logo
新闻动态人工智能的下一幕:主角从模型变成了组织
2026-11-16 16:18:54
人工智能的下一幕:主角从模型变成了组织

2026年的当下,几乎所有企业都在谈AI落地,但一个尖锐的问题正摆在越来越多一把手面前:Token账单逐月走高,团队人人都在用AI工具,公司的收入和利润却没出现预期的增长。在11月12日北京举办的百度世界2026大会上,李彦宏给出了他的判断:问题不出在模型能力本身,而出在企业的组织形态——我们只是给旧工厂换了一台AI新电机,却没有重新设计整个厂房。

32424121.png

过去十年,是人工智能形成独立技术栈的十年。从2016年到2026年,底层芯片、云计算、基础大模型、上层应用终端逐步构成了“芯云模体”四层架构,AI作为一种新的生产要素,完成了从实验室到产业的初步渗透。如果把AI技术的上游视作工业时代的电力能源,那么下游承接生产力的载体是什么?李彦宏的答案是组织能力——一种区别于传统科层制的AI原生组织体系,他将其定义为“智能组织”。


这不是一个抽象的概念,而是对产业现状的精准回应。工业革命的历史已经印证了同一个规律:新动力不会自动带来新生产力。瓦特改良蒸汽机后,最早的工厂只是把蒸汽机搬进旧作坊,效率提升有限;直到流水线、标准化厂房、新的分工体系出现,工业生产的潜力才真正释放。今天的AI正处在相似的节点:多数企业把AI定位成员工个人的提效工具,写文案、做表格、查资料,看似全员在用,实则没有触及业务流程的本质。岗位边界还是原来的边界,审批流程还是原来的流程,知识沉淀还是依赖老员工的个人经验——相当于电机换了,传动带、车间布局、生产工序全没变,效益自然难以体现在财报上。


在李彦宏的判断里,人工智能的下一幕,核心主角不再是模型,而是组织。如果说AI是新电能,智能组织就是AI时代的新厂房,是生产力真正落地的物理空间。只有当组织形态适配了AI的能力特性,技术的乘数效应才能释放出来,最终转化为全要素生产率的提升和经济增长。这也意味着,企业的AI竞争,正在从“拼模型参数”转向“拼组织能力”。没有一家公司,会因为用了几个AI工具就一夜之间建立竞争优势;只有围绕AI能力重构组织,才能抓住这个时代的核心机会。新生产力,只能从AI流水线里长出来,从智能组织里长出来。换电机只是起点,重新设计厂房,才是真正的分水岭。


组织进化的三个核心方向


智能组织不是对传统组织的修修补补,而是底层逻辑的重构。李彦宏在演讲中提出了三条组织进化原则,分别对应组织的协作结构、能力内核和迭代机制。


如果说打破岗位边界是重构了智能组织的协作骨架,那么沉淀隐性知识,就是在构建智能组织的核心大脑——真正的组织智能。工业时代的流水线催生了精细化的岗位分工,每个人固定在一个工位上,负责单一环节,岗位是组织的最小单元。但在智能时代,标准化的流程性工作将大量由智能体承接,组织的核心单元会从“岗位”转向“任务”。


岗位不会彻底消失,但会逐步收敛为两类核心角色:一类是负责创造新事物、定义新规则的Builder,另一类是负责连接内外部、推进人与人协作的Seller。剩下的执行性、重复性工作,将由人和Agent共同组成的任务网络完成。未来的组织不再是层层传导的金字塔,而是一张以任务为核心的协作网络,人和智能体根据任务需求动态组合,任务结束则协作解散,下一个任务再重新匹配资源。这种模式下,组织的灵活性会大幅提升,人力不再是业务扩张的刚性瓶颈。


很多企业都有过类似的困境:核心员工离职,带走的不仅是人脉,还有大量没写进文档的经验——怎么搞定难缠的客户,怎么快速排查某个系统的故障,怎么在跨部门协调中推动项目落地。这些只可意会、依赖个人经验的隐性知识,是企业最宝贵也最脆弱的资产。个体能力再强,也是分散的、可流失的;而组织智能的核心,就是让这些隐性知识显性化,沉淀到公司的公共平台上,持续累积、随时调用、全员可用。


当顶尖员工的经验变成可复用的数字资产,封装成智能体模块在全公司部署,新员工不需要再花几年时间踩坑成长,团队能力的下限会被整体拉高。更重要的是,不同领域的经验沉淀后可以相互碰撞、融会贯通,最终形成的集体智能,会远超任何一个个体天才的能力边界。这种经过自身业务淬炼的知识体系,叠加企业独有的上下文、文化与决策逻辑,才是真正难以被复制的竞争护城河。


有了骨架和大脑,智能组织还需要一套自我迭代的机制,这就是第三条进化原则:设计流程闭环,推动组织自主进化。传统组织的优化,往往是阶段性的、自上而下的——年底做复盘,年初定改革,调整一次架构可能要管一两年。但智能组织的进化是持续的、分布式的,李彦宏将其总结为一个公式:可衡量+Looping=持续进化。


这里的Looping,指的是人和AI围绕具体任务形成的闭环迭代:任务启动后,AI负责执行、数据采集和初步复盘,人负责判断、校准和规则调整,每完成一次循环,任务的执行效率和效果就提升一点。一家公司最终会变成由无数个这样的小闭环组成的系统,每个环节都在自动迭代、自我优化,整个组织高度自动化运营,同时保持持续学习的能力。


模型技术的迭代速度还在加快,2026年前九个月几乎每天都有新模型发布,有时一天甚至多款齐发;但组织如果没有闭环迭代的能力,再新的模型也无法转化为自身的竞争力。只有把技术迭代的速度,内化成组织自身的进化速度,企业才能跟上技术的节奏。

32424122.png

产业基础设施:支撑智能组织落地的底层支柱


技术的落地从来不是单一环节的事,智能组织的构建,也需要完善的产业基础设施支撑。针对当前大模型应用落地的一个核心痛点,百度在本次大会上推出了大模型交易平台“词元所”。


这个产品的出现,直指当前行业的一个现实乱象:随着模型数量爆发式增长,市场上出现了大量词元中转站,它们既不对模型效果负责,也不保障服务稳定性和响应速度,甚至连模型的真实性都无法验证。企业选型时踩坑、调用时出故障、数据安全存隐患,已经成为AI规模化落地的阻碍。词元所的定位是大模型的交易所,核心是建立可信的交易标准:汇聚经过验证的优质模型和服务商,让企业和个人可以便捷地找到、购买和使用可靠的模型Token。本质上,这是在降低AI能力的获取门槛,让企业不用把精力耗在筛选模型、对接接口上,而是专注于用AI重构自身业务和组织。


李彦宏判断,当前大模型产业正在沿着两条路径并行发展:一条是向上突破,不断推高智能的技术上限;另一条是向实扎根,深度融入产业场景释放价值。百度在两条线上同时投入:一方面持续研发下一代基础大模型,探索技术前沿;另一方面坚持“模体并行、协同进化”的思路,让大模型针对具体应用场景做定向优化。文心闪电模型、文心微表情大模型,都是这一思路下的产物——技术不再追求单纯的参数堆砌,而是面向具体场景的效率、成本与体验做适配。这种方向的调整,本身也和智能组织的需求高度契合:企业需要的不是最强大的通用模型,而是最适配自身业务场景、能真正嵌入流程的模型能力。


算力侧的格局也在发生同步变化。过去AI算力需求主要集中在训练阶段,企业集中资源训出一个大模型,就能支撑很长一段时间的应用。但现在,训练与推理并重的格局已经形成,尤其是智能体应用的规模化落地,直接带动了推理计算需求的爆发。在李彦宏看来,推理将成为AI芯片长期持续增长的核心推动力。


这也是百度十多年持续投入昆仑芯的价值所在。作为百度自研的AI芯片,昆仑芯经过多代迭代,商业价值正在获得越来越广泛的认可。而百度的优势不止于芯片,从昆仑芯到云服务,再到文心大模型和萝卜快跑等终端应用,“芯云模体”四层技术栈全部自主可控,层与层之间可以联合优化、垂直整合。这种全栈能力,最终会体现在产品的成本、性能和落地速度上。


这种全栈技术优势,在无人驾驶领域体现得最为明显。李彦宏在演讲中提到,今天的具身智能,发展阶段大致相当于2016年前后的无人驾驶——技术已经跑通原型,但距离规模化商用还有一段路要走。而百度的萝卜快跑,已经在无人驾驶这条路上走了十几年,跑出了实实在在的运营规模。截至目前,萝卜快跑已经覆盖全球28座城市,自动驾驶总里程突破3.5亿公里,其中全无人驾驶里程超过2.4亿公里。更值得关注的是场景创新:萝卜快跑和神州租车合作,把传统自驾游和无人驾驶结合起来,推出了全球独有的无人车“自驾游”服务模式。从技术验证到商业化运营,再到场景创新,无人驾驶的落地路径,其实也为整个AI产业提供了参照:技术全栈能力是基础,最终的价值要在具体场景里、在组织和商业模式的重构中释放。


智能组织带来的三大确定性机会


当企业真正完成向智能组织的转型,三个层面的机会会随之打开。这不是抽象的概念,而是能直接体现在经营结果上的变化。


第一个机会,是真正实现轻资产运营。传统企业的扩张,本质上是人力的扩张——要做新业务,就得先招团队、搭班子、建流程,人力成本和管理成本同步上升,业务规模越大,组织越笨重,试错成本越高。但在智能组织里,少量的人可以带领一群智能体完成复杂任务,人力资源不再是业务扩张的刚性瓶颈。同一个方向,企业可以同时启动多个小型实验,每个实验由极少的人搭配不同的Agent方案推进,快速验证、快速淘汰,而不是把所有资源押注在一个团队、一套方案上。组织可以轻装上阵,灵活捕捉增长机会,试错成本大幅降低,迭代速度却能成倍提升。对中小企业而言,这意味着不用再靠堆人头和大厂拼资源,靠更灵活的组织模式和更精准的场景切入,也能跑出自己的增长空间。


第二个机会,是构建更深、更难复制的新护城河。过去企业的护城河,可能是技术专利、渠道资源、规模效应,但这些壁垒在AI时代都有可能被快速打破。而智能组织沉淀下来的组织智能,是真正的内生性壁垒。企业把顶尖员工的隐性经验转化为可复用的数字资产,封装成智能体模块后,可以在全球范围内毫秒级部署,7×24小时不间断运行,能力不会因为人员流动而流失。更关键的是,这些知识是基于企业自身的业务数据、决策逻辑和文化理念沉淀下来的,是行业通用模型学不走的。同行可以买到同款模型、挖到核心员工,但抄不走一整套经过无数次业务闭环淬炼的组织智能体系。当不同领域的知识在平台上相互融合,集体智能的上限会不断被推高,这种壁垒的厚度,会远超过单一技术或单一产品带来的优势。


第三个机会,是更高效地创造和发现新市场。传统企业的创新,高度依赖少数核心人物或者专门的创新部门,灵感是随机的,验证是缓慢的,新业务的成功率很低。但智能组织是一个能够自我进化的闭环系统,它可以持续感知市场变化、快速启动试验、从结果中学习、把验证成功的模式快速规模化。创新不再是某个部门的职责,而是全组织分布式的并发探索:前端的销售智能体能捕捉客户的新需求,运营智能体能发现流程里的新机会,研发智能体能快速验证新的产品方向。无数个小闭环同时运转,总会有一些试验跑出意料之外的结果,而这些结果,往往就是新市场的入口。企业的增长曲线,不再是靠一次战略赌对,而是靠全组织持续的探索自然生长出来,增长的可持续性会大幅增强。


回到最初那个问题:为什么AI投入越来越多,效益却没显现?答案其实很简单——技术革命的下半场,从来都是组织革命。过去十年,我们解决了AI“有没有”的问题;接下来的十年,要解决的是AI“怎么用出价值”的问题。只换电机不改厂房,永远跑不出新的生产力。智能组织不是遥远的概念,而是正在发生的现实。谁先完成组织层面的重构,谁就能在AI时代拿到真正的入场券。