智能组织就是 AI 时代的新厂房，是生产力真正发生的地方——11 月 12 日，在百度世界 2026 上，百度创始人李彦宏抛出了贯穿本届大会的核心命题。
他在演讲中直言，当前 AI 没有产生预期的经济效益，本质是很多企业只更换了电机，却还没有重新设计工厂。
过去两年，大模型、智能体快速渗透到企业各个环节，从办公提效到业务辅助，AI 已从「尝鲜」变成很多企业的「标配」。但随着工具部署逐步完成，一个更核心的矛盾开始显现：AI 投入持续增加、Token 消耗不断增长，企业的利润增长却并未同步到来。
不少企业都遇到了相似的困境：员工个人效率提升了，单点试点也跑通了，但整个组织的运转方式并没有发生本质变化。
在李彦宏看来，这就像给旧工厂换上了新电机，生产线和厂房格局没有重构，生产力自然无法充分释放。
从十年前在同一场合提出「AI 是新电能」，预判移动互联网之后的下一幕是人工智能；到今天将「下一幕」指向智能组织，呼吁企业为 AI 时代重建「新厂房」，李彦宏再一次把行业的注意力引向了更远的未来。
当天的主论坛，百度发布了「芯云模体」全栈 AI 布局的最新进展。
其中值得关注的是模型层面的一系列进展：百度重磅发布了大模型交易平台——词元所。词元所汇聚好的模型和模型提供商，让企业乃至个人，都能便捷地找到、购买和使用可信的模型 Token。词元所上线一个月以来，已入驻供应资源超 100 个，日均调用次数突破 5000 万，日均调用 token 超 7000 亿。
百度智能云正式发布词元所 | 图片来源：百度
百度最新基础模型文心 5.5 Flash Preview 也正式发布，模型支持最长 100 万 Token 的上下文，在复杂编程、知识工作、3D 建模、视频创作等方面表现突出。百度两款应用模型——文心闪电模型和文心一镜微表情大模型，当天正式上线百度智能云千帆平台，可通过 API 接入。
一、从技术到应用，AI 行业走到了新的关口这一判断并非凭空而来，既扎根于过去十年 AI 产业的演进路径，也建立在百度长期技术投入与组织实践之上。
十年前，在百度世界大会的舞台上，移动互联网还处在流量红利的高点，整个行业都在争抢移动端入口，李彦宏已经提出「AI is the New Electricity」，直言移动互联网之后的下一幕是人工智能。
那一年，在很多人看来，放弃火热的移动赛道 all in AI，更像是一次不确定的押注。但后续的产业走向一步步印证了这个判断。
2017 年，李彦宏乘坐无人车开上北京五环，一张罚单成为中国自动驾驶从实验室走向真实道路的标志性注脚。当时舆论对这一行为争议颇多，他却回应「如果无人驾驶的罚单已经来了，无人驾驶汽车的量产还会远吗」。几乎同期，谷歌 Waymo 在美国凤凰城启动无人驾驶乘客测试，中美科技企业同步按下了自动驾驶商业化的启动键。
向底层技术的纵深布局同样早于行业普遍认知。
2018 年，百度发布中国第一款云端全功能 AI 芯片，在大多数企业仍聚焦上层应用开发时，就向算力底层延伸。同年亚马逊 AWS 推出首款自研 CPU，全球科技巨头不约而同地将底层算力视为 AI 竞争的核心战场。十几年的持续投入，让百度拥有了从芯片到应用的全栈能力，为后续模型、智能体的落地打下了根基。
生成式 AI 浪潮的预判同样如此。
2022 年百度世界上，文心大模型补全《富春山居图》的演示，提前预演了 AIGC 的内容生产潜力，李彦宏当时便判断，AIGC 将成为继 PGC、UGC 之后全新的内容生产方式。仅四个月后 ChatGPT 引爆全球，2022 年成为公认的 AIGC 元年。
2023 年国内陷入「百模大战」、厂商争相比拼参数规模时，李彦宏又提出「没有应用，基础模型一文不值」，主张「把所有产品都用大模型重做一遍」，几乎同期微软推出 Microsoft 365 Copilot，全行业的注意力开始从模型参数转向应用落地。
2024 年之后，智能体逐渐成为行业热点。百度世界 2024 现场，五个智能体协同完成报名系统的演示，提前勾勒出多智能体分工协作的形态，李彦宏也提出「智能体是 AI 应用的最主流形态」。半年后 Anthropic 披露多智能体 Research 架构，全球正式进入智能体元年。
到 2026 年 Create 大会，当行业仍在追捧 Token 消耗指标时，李彦宏拿出 DAA（日活智能体数）这把新标尺，提出 AI 的价值不该看投入了多少 Token，而要看完成了多少任务、交付了多少结果。随后 Meta、亚马逊陆续撤下 Token 排行榜，Anthropic 公布内部日活研发 DAA 达 3 万，行业价值标准正式从投入端转向产出端。
十年时间，AI 从实验室里的前沿技术，变成了渗透企业各个环节的基础工具。当「换电机」已经成为绝大多数企业的标配动作，新的瓶颈也随之显现。微软《2026 年工作趋势指数年度报告》提到的「企业 AI 转型悖论」，BCG 在欧洲企业中观察到的「试点成功但整体收益无提升」现象，本质都是同一个问题：员工个人用 AI 提效了，单点试点也跑通了，但业务流程、协作方式、考核机制仍停留在过去，组织层面并未发生本质变化。
这正是当前全行业面临的共同困境：单点工具的提效，不会自动累加为组织整体的生产力；局部试点的成功，也不等于完成了 AI 转型。过去十年，行业共同解决的是「AI 能力有没有」的问题；而接下来的十年，整个产业要回答的，是「AI 价值怎么充分释放」的问题。
二、智能组织：AI 时代的新生产力载体事实上，这个答案不在更强的模型参数里，也不在更多的工具部署里，而在承载技术落地的组织本身。
对于这一行业困惑，李彦宏在百度世界 2026 给出了答案—— 智能组织。它跳出了传统组织调整中部门拆分、架构微调的思路，是一套适配 AI 时代的原生组织体系，围绕任务分配、知识沉淀、流程运转，对 AI 能力做系统性重构，最终让组织成为可以持续自我进化的智能系统。
这种重构沿着三条核心路径展开。
第一条是打破岗位边界，让组织运行核心从固定岗位转向具体任务。工业时代的科层制依靠清晰的岗位分工实现规模化运转，但也带来了协作壁垒，跨角色对齐拖慢了效率。AI 时代，大量执行性工作可由智能体承接，人的价值更多体现在判断与决策上，最小生产力单元也从完整团队收缩为「一个人 + 一支智能体编队」。
百度内部已有大量实践验证。数字人创新业务部打破产品、研发、设计、测试的传统岗位边界，推动全员向 Builder 转型，单个员工就能带着智能体完成从需求分析到交付的全流程。2026 年第三季度，该团队完成 564 次产品迭代，沉淀 130 个可复用 Skill 与 729 篇组织资产，人均产出提升 125.3%，交付周期缩短 28.8%。
百度智能云长出的 FDE（前沿部署工程师）角色，也打破了销售、交付、产研三段接力的模式，一人同时懂行业、能落地、会推产品，已在金融、能源、制造等行业落地 100 多个业务场景。很多时候限制人的不是能力边界，而是岗位的边界；当边界被打破，组织活力会被充分释放。
第二条是沉淀隐性知识，把个人能力转化为可复用的组织智能。一直以来，企业的核心竞争力往往藏在资深员工的经验里，这些隐性知识难以传承，人员流动就意味着能力流失，是组织最大的隐性损耗。智能组织要做的，就是把分散的个体经验显性化，沉淀为持续累积、全员可用的组织资产。
南方电网与百度合作的「天璇伙伴」是一个典型案例。广西电网每年发生八千多次永久性故障，传统人工研判单次要 60 分钟以上，高度依赖专家经验。通过百度搭子，团队将上万条历史故障数据、老师傅的研判经验沉淀为专业知识，串联故障记录、开关信号、线路拓扑形成完整证据链，研判准确率达 70% 以上，效率提升 12 倍。更关键的是，系统能自主成长，每一次实战经验都会反哺优化，老师傅的智慧不会随人员流动流失，反而越积累越厚重。
第三条是设计流程闭环，让组织从固定流程走向持续进化。传统企业的业务流程由人预先设计，一旦确定就难以调整，迭代成本高、响应慢。智能组织的核心是 Looping 机制，李彦宏给出了清晰公式：可衡量 + Looping = 持续进化。每一次任务结果都会形成反馈，自动反哺优化下一次执行，让组织像生命体一样持续学习迭代。
百度搭子上线至今完成 160 多次自我迭代，正是这套逻辑的体现—— 每一次用户反馈、每一个问题的解决，都会沉淀为系统能力，「今天解决的问题，就是明天拥有的能力」。升级至 3.0 的百度伐谋，则把闭环做到了产业场景，围绕生产运营、经营策略等核心业务，搭建「问题定义 - 算法演化 - 结果验证 - 反馈优化」全链路，让 AI 不只是输出单次方案，而是围绕业务目标持续优化。
沿着这三条路径进化的智能组织，最终会为企业打开三重增长空间：一是轻资产运营，少数人搭配智能体就能承接复杂任务，人力资源不再是扩张瓶颈；二是构建新护城河，专属的业务知识与流程经验沉淀为组织智能，形成难以复制的差异化壁垒；三是创造新市场，创新不再局限于少数部门，全组织并发探索更容易发现新需求、催生新增长曲线。
三、AI 的下半场，竞争从技术能力转向组织能力李彦宏能持续提出领先行业的判断，本质是观察视角的差异。作为技术背景的创业者，身处全球 AI 竞争一线，他看 AI 更关注技术如何作用于产业、改变经济运行效率。
从「AI 是新电能」到「智能组织是新厂房」，是从生产力到生产关系的完整思考——AI 是全新的生产力，智能组织就是适配这种生产力的生产关系。当行业在忙着升级生产力、更换更好的电机时，他先一步看到了生产关系的瓶颈。
同时，这套理念并非停留在理论层面。百度用「芯 - 云 - 模 - 体」四层全栈 AI 能力，为智能组织搭起了可落地的技术底座。
最底层的「芯」是智能组织的算力基石。智能组织要全面跑起来，需要支撑大规模、长周期的智能体并发运行，对算力的稳定性、性价比都有极高要求。
百度自研 AI 芯片配合升级后的百舸 6.0 算力平台，将传统算力平台升级为 AI 时代的「智能工厂」：LoongForge 训练效率领先行业 1 倍，Agentic 模型强化学习训练效率提升 1 倍，天池超节点 2.0 吞吐性能提升 25%，主流模型推理效率提升 50%。目前天池超节点已走通全栈国产化路径，开放六大核心模块技术规范，在全国多地完成千柜级部署，成功支撑万亿参数大模型训练，为大规模智能体长周期运行提供了稳定、高性价比的算力保障。
往上的「云」是智能组织的运行基座。智能组织的核心是 Looping 持续进化，需要长链路任务能稳定跑完、上下文能持续沉淀、反馈能实时回流。
新一代百度智能云不再只服务于人或单一工具，而是直接服务于具体业务任务，穿透企业资源、IT 与经营系统。其中千帆 Agent Infra 打造「词元工厂」与「驾驭工程」两大能力：前者提供 150 多款主流模型服务，推理速度较行业提升 25%；后者覆盖长上下文管理、持久记忆、子智能体调度等能力，任务成功率达 95%，同时节省 23% 的 Token 消耗。搭配词元所大模型交易平台的验真、征信能力，企业可以更低成本筛选可靠模型资源。
再往上的「模」，即大模型，决定了智能组织的能力边界，为全行业的智能体开发与组织智能化升级提供了更强的基础底座。
大模型行业百花齐放，但是当一个开发者或一家企业真正想把模型用起来的时候，往往发现，模型越多，选择越困难。同一款模型，有的贵有的便宜，来源五花八门，质量参差不齐。选来选去，就是不放心、不敢用。为解决这一落地难题，百度宣布推出大模型服务平台词元所。
词元所是大模型的交易所，汇聚好的模型和模型提供商，让企业乃至个人，都能便捷地找到、购买和使用可信的模型 Token。
李彦宏认为，大模型产业正在沿着两条路径发展：一是向上突破，推高智能上限；二是向实扎根，释放产业价值。在大模型这两个发展方向上，百度都在不遗余力地向前推进。「一方面，我们会持续投入，研发下一代更前沿的基础大模型。另一方面，我们会坚持「模体并行、协同进化」理念，让大模型为应用而优化。」
文心闪电模型，文心微表情大模型，都围绕智能组织场景做了定向升级：面向智能体执行与推理的文心闪电模型，在编程、逻辑推理、任务规划等核心能力上达到行业领先水平，能更稳定地完成长链路复杂任务；面向数字人、内容创作场景的文心一镜微表情大模型，则大幅提升多模态表现力，同时将生成成本降低 50%，支持分钟级视频生产。
希加加数字人采访李彦宏 | 图片来源：百度
在基础模型方面，大会前夕百度开源了文心 5.5 Flash Base 基座模型，会议当天正式发布文心 5.5 Flash 预览版并上线千帆平台，文心闪电模型与文心一镜微表情大模型也同步向合作伙伴开放。
最上层的「体」则是智能组织的落地抓手。
从企业协作的百度搭子、产业决策的百度伐谋，到数字人交互的百度一镜、视觉巡检的百度一见、知识管理的库库 AI，不同领域的智能体产品可直接嵌入企业现有流程，企业无需从零搭建，就能快速启动组织智能化升级。
这套技术体系，百度早已在内部跑通验证。目前百度内部日均活跃智能体数、有效任务完成数均实现数倍增长，建成数千个工作空间，沉淀上万个组织 Skill。从产研团队全员 Builder 转型，到中后台流程自动化重构，整个百度本身就是一个持续进化的智能组织样本。这些内部经验又会通过产品输出给行业客户，形成实践 - 优化 - 落地的正向循环。
当 AI 技术的比拼从参数规模转向落地效果，企业竞争的下半场，也自然从「比技术能力」转向了「比组织能力」。未来能真正吃到 AI 红利的企业，将是完成了组织智能化重构的企业——把 AI 融入到了组织的每一条流程、每一个任务里。
