作者｜孙芮
微信｜lombredeau
2016年百度世界大会上，李彦宏提出：“互联网的下一幕，就是人工智能。”
彼时，移动互联网的高速增长开始放缓，互联网行业正在寻找新的增长动力。李彦宏将目光投向人工智能，认为它将成为驱动下一轮产业变革的关键技术。
十年过去，人工智能逐渐走进产业生产和日常生活。
随着ChatGPT带动生成式AI普及，AI开始从后台的算法能力走向用户可以直接使用的产品，再向企业内部的研发、营销、客服、办公等业务环节渗透。
技术能力的提升，并不意味着生产方式已经同步改变。越来越多企业开始使用AI工具，却未必因此获得与技术进步相匹配的效率增长。问题逐渐从“AI能做什么”，转向“企业应该如何围绕AI重新组织生产”。
在11月12日举办的百度世界大会上，李彦宏给出了新的判断——AI的下一幕，是智能组织。
AI的产业化进程可能正在进入一个新阶段。过去十年，行业主要解决的是如何让机器变得更智能。接下来，企业需要思考的是如何让这种智能真正进入组织，成为新的生产力。
1
01 十年造底座：百度等的不是风口
回看百度过去十年的AI布局，可以看到一条逐渐清晰的路径。先建设底层基础设施，再推动模型能力突破，随后将AI嵌入产品和业务流程。随着AI从提供技术能力走向承担具体任务，企业需要解决的问题也在发生变化。
百度很早就意识到，AI不会只是互联网产品的一项新功能，而是一场需要底层基础设施支撑的技术革命。
在2016年提出“互联网的下一幕是人工智能”时，李彦宏已经将AI视为推动各行业发展的核心动力。当时，深度学习正在推动语音识别、图像识别和自然语言处理等技术取得进展，但要让这些能力大规模应用，还需要解决算力、算法和平台等底层问题。
2018年，百度发布自研的“昆仑”芯片，这被视为中国第一款云端全功能AI芯片，覆盖训练和推理两类计算需求。百度同时推进深度学习框架、云平台和AI开放生态建设，试图打通从芯片、框架到应用的技术链条。
AI应用越普及，模型训练和推理所需要的计算资源就越多，基础设施能力将决定AI技术能够以多大规模、多少成本进入产业。这个阶段，行业竞争的重点主要是让AI拥有更强的计算能力和信息处理能力，为后续应用落地打下基础。
随着算力和模型能力持续提升，AI的价值开始从识别、理解和处理信息，延伸到生成新的内容。
2022年百度世界大会上，百度展示了文心大模型补全《富春山居图》的过程。借助视觉生成大模型，AI不再只是识别画作中的山水、树木和笔触，还能根据已有画面生成缺失部分。李彦宏在那届大会上提出，AIGC将成为继PGC、UGC之后的新内容生产方式，并判断未来十年AIGC将深刻改变内容生产模式。
它展示了模型能力的跃迁，AI走向基于已有信息进行生成和创造。因此，内容生产不再完全依赖人的逐项创作，AI可以参与文本、图像、音视频等内容的生成，改变原有的生产成本和效率。
四个月后，OpenAI发布ChatGPT，生成式AI开始以更直观的交互方式进入大众视野。用户不再需要理解复杂的模型接口，只需通过自然语言提出问题，就能让AI完成写作、总结、翻译、代码辅助等任务。生成式AI由此从专业技术领域走向更广泛的个人和企业用户。
当AI具备了生成内容、理解指令和处理复杂信息的能力，企业也将它放进真实的业务场景中。
2023年，李彦宏提出要用AI原生思维重构百度的产品、服务和工作流程，并表示百度要做第一个把全部产品重做一遍的公司，“不是整合，不是接入，是重做，重构”。
AI不再只是附加在原有产品上的一个功能，而是有机会成为产品设计和业务运行的底层能力。
类似的变化也发生在海外企业。微软在2023年3月推出Microsoft 365 Copilot，将大模型与用户的邮件、日历、文档、会议等工作数据连接起来，让AI能够在Word、Excel、PowerPoint等办公应用中辅助完成具体工作。
AI由此进入了企业的工作界面和业务流程。但这仍然只是第一步。早期的AI应用更多承担问答、生成和辅助处理等任务，人与AI之间的关系仍然是人提出需求、AI提供结果。
随着Agent能力发展，AI能够更深入地完成工作。企业面对的问题发生变化：当AI能够参与任务执行时，原有的岗位设置、协作流程和管理方式是否还适用？
从芯片、云和框架等底层基础设施，到大模型带来的生成能力，再到产品和业务流程的AI化。AI逐渐从一种技术能力变成能够参与生产的工具，企业下一步要解决的，就不只是如何改造产品，而是如何重新设计内部的生产和协作方式。
1
02 智能体入场，旧组织图不够用了
大模型让AI从理解信息走向生成内容，而Agent则是AI从生成内容走向执行任务。
在此之前，企业依靠人的专业分工与团队协作完成任务。一个项目往往需要产品、研发、设计、运营等不同岗位参与，每个人负责其中一部分，再通过会议、汇报和流程衔接起来。
Agent的出现开始改变这种协作方式。它可以根据目标拆解任务，调用工具和外部系统，完成资料研究、数据分析、代码编写、文档处理等工作。用户可以调度多个Agent，让它们分别承担不同任务，再对结果进行整合和判断。
在2026年5月的Create大会上，李彦宏提出，企业的最小生产力单元正在发生变化。过去是一个团队，今天则可能变成一个“超级个体”，也就是一个人加上一支智能体编队。随着Agent能力增强，个体能够调动的资源和完成的工作范围都在扩大。
这并不意味着一个人可以立刻替代一个完整团队。不同任务仍然需要专业判断、协作和责任分工。但过去必须依靠多人协作才能完成的部分工作，正在出现新的组织方式。
生产力单元发生变化，组织方式也需要随之调整。
传统企业通常围绕岗位和部门建立组织架构。岗位对应明确的职责边界，部门负责专业分工，层级管理则承担任务分配、进度协调和结果监督的作用。
但Agent的工作方式并不完全遵循这套边界。Agent可以同时承担原本分散在多个岗位中的任务，也可以根据目标调用不同工具和系统。如果仍然按照传统岗位划分任务，AI就可能被限制在单一环节，甚至需要经过多层审批和人工交接才能继续执行，无法充分发挥跨任务协作的能力。
因此，李彦宏提出，未来组织需要从以岗位为中心转向以任务为中心。组织不再只是由固定岗位和部门组成，而是围绕具体任务，动态组合人和Agent，形成一个可以灵活调整的任务网络。
这也是“AI内化”与单纯使用AI工具之间的区别。个人使用AI，可以提高自己的工作效率；但如果AI只存在于员工各自的工具箱里，企业的知识仍然分散在个人手中，工作流程也没有改变，那么这种效率提升很难沉淀为组织能力。
在此次百度世界大会上，李彦宏提出了智能组织进化的三个原则：打破岗位边界、沉淀隐性知识、设计流程闭环。
打破岗位边界，让组织从岗位中心转向任务中心。企业需要重新审视原有的岗位分工，把工作拆解为更具体的任务，再判断哪些由人完成，哪些可以交给Agent，哪些需要人和Agent共同协作。组织的核心不再是维护固定的岗位边界，而是围绕目标灵活配置资源。
沉淀隐性知识，让个人经验成为组织资产。企业中有大量知识并不在正式文档里，而是存在于员工的经验、判断和工作习惯中。比如，销售人员对客户需求的理解，工程师处理异常问题的经验，管理者对业务优先级的判断。这些知识往往随着人员流动而流失，也难以被其他员工和AI直接调用。
智能组织需要把这些分散的经验转化为可以记录、积累和检索的知识，再与业务数据、流程和上下文结合起来。这样，Agent执行任务时才能调用企业自己的知识，而不是每次都从通用模型的能力出发。长期积累下来的企业知识，也可能成为不同公司之间难以复制的差异。
设计流程闭环，则让组织具备持续反馈和优化的能力。李彦宏用“可衡量+Looping=持续进化”概括这一原则。AI完成任务只是开始，企业还需要知道任务结果是否达到目标、执行过程哪里出现问题，以及下一次如何改进。
组织形态变化之后，企业经营也可能出现新的机会。
首先轻资产运营，Agent能够承担更多重复性工作，让少数员工调度智能体完成过去需要更大团队才能承担的任务，降低企业扩张的人力和协作成本；其次是构建新的护城河，企业积累的客户数据、行业知识和业务流程，可以成为AI理解业务、形成差异化优势的基础；三是创造和发现新市场，Agent降低了调研、分析和方案验证的门槛，让一线员工也能参与创新，将更多业务需求转化为新的产品和机会。
智能组织可以把企业内的知识、任务和反馈机制重新连接起来。让AI进入企业的知识体系、业务流程和协作机制后，才能持续参与任务执行并积累经验，真正转化为组织生产力。
1
03 换电机之后，更重要的是换厂房
随着基础模型逐渐成为可以被不同企业调用的通用能力，模型本身与具体业务之间的距离开始成为新的竞争焦点。
模型供给端也在发生变化。李彦宏在百度世界2026上提到，今年前9个月几乎每天都有不止一款新模型发布，模型调用需求迎来大爆发；但一批词元中转站并不对模型效果、服务稳定性、响应速度负责，甚至模型真实性也无从考证。
为此，百度正式推出大模型交易平台词元所，定位“大模型的交易所”，主打“验真”与“征信”：通过模型指纹比对、能力测试、性能与可用性测试核验资源，并以定期抽检拨测、全链路实时监测为模型提供商建立信用评级，让企业乃至个人便捷找到、购买和使用可信的模型Token。试运营一个月，词元所入驻供应资源已超100个，日均调用次数突破5000万，日均调用Token超7000亿。
不过，相同的模型能力，进入不同企业之后，可能产生完全不同的结果。有的企业只是让员工多了一个写作和问答工具，有的企业则把AI接入研发、销售、客服和运营流程，让它参与具体任务，并通过业务反馈持续优化。
企业之间的差距可能不再只取决于有没有使用AI，也取决于能否把AI真正转化为组织能力。模型提供能力，产品提供入口，而知识、流程、权限和反馈机制决定了AI能否在真实业务中持续发挥作用。
李彦宏这次提出智能组织，正是把讨论从AI技术和产品推进到企业内部的生产关系。对企业来说，AI竞争的下一道门槛，可能不是再采购一款工具，而是重新设计一套能够让人和Agent协同工作的组织体系。
百度提出智能组织，是李彦宏基于多年来自身对AI产业的投入与实践。
2016年，李彦宏将人工智能视为互联网发展的下一幕。当时，AI主要还是一项需要长期投入的基础技术，百度围绕语音、图像、自然语言处理等方向建设技术能力，并逐步向芯片、云和开发平台延伸。
到了大模型时代，李彦宏的关注点开始从技术能力转向AI如何进入产品和业务。2023年，他提出用大模型重做产品和工作流程；2025年百度世界大会上，他进一步强调，当AI能力被内化，智能就不再是成本，而是生产力，企业需要让AI与具体任务有机结合。
此次百度世界大会，他进一步提出智能组织的定义、进化原则和商业机会。
从基础设施到模型，从产品应用到Agent，再到组织形态，背后是一条一以贯之且逐渐深入的产业判断。AI的价值不会停留在技术本身，而要进入真实的生产活动，最终改变企业创造价值的方式。
下一个十年，AI能否进一步改变企业的组织方式，智能组织能否成为新的行业共识，还需要更多企业的实践来验证。
但可以确定的是，当AI开始参与生产，企业需要重新思考的不只是如何使用技术，还有如何组织人、知识和任务。AI的下一幕，或许正是从改变工具，走向改变组织。
