产品经理输入场景、判断方向，智能体承接需求分析工作，按照前端规范生成高保真原型和实现方案，并与设计师调整体验与交互，研发拿到完整的原型和PRD后直接开发，最后对照规范完成走查。
整个工作链路中，产品经理更多负责判断，设计师负责体验创新，研发也减少了理解需求的成本。一个典型需求从分析到可交付方案由7天缩短到2天。整套流程已沉淀为“需求闭环工作流”Skill，其他产品团队配置好产品信息、代码库和需求来源后就能复用。
过去半年，团队和百度搭子一起完成了成千上万个任务，每次任务的经验都能够带进下一次，并表现为产品的自我迭代，上线半年时间，版本完成了160次迭代。团队成员表示：“很多时候，所谓岗位边界，并不完全是能力本身的边界，而是知识和经验流动的边界。”
这套能够自我迭代、持续沉淀的智能组织范式，被全栈AI向外扩散至产业。
在电力运维场景中，百度搭子进入南方总调，联合打造了产品“天璇伙伴”。
面对南方五省两亿多人用电保障的重任，配电网自愈线路虽能快速定位故障、恢复供电，但仅广西电网2025年就发生永久性故障8215次，传统人工研判单次耗时超60分钟，且高度依赖专家经验、极易误判。
为破解这一难题，天璇伙伴落地南方总调，通过学习上万条历史故障处理数据，将资深专家经验沉淀为可复用的专业知识，并把故障记录、开关信号、线路拓扑串联成完整证据链，实现"故障一分析"的闭环研判，分析准确率达70%以上。
据了解，该应用使配电网故障分析效率提升12倍，目前已在广西14个地市、112个县全面推广。而其“沉淀的隐形知识”，让老师傅的实战经验得以传承，智慧在每一次运行中持续进化。
相同的产品在内外同时产生结果，“新电机+新厂房”的构思已经有了最好的例证。我们也注意到，百度内部与外部的变化还给到了一个新的提示：走向智能组织是“一把手工程”。
当下AI应用的爆发回应了十年前李彦宏的判断，一把手判断对方向是拿到下个时代船票的前提；眼下智能组织的落地，则需要一把手躬身入局。
百度和第一批智能组织已经拿到了结果，接下来还会有第二批、第三批。
