“为什么我的 Token 花费越来越多，但是收入和利润不见涨？”百度创始人李彦宏在 2026 百度世界大会上抛出了一个不少企业正在面对的问题。
他观察到，一些年初还在强调 Tokenmaxing 的企业，如今也开始掉头控制预算。AI 工具用得越来越多，Token 消耗持续增长，业务收益却没有同步提升，问题究竟出在哪里？李彦宏将这一现象类比为工业时代的电气化：早期工厂只是更换了电机，却没有重新设计生产线，因此电气化并没有立即带来预期的生产力提升。
“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了。”李彦宏认为，企业需要围绕 AI 重新设计组织和业务流程，让智能体真正进入销售、客服、研发、运营等环节。
“新生产力只能从 AI 的流水线里头长出来，从智能组织里头长出来。”这是李彦宏今年提出的核心判断。他将 2026 百度世界大会的主题定为“下一幕：智能组织”，并认为 AI 带来的变化将逐渐从技术和工具层面延伸到企业的分工、协作和价值创造方式。
回顾 2016 年，李彦宏曾在百度世界大会上提出“AI is the new electricity”（人工智能是新的电能）。过去十年，人工智能逐步形成了以芯片、云基础设施、模型和智能体为核心的独立技术栈。李彦宏认为，如果能源是 AI 产业的上游，那么组织能力就是其下游。未来企业需要建立适应 AI 能力的组织体系，让人和智能体共同完成工作。
过去一年，百度也在内部推进这一转型。李彦宏公布的数据显示，百度内部每日活跃智能体数量（Daily Active Agents，DAA）已经从约 5000 个增长到 3.7 万个，增长约 6 倍；每周有效工作任务数从 8.4 万个增加到超过 100 万个。在知识沉淀方面，百度已经建设超过 4300 个 Workspace，并沉淀了超过 2 万个组织 Skill。
李彦宏表示，沉淀这些知识和技能，是为了让组织中的经验能够被更多人复用，也能够被智能体调用，“让一个人的经验成为整个组织的能力”。
基于百度内部实践，李彦宏将 AI 时代的组织进化归纳为三个原则：打破岗位边界、沉淀隐性知识和设计流程闭环。
首先是打破岗位边界，让组织从以岗位为中心转向以任务为中心。“岗位是工业时代的单元，任务则是智能时代的单元。”李彦宏认为，传统企业强调人岗匹配，一个岗位对应一组相对固定的职责。AI 时代，一个人的能力可以得到极大扩展，同时承担多个角色、参与不同任务，个人的认知、经验和判断力也能够在多个业务场景中复用。
他判断，未来岗位大致会收敛为两类：一类是 Builder，负责创造新的东西；另一类是 Seller，负责人与人之间的沟通和连接，让对方产生情感、建立信任。岗位本身不会消失，但岗位之间的界限会逐渐模糊，组织则会转变为由人和 Agent 共同组成的任务网络。
第二个原则是沉淀隐性知识，构建组织智能。企业内部存在大量难以通过正式文档表达的经验，例如部门之间如何协作、如何做出业务决策、如何与客户谈成合作。这些知识如果只存在员工个人的经验中，就很难被其他人和智能体复用。
李彦宏认为，企业需要将这些隐性知识显性化，沉淀到组织平台，让员工和 Agent 都能够持续调用。他强调，“这种组织能力，是别人抄不走、挖不动、买不来的，这才叫护城河！”
第三个原则是设计流程闭环，让组织持续进化。李彦宏提出了一个公式：“可衡量 +Looping= 持续进化。”面对复杂任务，企业需要先设计执行流程，建立客观的衡量标准，再让 AI 根据每一轮执行结果不断调整。每完成一轮任务，就进行评估，根据结果优化方案，再进入下一轮执行。
李彦宏认为，当人和 AI 围绕一个任务形成持续循环，企业就会逐渐变成由大量 Loop 组成的高度自动化组织，业务响应和创新速度也有机会随之提升。
模型各自训、Agent 追热点：百度内部也踩过坑
智能组织的建设并非一蹴而就。李彦宏也分享了百度过去一年在 AI 组织转型中遇到的两个问题。
第一个问题是业务部门各自训练模型。
大模型刚出现时，百度内部不少工程师都希望尝试训练模型，使用开源模型进行监督微调（SFT）。这些模型在初期的业务应用中表现不错，但随着基础模型持续升级，原有微调成果很快就落后了。
李彦宏回忆：“基础模型一升级，它那个东西就又落后了。”此后，百度调整了管理方式，要求模型训练由专门的模型部门负责，业务部门不再各自开展模型训练，以减少重复投入和资源分散。
第二个问题是 Agent 开发方向过于分散。
随着各种智能体应用迅速兴起，哪个方向热门，各个业务部门就跟着开发相应的 Agent。李彦宏形容，当时各部门“什么智能体火，他就要去做一个什么智能体”。结果是资源被分散到大量项目中，每个方向获得的投入有限，成功率也受到影响。
百度随后开始按月复盘，要求各业务团队减少同时推进的方向，将资源集中到更少的项目上。李彦宏总结，企业需要“做更少的事情”，才能提高资源使用效率和项目成功率。
这两个经历也反映出 AI 组织转型中的实际难题：员工使用 AI 的积极性很高，但企业仍然需要统筹模型训练、技术资源和业务方向。
杨元庆：AI 转型需要自上而下规划，也要自下而上探索
在大会现场，李彦宏还邀请联想集团董事长兼 CEO 杨元庆分享企业 AI 转型经验。
两人谈到，AI 目前还替代不了企业负责人出差见客户。李彦宏开玩笑说：“AI 还是替代不了 CEO 出差。”杨元庆也认同，客户沟通和人与人之间的情感连接仍然非常重要。
杨元庆表示，2024 年开始是联想的第五个十年，也是联想围绕 AI 展开的第五次创业。目前，联想的智能终端、智能基础设施，以及智能解决方案和服务三大业务，都在围绕 AI 进行调整。
在终端方面，PC 和手机既是 AI 数据和应用场景的重要入口，也具备端侧计算能力。杨元庆认为，随着个人 AI 的发展，PC 的重要性正在提升。未来一个人可能拥有多种设备，联想希望整合不同设备上的数据和使用体验，形成短期与长期记忆，让个人超级智能体能够更好地理解用户。
他还提到，未来个人终端不仅由人使用，智能体也会使用。如何让用户在不同设备上获得统一的 AI 体验，并让个人数据和记忆能够跨设备衔接，是联想正在探索的方向。
在基础设施方面，联想正在从传统企业 IT 基础设施、云基础设施向 AI 基础设施延伸，并为 AI 推理和边缘算力进行投入。面向企业客户，联想则提供端、边、云结合的算力平台，以及模型、Token 和数据平台，帮助企业开发不同领域的智能体。
AI 也已经进入联想内部的多个岗位。研发人员使用 AI 辅助编程，销售人员借助 AI 寻找和识别客户，市场团队利用 AI 进行创意生产，服务团队通过智能体改善客户服务，HR 使用 AI 从大量候选人中匹配合适人选，法务部门也开始利用 AI 检查合同。
杨元庆还重点谈到了 AI 在供应链中的应用。联想正在将 AI 用于需求预测、生产安排、质量检测、物流和运输等环节。以需求预测为例，过去企业更多依靠人工经验判断市场需求，现在可以结合市场数据、用户需求、供应情况和历史交易记录进行预测。杨元庆认为，AI 预测的准确性已经明显优于传统人工判断。
不过，预测只是供应链管理的起点。李彦宏追问了需求预测准确之后，人的作用是什么？对此，杨元庆认为，需求变化往往“牵一发而动全身”，采购、生产和供应都需要及时调整。AI 可以提供预测和方案，但最终仍需要人来判断和决策。
谈到企业如何推进组织变革，杨元庆提出，自上而下的整体规划与自下而上的实践探索需要结合。企业需要明确 AI 应用的范围和边界，同时鼓励员工在技术发展的早期积极尝试。
他近期与多家世界 500 强企业 CIO、CTO 交流后的感受是：不少企业负责人对 AI 发展初期的投入产出比有着相似看法，即对于一个革命性的技术，在它的初期就来谈投入产出比，那其实是不合适的。
在他看来，企业目前还不完全清楚 AI 生产力究竟会从哪些环节释放出来，如果过早要求每项投入都产生明确回报，可能限制员工探索新技术的积极性。
这也呼应了李彦宏提到的企业开始控制 Token 预算的现象。企业需要避免盲目扩大 Token 消耗和重复建设，也需要为新技术探索留出空间。如何在鼓励尝试和集中资源之间找到平衡，成为管理者需要面对的问题。
李彦宏也表示，百度在内部转型过程中逐渐认识到，员工使用 AI 的热情需要得到鼓励，但企业仍然需要统筹资源，明确哪些工作适合交给 AI，哪些环节需要人参与。
从个人办公到产业研发，Agent 进入业务现场围绕智能组织的构建，百度首先将百度搭子从个人办公助手进一步延伸到企业业务场景。
产品团队希望降低 AI 使用门槛，让没有编程基础的用户也能通过自然语言搭建小程序，产品经理可以设计原型，自媒体编辑可以创作图文和视频。百度搭子过去半年迭代了 160 多次，其团队约 90% 的代码、一半以上的对外传播物料由搭子生成。
现在，百度搭子升级为连接百度全系专业智能体的统一入口，并全面开放 Harness 引擎和 Agent API，使其能够接入 OA、ERP、CRM 等业务系统，并结合企业沉淀的专业知识参与核心业务流程。
百度搭子在覆盖 7 类工作场景、近 100 个案例的评测中，面对跨系统、超过 15 步操作的复杂长程任务，一次验收通过率从 67.6% 提升到 88.2%。
在个人生产力方面，百度文库、百度网盘联合推出的库库，以及库库海外版 KOOKO。据介绍，库库已经覆盖全球接近 200 个国家和地区，海外用户超过 1000 万，依托百度文库和百度网盘，拥有 18 亿专业内容、7.5 亿中英文文献以及百万级专家网络。用户授权后，还可以直接调用网盘中的个人资料，让 AI 结合已有内容完成创作。
百度希望将库库打造为服务超级个体的全球化文档与创作平台，让用户通过自然语言完成过去需要多个专业岗位协作的工作。
在数字人方面，百度一镜此次重点推出微表情大模型，能够让数字人的表情随情绪自然变化，每秒最多呈现 8 至 9 种微表情。
该模型采用文本、视觉和语音三态一体建模，支持长达 4000 字的文本驱动，包含 6 个维度、200 多个子维度的描述，用于细致刻画人物表情、肢体和情绪。同时，模型支持篇章级配音，能够根据完整剧本生成连贯语音，避免将多个短音频片段拼接后出现音色和情绪不一致的问题。
希加加数字人专访 Robin
百度称，该模型在播客、短漫剧等场景中具备较强的情感表现力，视频生产成本比业内降低 50%，极速版本支持 1:1 实时生成，即 1 分钟视频约 1 分钟完成。
此外，百度一镜推出短漫剧 Studio，打通从创意、剧本、分镜到成片的一站式创作流程，可以根据题材和情节设计景别、运镜和表演，并支持将已经验证的作品进行剧情、人物和场景的本土化改造，帮助短漫剧创作者拓展海外市场。基于自研模型，相关生成成本则低至每秒 0.2 元。
面向产业研发和复杂业务优化，百度宣布将伐谋升级至 3.0 版本，并调整其商业模式，升级为“Agent 平台 +FDE（前沿部署工程师）服务”的端到端行业解决方案。
伐谋产品团队提出，当前行业对递归式自我改进（RSI）的讨论很多，但不少研究仍停留在评估集指标的提升上。对于产业任务而言，静态评估集只是对真实世界的模拟，很容易出现过拟合。
团队认为，真正的自我演化目标应该是“真实产业系统中的无尽前沿”。因此，伐谋 3.0 将直接面向真实生产运营系统、工业软件关键算子，以及内容策略和经营任务等场景，围绕最终业务指标持续优化。
百度披露，目前伐谋的客户已覆盖中国 41 个工业大类中的 25 个。团队还提出了 OPC 创新产品经理的岗位模式，由 1-2 个人负责客户需求和验证闭环，后续复杂技术攻关交给伐谋完成，替代过去可能需要十多人联合攻关的工作方式。
词元所上线：建立大模型交易验真和征信机制
随着模型数量和调用需求快速增长，模型资源的真实性和服务质量也成为企业采购时的新问题。
今年前 9 个月几乎每天都有新模型发布，有时一天甚至会出现多个模型。与此同时，百度千帆平台上的开源模型调用相关收入，一年增长了十几倍。
算力紧缺、价格上涨，催生了大量模型中转平台。但李彦宏指出，这些平台并不一定对模型效果、服务稳定性和响应速度负责，开发者甚至可能无法确认实际调用的模型是否与宣传一致。
为此，百度正式推出大模型交易平台词元所，希望建立一个类似证券交易所的模型供需市场，让企业和个人能够更方便地寻找、购买和使用可信模型。
词元所重点建设两项能力：验真和征信。验真方面，平台会核验模型提供方的资质来源，并对模型资源进行准入测试，包括模型指纹比对、模型能力、性能、可用性和容量压力测试，尽可能避免偷换模型和虚标参数。
征信方面，平台并非只在模型上架时进行一次测试，而是会持续监测模型质量，定期抽检和拨测，并展示用户实际调用数据。同时，平台还会从服务质量兑现度、安全合规、商业履约等维度对模型提供方进行评价，形成公开可查的信用档案。
百度披露，词元所上线一个月，供应资源数量已经超过 100 个，日均调用次数突破 5000 万，日均调用 Token 超 7000 亿。百度希望借此将模型市场从单纯的低价竞争，转向服务质量和可靠性的竞争。
文心模型、智能云和昆仑芯，为 Agent 规模化运行搭底座
在模型层，百度此次发布了文心 5.5 Flash Preview，并展示了文心闪电深度思考模型。
文心 5.5 Flash Preview 总参数量为 280B，激活参数量为 14B，最长 100 万 Token 上下文，采用混合稀疏注意力、多路由器 MoE 和 Echo 多 Token 预测等技术，重点优化复杂编程、知识工作、3D 建模和视频创作能力。
在推理性能方面，百度称该模型经过系统优化后，生成速度超过 200 Tokens/ 秒。API 定价为每百万 Token 输入忙时 2 元、闲时 1 元，输出忙时 8 元、闲时 4 元，并推出限时五折优惠。
另一款文心闪电深度思考模型拥有 800B 参数，最初面向百度搜索场景研发，需要同时处理复杂用户需求、工具调用和海量请求。
该模型采用百度自研的 BSA 稀疏注意力技术，在解码过程中根据反馈动态压缩 KV Cache，以降低计算成本；同时引入快慢思考结合的 Looping 方案，由快思考模型负责业务执行，慢思考模型持续提供反馈信号，优化快思考模型的表现。
百度表示，文心闪电支持思考和非思考模式，当前支持文本输入，后续版本还将支持视觉和语音输入。经过与昆仑芯协同优化，其模型推理引擎调用成本降低 30% 以上。
为了支撑更多智能体同时运行，百度智能云也重新组织了基础设施产品。
百度将智能云分为 Agent Infra 和 AI Infra 两层。前者负责智能体的运行环境、模型服务、数据和工具连接，后者提供训练和推理所需的算力。
在 Agent Infra 方面，百度提供千帆模型服务、词元所模型交易平台及智能体沙箱等产品，支持万级沙箱、百毫秒级热启动，同时通过统一身份与权限管理、执行链路追踪和实时监控，保障智能体大规模运行的安全性与可观测性。
在 AI Infra 方面，百度百舸 AI 计算平台重点提升面向 Agentic AI 的强化学习能力，可以在分钟级拉起 200 多万个沙箱，并通过高吞吐和训推一致性优化减少训练迭代时间。百度称，其强化学习训练与推理的差异能够控制在万分之一。
算力硬件方面，昆仑芯 M100 已如期上市，M300 将于 2027 年推出。其中，M100 主打极致性价比，M300 则在算力、存储、互联等多个维度实现能力跃升。
百度正式发布了天池 1024 卡超节点，并计划于 2027 年推向市场。单套 1024 卡超节点可以支持 5 万亿参数模型训练，并可扩展至万卡规模。通过新一代 HPN 架构升级，百度称最大可以建设 50 万卡规模的超节点集群。
据介绍，这套超节点采用光引擎技术，相比上一代卡间互联带宽提升 3 倍，训练性能提升 2.5 倍，推理性能提升 3 倍。通过 G1.5 显存加速柜，长上下文推理性能还可提升 2 倍；G3.5 PVCache 加速柜则针对重复使用的上下文进行缓存，在缓存命中的多轮对话场景中，TTFT（首 Token 时延）可缩短 90%，整体吞吐提升 7 倍。
萝卜快跑无人驾驶里程超过 3.5 亿公里
“我们相信，无人驾驶将是人工智能技术竞争中不可或缺的一环，也非常相信萝卜快跑的发展前景。”李彦宏认为，今天的具身智能，大约相当于无人驾驶 2016 年左右的发展水平。
据介绍，目前萝卜快跑已覆盖全球 28 座城市，累计无人驾驶里程超过 3.5 亿公里，其中全无人驾驶里程达到 2.4 亿公里。
萝卜快跑已在阿布扎比、迪拜启动全无人商业化运营，并在瑞士、伦敦开启公开道路测试。在香港，萝卜快跑获批全球右舵市场首个车内无安全员的全无人测试。萝卜快跑还与神州租车合作，将传统租车服务与无人驾驶车辆结合，推出无人车租赁模式，目前已运营超过一年。海南用户除了可以预约无人驾驶车辆，也可以直接租用无人车。
李彦宏表示，目前萝卜快跑尚不能在所有地区向个人销售，主要受到各地运营范围和政策条件限制，但他希望未来用户能够购买无人车，在自己使用之外，还可以将车辆投入运营。
从智能体进入企业工作流程，到数字人承接客户服务，再到伐谋优化工业生产，百度此次展示的产品覆盖了个人办公、企业经营、产业研发、模型服务、云基础设施和智能算力等多个层面。
李彦宏认为，AI 时代的组织将迎来三个机会：轻资产运营、构建新的竞争壁垒，以及创造和发现新市场。
首先是轻资产运营。当一个人或者很少的人可以带着一群 Agent 完成各种任务，人力资源就不再是企业扩张的瓶颈，业务迭代速度也会加快。企业可以并行开展更多小规模实验，而不是每次都押注一个完整团队。
其次是构建新的护城河。企业可以将顶尖销售、优秀产品经理等关键员工的隐性经验沉淀为可复用的数字资产，再封装成智能体模块，在全球范围内快速部署和运行。不同岗位的经验也可以相互借鉴，最终让集体智能超越个体能力。更重要的是，企业还可以在行业通用能力之上，叠加自身独有的知识、上下文和文化理念，形成难以被复制的竞争壁垒。
第三是创造和发现新市场。李彦宏认为，新业务、新模式和新流程很少能够一次成功，而能够自我进化的组织可以形成感知变化、快速实验、持续学习和规模复制的闭环，以更低的试错成本、更快的迭代速度筛选并放大成功路径。
他特别强调，企业创新将从依赖少数创新部门，转向全组织并发探索，从而更有可能发现和创造新的市场，培育新的增长曲线。
“所以现在就是推动组织智能进化的时刻。”李彦宏表示，百度希望与企业一起重新理解组织、重新设计组织、重新创造组织，从一项项关键任务、一个个核心场景和一条条业务流程开始，让组织智能真正落地。
声明：本文为 InfoQ 原创，不代表平台观点，也不构成投资建议，未经许可禁止转载。
我们新做了一个视频号，叫「AI 门道 Insider」。
这里会聊 AI，也不只聊 AI。我们想用更有趣的视角，观察技术变化，拆解新鲜产品，分享那些值得琢磨的行业故事。少一点枯燥的技术播报，多一点有意思的观察和表达。
当然，新朋友见面也准备了一点小礼物：千问 AI 眼镜 N1 Pro 和千问 AI 耳机各一份。关注账号、给视频一键三连，并在视频评论区留下你的想法，就有机会抽中！期待在新号认识大家
