[{"data":1,"prerenderedAt":23},["ShallowReactive",2],{"detail-1729":3},{"code":4,"msg":5,"data":6},200,null,{"id":7,"operator":5,"creator":8,"createTime":9,"updater":8,"updateTime":9,"title":10,"cover":11,"releaseTime":9,"releaseTimeStr":5,"tagDTOList":12,"content":19,"top":20,"operatorName":5,"frontNewsId":21,"nextNewsId":22},1729,4874,"2026-11-16T16:18:54","人工智能的下一幕：主角从模型变成了组织","https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261116\u002F4874\u002Fcommon\u002F3562a8047ffc468fbeb891aa1bc864f0_32424121.png",[13],{"id":14,"operator":5,"creator":5,"createTime":15,"updater":5,"updateTime":16,"code":17,"name":18,"releaseTime":15,"releaseTimeStr":5},15,"2024-10-22T10:22:00","2024-10-25T14:10:01","ai","AI人工智能","\u003Cp>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。\u003C\u002Fp>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261116\u002F4874\u002FcustomEditor\u002F3562a8047ffc468fbeb891aa1bc864f0_32424121.png\" alt=\"32424121.png\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>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\u003Ca href=\"https:\u002F\u002Fwww.qiuguojihua.com\" target=\"_blank\">AI\u003C\u002Fa>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”。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>组织进化的三个核心方向\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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”。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261116\u002F4874\u002FcustomEditor\u002F10b963dcbde68e1bcfd611392fcf1932_32424122.png\" alt=\"32424122.png\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>产业基础设施：支撑智能组织落地的底层支柱\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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”。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>智能组织带来的三大确定性机会\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>",false,1728,1730,1794907950763]