智能体的普及带来一个副作用：个体的力量被放大，公司“变老”显性化
文｜吴俊宇
编辑｜谢丽容
过去五年的百度世界大会，主题几乎都落在技术和产品上：模型、芯片、云、自动驾驶、智能体。这是一种很典型的百度叙事。一家技术公司，用一年一度的发布会展示自己的技术进展。其中一些技术条线，比如模型、芯片、云、自动驾驶，百度已经坚持了十年以上。
2026年11月12日的百度世界大会，主题换成了“智能组织”。相比模型、芯片、云、自动驾驶、智能体，这看起来是一个务虚得多的概念。产品和技术至少看得见、摸得着，而且可以用数据量化，但智能组织却没有一个现成的指标，它难以衡量。
不过，智能组织这个议题在百度创始人李彦宏那里，显然酝酿了很长时间。
去年百度世界大会，他提到企业要“内化AI能力”。今年5月百度Create大会，他开始讨论组织如何自我进化。这次百度世界大会，这个问题进一步变成了：AI时代的公司应该怎么运行？
李彦宏思考得出的答案是——智能组织。在他的心目中，这是一个不同于现在通行的科层制的AI原生组织体系。
在他看来，2016年-2026年这十年，AI形成了“芯云模体”（芯片、云、模型、智能体）的完整技术栈。如果AI技术的上游是能源，那么AI技术的下游就是组织能力。
这个话题起源于今年以来很多企业管理者的疑问：为什么Token成本越来越高，收入和利润却没有跟着涨？
李彦宏用工业时代作比，AI没有产生预期的经济效益是因为“我们只是更换了电机，但没有重新设计工厂。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。”
类似的问题，经济学家保罗·戴维（Paul David）在1990年的论文里讨论过。19世纪末，美国工厂开始用电动机取代蒸汽机，但最初只是把一台蒸汽机换成一台电机，厂房布局没变，生产率也没怎么变。直到工厂围绕电机重新设计布局和流程，生产率才明显提升，中间隔了几十年。
2026年，随着智能体普及，个体的力量正在被放大，组织的反应速度却没跟上。越来越多人开始担心，自己所在的公司正在变老——这也是很多公司正在浮现的焦虑。
李彦宏在百度世界大会演讲前一天，恰逢腾讯创始人马化腾在腾讯28周年Linktime线上直播中说——（腾讯公司）现在已经不是简单从结构上降本，而是能不能适应新打法、新战场、生死攸关的变革。目的不是降本，而是适应新的战场。人和组织都要做大调整。希望在原有人力的情况下，节奏更快、小团队能做大事。
焦虑不只在大公司的管理层。今年以来，上到50岁的企业家，下到20岁的企业员工，都对我们表达过同一种担心——害怕公司有“老登味”。一位企业软件公司CEO，他所在公司已成立38年，他在与我们的对话中甚至直言，不奢望公司马上做到AI Native（AI原生），但至少不要变成老登公司。
李彦宏的思考，正是切中了这种时代焦虑：AI进入公司后，组织怎么才能不变老。
个体力量在放大
2026年以来，随着Codex/Claude Code等智能体普及，个体和小团队的力量在被无限放大。越来越多人的工作方式正在发生变化。
一位投资人今年的工作方式变了。过去，他找项目主要靠跑，见创始人、参加路演。信息要经过朋友、行业活动、FA（财务顾问）层层传递，才能到自己手里。
现在，他的很多项目是在GitHub（全球最大开源社区）上找到的。他按自己关注的方向批量搜索开源项目，直接读代码，判断团队的工程能力和项目的完成度，再通过开发者或研究员在主页上留下的邮箱或电话联系对方，约出来见面，直接看到一个项目的原始代码和论文。
他一个人能覆盖的范围，比过去大了很多。
类似的变化也发生在创业者身上。
一位大厂离职高管创业后对我们说，他原本已经15年没写过代码，但创业后一人用Codex写出了产品Demo（原型）。代码自己看，架构自己梳理。
这么做的原因是，他非常在意找回“做事的手感”。不希望只靠听汇报去做判断，而是希望沉下心，把以前不想干、可以交给别人干的事情，从头到尾完整做一遍。他设想的扩张方式也不再是招一支大部队，而是用一个不到20人的团队先把一个行业跑通，再用10人左右的小队进入下一个行业。
个体变快后，组织关系也在跟着变。新的技术变革中，往往会长出新的公司形态。
一位曾在某家大型互联网公司任职近20年的企业管理者对我们表示，工业时代强调自上而下的金字塔组织，把目标一层一层分解，更强调执行和纪律。10多年前的互联网时代开始强调网络化、扁平化组织，这带来了创新。但互联网公司发展到今天，这种组织形态也差不多走到极致了。
AI原生组织被认为是下个阶段的方向。在他看来，AI时代，一线员工接触到的信息并不少，面对新工具、新技术和业务现场，甚至比管理者反应更快。管理者的责任可能不再是告诉别人该做什么，而是更多地成就别人，“因为AI正在放大个体能力，优秀员工能创造的价值越来越大”。
然而，个人和小团队的提效，和企业整体的提效之间，存在一道鸿沟。
从一线的视角看，有了新工具和新想法，希望做更多事情，但这并不等于就能拿到资源。一个想法，小规模可以自己验证，但要真正做大，算力、预算和人手还在组织手里。
从企业的视角看，管理者同样希望AI带来组织层面的效率提升，但他们看到的往往是员工各自用AI提了效，业务流程、协作方式和考核机制却没什么变化。
一面是寻求创新的一线员工拿不到资源，另一面是在企业内推广AI的管理者看不到整体回报。这个鸿沟，恰恰是很多企业内部焦虑和矛盾的来源。
上述企业管理者认为，对一家公司来说，真正危险的是阶层和利益固化。他所理解的“老登公司”，是信息不再流动的公司。信息上升的通道没有了，数据在组织内部也流不动了。这导致的情况是，有新想法的人想往上走，发现通道被堵住了。一线有新的信息和判断，也没有通道传递上去。
组织，如何应时而变
如何让公司重新流动起来？李彦宏提出了智能组织的三条原则。
第一个原则是，打破岗位边界，释放组织活力。在他看来，岗位是工业时代的单元，任务则是智能时代的单元，未来的组织就是一个任务的网络。岗位会分成两类，分别是负责创造新东西的Builder（开发者和创造者），以及负责人与人之间沟通和连接的Seller（销售者和沟通者）。
第二个原则是，沉淀隐性知识，构建组织智能。这些隐性的知识显性化，沉淀到公司的平台上，可以持续累积、随时调用、人人可用。
第三个原则是设计流程闭环，推动组织进化。他认为，智能组织是一个自主进化的智能系统。
换句话说，组织不再是一张固定的架构图，它围绕任务随时聚散，像液体一样随任务流动。这听上去有些抽象，但把这些想法，放进新一代的AI原生企业里去看，会变得具体得多。
今年11月，一位算法工程师向我们提到了模型训练中的一个问题——“资源诅咒”，一个上千人的模型训练团队，不一定比两百人的团队做得更好。
原因是，公司招了很多人、立了很多项目，但能同时跑训练的GPU（图形处理器）有限，于是团队之间开始争夺算力和排期。这反而造成了组织内耗。在卡足够多的情况下，这个问题甚至也不会缓解，因为每个人都想在一个小方向上试试，每个方向都分到了卡，也都能拿出一点进展，但没有哪个方向能做到最好。
一位模型创业公司人士对我们提到，一个200人的团队反而可以只聚焦少数几个技术方向，由几位长期在一线、对模型有手感的算法负责人带着二三十人探索。他们看几轮实验结果就能判断哪条路线值得继续加资源、哪条线应该减少资源，每条线的反馈和循环链路都非常短，不需要层层汇报。
这带来的一个巨大反差是——千人团队里，决定卡给谁的人，常常离实验隔着好几层。但小团队里，看实验的人自己就能拍板。
还有一些公司走得更远，不只人少，甚至连办公室都不需要。他们靠线上协同工具进行沟通和会议，然后靠共享代码仓库维持协作，组织边界由任务决定。
我们近期接触的一家不到100人的中国后训练公司，他们的成员分布在硅谷和中国的深圳、北京、上海等四五个城市，全部远程办公。一位给他们做顾问的人告诉我们，他每天要在线上听各种会，所有讨论都在线上完成。
他的自由度很高，可以参与产品、技术、销售等各个环节，了解最真实的一手信息，甚至看到销售订单。他可以根据一线最真实的情况提出传播建议。但在大公司，一个做传播的人很难拿到这么完整的信息，中间往往隔着部门墙和信息墙。
在技术和研发层面，这家公司的代码协同和线上协作几乎就是组织本身。它没有大公司的层级和部门墙，人少、卡也不多，每一轮实验都要想清楚再跑。分散在几个时区的人，要靠线上的会和共享的记录，把一轮实验接到下一轮。
这些小团队有活力，是因为每个人都离一线足够近，盯着的是问题本身。不用层层汇报，也不用在组织博弈里争KPI。真正决定资源往哪里走的人，往往是离一线问题最近的人。
大公司如何长出新组织
那么，大公司是不是注定要输给小团队？并非如此。
大公司的短板在早期，一个新想法刚冒头时，往往说不清价值，也放不进现有的考核指标，很容易在层层汇报中被过滤掉，或者拿不到卡去验证。
但它的长板在后期。一旦方向被验证，大公司有足够的人、卡和钱，能比小团队更快把它做深做大。补上早期这一段，大公司就有机会同时拥有两种优势。
百度正在用自己做“智能组织”这个实验。这家数万人规模的科技企业，它的组织创新已经率先迈步。
从公司层面来看，百度方面的数据显示，一年来，百度内部日均活跃智能体数（DAA）从0.5万增长到3.7万，涨了6倍多。智能体每周有效完成的任务数，从平均8.4万个增长到超过100万个，增长到原来的约12倍。百度内部已建设4300个Workspace（工作协同空间），累计沉淀的组织Skill（技能）超过2万个。
落地到具体的业务上，一些具备AI原生组织特点的团队正在诞生。
一个例子是dodo。这是百度内部一个十来人的小团队做出来的AI助手，上线7个月，已经覆盖99%的正式员工，并推动300多个内部平台完成AI友好化改造。十来个人做出全公司都在用的产品，说明在一家几万人的公司里，小团队的想法仍然有机会长出来，并且得到认可。
另一个例子是百度一见团队。这个团队原本有100多人，按传统方式分工协作。转型后，首个试点改由3人协同智能体完成，两周推出初版，1个月完成系统交付。接入真实业务数据后，团队整体效率提升60%-70%，二季度研发量达到一季度的两倍以上。客户需求从提出到得到反馈，从大约1个月缩短到了天级。
组织里的角色也在变化。过去，百度智能云的业务是“铁三角模式”。前线销售和解决方案团队懂行业，交付团队在客户现场落地，产研团队在后方收集反馈、迭代产品。现在，FDE（前沿部署工程师）的新角色正从一线长出来，一个人同时懂行业、能落地、会推动产品改进。目前，FDE已经在金融、能源、制造、汽车、政务等行业交付了100多个业务场景。
百度这些创新实践，是大公司怎么保住小团队的创新能力的一个切片。在这个案例上，亚马逊一直坚持一个经典答案。
亚马逊有一个“两个披萨团队”原则——一个团队的规模，应该小到两个披萨就能喂饱。团队小，沟通成本就低，决策就快。更关键的是，You build it, you run it（你构建它，你就运行它）。这样，让团队离自己的用户和问题足够近。
支撑这套组织方式的，还有IT基础设施上的一个原则——最小爆炸半径（blast radius）。把IT基础设施切成一个个相互隔离的单元，任何一个单元出现故障，影响是局部的。小团队各自探索，失败的代价也是局部的，但成功的经验可以被放大。
到了AI时代，这套原则有了新的版本。团队可以比两个披萨更小，试错也可以更简单。在这个逻辑下，李彦宏认为，智能组织将带来一些新的机会。
比如，小团队和轻资产运营。一个人或者很少人，可以带着一群智能体，去完成各种各样的任务。同一件事，企业甚至可以并行开很多小的实验，不只是一次只押注一个团队。
创造和发现新市场也变得更容易了。企业创新从依赖少数创新部门，转向全组织并发探索。因而更有可能发现和创造出新的市场，培育新的增长曲线。
智能组织能不能让一家大公司不变老，眼下没人能下结论。可以确定的是，实验已经开始了——百度是第一批把实验做进自己组织里的公司，也已经把方法带进了产业场景。
接下来，要看有多少企业愿意走进这座新厂房。
