李彦宏定义 AI 下一个十年，智能组织是「新厂房」
AI 工具部署越来越普遍，但企业并未迎来预期的生产力跃升。李彦宏在百度世界 2026 提出的「智能组织」，正在回答这个全行业的共同困惑。
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。
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。
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。
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。
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。
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。