“重新设计新厂房，才是分水岭”

撰文/邹 珊

编辑/李 季

排版/Annalee

“AI不只是一场技术革命，更是一场组织革命，而这个趋势是不可阻挡的。”2026年11月12日，百度世界2026的开幕式上，李彦宏将把“下一幕”的指针拨向一个不在模型参数表里的词：智能组织。

十年前，2016年百度世界大会的主题被定为“AI is the New Electricity（人工智能是新的电能）”，李彦宏在演讲中给出判断，“互联网的下一幕是人工智能”。彼时，行业里更普遍的讨论仍围绕O2O、直播和移动端流量展开，对李彦宏的论断误解尚存。

然而，十年后，“AI是新基础设施”显然已经从一家公司的先见变成了产业共识。

但共识并不会自动兑现为增长。麦肯锡2026年的调查显示，80%的受访者认为AI提升了个人生产力，只有37%报告了正向EBIT影响，真正称得上AI高绩效者的企业仅占6%。当全球企业开始追问“AI投入为什么没有换来组织级产出”，李彦宏把答案指向了“厂房”——“电机换了，厂房也要换”。

要理解这个判断的分量，或许首先得将目光放回十年间的选择与实践。

过去十年，他的“预言”总在浪潮来袭之前

回溯过去十年，李彦宏似乎总是更早半步看见人工智能的“下一个命题”，脚步常常走在行业共识形成之前。

2017年，李彦宏坐百度无人驾驶汽车上北京五环，因此“收到了一张罚单”。彼时他发问：“无人驾驶的罚单已经来了，无人车量产还会远吗？”这张罚单在今天回看，与其说是一次违章记录，不如说是无人驾驶从实验室驶入公共道路时必须支付的制度成本；这张罚单背后，是百度推动无人驾驶从实验室驶向真实道路的先行探索。

2018年，百度发布了中国第一款云端全功能AI芯片“昆仑”，同时宣布与金龙客车合作的L4级量产自动驾驶巴士“阿波龙”下线。电机不再只是算法和软件，开始有了硅片和整机的形状；2023年，李彦宏在内部提出“把所有产品都用大模型重做一遍”……

如此节点串在一起，勾勒出一条清晰的轨迹：从提出“新电能”，到造出“电机”，再到把“电机”装进产品，李彦宏的“先见”与行业共识之间，总有一段“时差”。

最能说明“判断时差”的，或许是2022年百度世界大会上的一幕：文心大模型用不到一秒的时间补全了《富春山居图》残卷。在当时，这更多被当作一个展示生成能力的文化事件。而四个月后，ChatGPT发布，AIGC迅速成为全球技术叙事的主线。

四个月的时差，让“补全古画”从一个展示性场景，变成了一个判断先行的证据：百度在大模型上的技术投入和对生成式AI方向的辨识，早于全球浪潮的引爆点。这并非巧合，而是同一套判断在不同地点的先后落地。

值得一提的一个“伏笔”是：2017年，百度硅谷人工智能实验室就曾发表论文，讨论机器翻译、语言建模、图像分类与语音识别的缩放规律。而Meta研究员Jack Morris 2024年重提此文时说，“大多数人不知道，关于Scaling Law的原始研究来自2017年的百度，而不是2020年的OpenAI”。

如果说这十年间的“前半程”回答的是“电机从哪里来”。2024年百度世界展示的，则是“电机装好之后，生产单元会变成什么样”。

百度世界2024结尾，李彦宏放了一个“One More Thing”：无代码工具“秒哒”。演示任务是给萝卜快跑新技术发布会做一套报名系统：小组长智能体拆解调度，策划智能体拆需求，小编智能体写文案做物料，程序员智能体写代码部署网页，质检员智能体筛bug。五个“角色”接力，几分钟就生成带邀请函、日程、报名界面和后台统计的系统。李彦宏当场给出判断：“智能体是AI应用的最主流形态，即将迎来爆发点。”

这个演示当时被当作“人人都是程序员”的证明。但更有意思的是它的组织含义：五个智能体的分工恰好是一张项目组岗位表，组织形态的预演先于组织理论。

可以说，从2022年的“补全一幅画”，到2023年的“重做一遍产品”，再到2024年的“五个智能体搭出一套系统”，生成能力完成了从展示到产品、再到任务协作的两次跨越。这是从“个人用AI”到“AI像团队一样分工协作”的关键一跃，也为“智能组织”埋下了最直接的伏笔。

追问随之而来：拿什么衡量产出？

李彦宏再一次率先给出答案。2026年5月的Create2026上，他提出DAA（日活智能体数），对标AI时代的DAU，并直言：“Token不代表终局，它代表成本而非收益，衡量的是投入而不是产出。”

这一判断，很快在海外同行那里得到了呼应：Anthropic在2026年9月披露，其内部最常用的Agent平台上约有3万个Agent同时从事研究和工程任务；Meta、亚马逊等公司也在这一时期撤下或淡化Token排行榜。行业的度量重心，从“消耗了多少Token”转向“有多少Agent在交付结果”。

十年间，从无人驾驶、AI芯片、生成式AI到智能体，李彦宏不仅判断先行于浪潮，也让实践先行一步，更是总在别人讨论当下时，提前瞄准“下一个问题”。

而如今，电机越造越好、越转越快，全球企业开始困惑于“AI投入为何没有换来增长”时，李彦宏再一次提前指出了“下一幕”。

下一幕，为什么要造“新厂房”

站在2026年，AI作为技术方向已经不再需要“辩护”，而新的问题摆在眼前——投入回报比。

世界经济论坛与科尔尼的白皮书给出一组简洁的对照：2025年全球AI投资超2500亿美元，只有25%的企业认为AI产生了变革性影响，84%尚未围绕AI重设岗位。

如此大背景之下，李彦宏早早把目光投向了一个此前被技术叙事遮蔽的重点：组织。正如他在百度世界大会2026的演讲中强调，“AI没有产生预期经济效益，是因为我们只换了电机，没有重新设计工厂。没有一家公司，会因为用了几个AI工具，一夜之间就变得更有竞争力了， 只有当一家企业能够围绕AI能力重构它的组织，才能抓住这个时代赋予它的巨大的成功机会。”

这话其实能在工业史上得以验证。19世纪末，工厂把蒸汽机换成电动机、皮带传动换成分列式驱动，效率却并未立刻跃升。直到有人围绕电重新设计车间——单层厂房、依工序排列的机床、每台设备独立驱动，福特式流水线才成为可能。换电机是设备更新，而改厂房是空间与流程重排。

放到当下，新“厂房”就是智能组织。

这个判断也来自竞争焦点的位移。业界的“五层蛋糕”理论将能源视为AI产业最底层的基础，李彦宏则给出了一个上下游的版本：AI技术的上游是能源，下游是组织能力。两种说法并不构成是非之争，而是分别从产业两端给出不同视角。

而此次百度全栈AI发布，正是把“下游的组织能力”具象化。过去一年，百度在芯、云、模、体四层能力上都往前推了一截，并在2026年百度世界大会上以全栈形态集中交付——不是零散的产品清单，而是一套可编排的赋能系统。

芯片，是这套赋能系统的算力底座。目前昆仑芯M100已如期上市，M300将于明年推出。其中，M100主打极致性价比；而作为旗舰款的M300，则在算力、存储、互联等多个维度，实现了全方位能力跃升。

云，则把算力变成可调用的任务基础设施。面向智能体的新全栈AI云同步发布，Agent Infra持续进化，AI Infra夯实底座。

而模型层面的动作最为密集。基础模型方面，文心5.5 Flash Preview正式发布，总参数量达2800亿，每个Token激活140亿参数，支持最长100万Token的上下文；应用模型方面，文心闪电深度思考模型与文心一镜微表情大模型正式发布，同步上线百度智能云千帆平台，面向企业客户及合作伙伴开放 API 服务。

值得一提的是，李彦宏指出，今年前9个月，几乎每天都有新模型发布，有时候一天都能发布多个模型。但词元中转站并不对模型效果和服务稳定性负责，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。”为此，百度正式推出大模型交易平台词元所。他表示，词元所就是大模型的交易所，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。目前，大模型服务平台词元入驻供应资源已超100个，日均调用Token超7000亿。

智能体，则是把模型能力装进任务流的关键一跃。百度一镜推出覆盖创意、剧本、分镜到成片的短漫剧创作能力；百度搭子全面开放Harness引擎、发布垂直行业专业工作台、升级企业协作空间；库库面向全球生成研究报告、PPT和官网，企业日均任务量增长9倍；伐谋升级至3.0，客户已覆盖中国41个工业门类中的25个。

2026年，上游的算力与能源竞争仍在继续，但真正的瓶颈开始向下游移动——芯片可以买到，模型可以调用，Token可以交易，但一个企业能否把AI嵌入任务流、沉淀为组织能力，逐渐成为难以购买的竞争力。

在这个大前提下，李彦宏将智能组织定义为“AI时代的新厂房”： “组织能力是一个不同于通行科层制的AI原生组织体系，是生产力真正发生的地方。”他解释，新生产力，只能从AI的流水线里长出来，从智能组织里长出来。所以，换一台新的AI电机，只是起点；重新设计新厂房，才是分水岭。

而全栈AI发布的意义，正是在于把“电机”从单点能力变成可编排的全栈供给：底座可调用、任务可拆解、知识可沉淀、结果可循环。百度全栈AI发布不是智能组织的背景板，而是它的赋能系统。

“样板间”背后的组织进化三原则

方向定了，落地才是真考验。百度在这次大会上给出的全栈发布，构成了“新厂房”的“样板间”。而李彦宏给出的是三大组织进化原则，背后则是百度自己的施工记录。

第一原则是，打破岗位边界，释放组织活⼒。“传统的组织以岗位为中⼼，AI 时代的组织将变成以任务为中⼼。”李彦宏的论断，已在百度内外部得以验证。

百度搭子团队提供了一个样本：一位半年前还在物理实验室做量子计算研究的“新人”，在加⼊百度后⼏乎从零进⼊产品和企业场景。而他借助百度搭⼦，却做到了同时承担产品、研发和项⽬管理等⻆⾊。从分析问题、形成⽅案⼀直推进到验证结果，过去半年，团队和百度搭⼦⼀起完成了成千上万个任务。他的个体经验与李彦宏的观点相呼应：“所谓岗位边界，并不完全是能力本身的边界，而是知识和经验流动的边界。”

而这并非个例。百度数字人业务部推动全员向“Builder”转型，打破产品、研发、设计、测试边界，基于自研BiuBiuAgent，已有6个以上需求由一人全流程交付，其中，一名校招新人借助AI在1天内做完原本要5个角色、至少10天的需求。

在基础设施层面，新的AI云会前所未有地穿透企业的底层资源系统、IT系统、甚至是经营系统，因为这套基础设施不再只服务于人工、员工、流程中的任何一个对象，而是服务于由这些单元共同构成的一个个任务。AI云服务的对象已经不是岗位，而是任务；不是流程中的一个环节，而是由人和智能体共同构成的任务网络。

第二原则是，沉淀隐性知识，构建组织智能。一个组织最贵的知识往往不在文档里，而在判断里：为什么这个客户这样报价，为什么这道工序多等两小时。过去只能靠师徒、靠年限，智能体却给了第三种路径。正如李彦宏所说，“真正的组织智能，是让知识显性化、沉淀到平台上，持续累积、随时调用、人人可用。”

库库AI企业版是对这一原则的回应：它打通百度网盘企业版与团队空间，把文件、数据和协作关系转化为AI可理解的组织上下文，让一个人可以在不同任务之间调用原本分散在岗位背后的知识。

工商银行北京市分行也是“知识资产化”的典型：客户经理走访企业，访前由百度搭子收集行业信息、政策与财报，形成有据可查的提纲；访中随问随查、当场出纪要；访后当天产出方案初稿。该行把整套做法沉淀为Skill供团队复用，个人经验变成团队共享的能力。

第三原则是，设计流程闭环，推动组织进化。“智能组织，是⼀个⾃主进化的智能系统。如何实现⾃主进化？”李彦宏给出的是⼀个公式：可衡量 + Looping = 持续进化。前者是每个环节都有指标、有反馈，后者是反馈重新进入下一轮执行，形成循环而非一次性项目。

在此基础上，他强调，“未来，⼀个公司会变成⽆数 Loops 组成的⾼度⾃动化运营组织。最终，⼀个组织就变成⼀个不断学习和进化的系统。”

这样的设计流程闭环，已经实现产品化。其中，百度一镜的数字人，是组织进化的典型案例：百度一镜的汽车销售数字人“金牌员工”可一站式承接售前接待、专业讲车、偏好记忆与预约试驾转化，把单一服务节点变成全链路智能体验；可口可乐的营销大片则由AI大脑自主规划剧本与分镜，数字演员精准还原微表情，制作周期大幅缩短。

而全链路提效仅是第一步，一镜给出的组织进化逻辑是：数字人Agent每一次任务与互动都沉淀为新经验，反哺下一次的创作、服务与决策——个人提效由此走向组织整体的智能进化。

组织进化三原则已在百度内部得到初步验证。过去一年，百度已建设4300个Workspace，组织Skill累计沉淀超过2万个；百度内部每天的活跃智能体数，从日均0.5万增长到3.7万，涨了6倍多；智能体执行的有效任务完成数，从每周平均8.4万个，增长到一周超过100万个，涨了11倍。

当然，绕不开的一个问题是，“新厂房”建成，究竟能带来什么？

李彦宏认为，能够自我进化的智能组织将迎来三大机会：轻资产运营，“一个人或很少的人带着一群Agent完成各种任务，人力资源不再是扩张的瓶颈”；构建新护城河，可“在行业通用能力之上叠加企业独有的知识、上下文和文化，形成难以复制的壁垒”；创造和发现新市场，“企业创新从依赖少数‘创新部门’，转向全组织并发探索，因而更有可能发现和创造出新的市场，培育新增长曲线。”

三重机会或许仍待验证，但它们的方向与三条原则一一对应：岗位边界打破，才可能轻资产；隐性知识沉淀，才可能形成护城河；流程闭环运转，才可能持续发现新市场。

所以，2026年把“下一幕”指向智能组织，不是因为组织是管理热词，而是因为AI走到应用深水区后，组织成了承接技术价值的关键变量。这套判断由李彦宏提出，也并非临时起意，而是十年判断与实践的延续。

为什么还得是李彦宏？

在中国第一代互联网创业者里，李彦宏是少见的“技术出身且一直在一线”的那一个。技术背景的创业者长期处在全球AI竞争一线，这决定了他看AI的方式：不问单项技术有没有突破，而问技术如何改变产品、产业和经济运行。工程师问“这个模型能不能做到”，企业家问“这个能力由谁承担、什么流程承接”。两种问法叠加，才能一次次看得更远。

视角背后是一种近乎顽固的技术信仰。2026年9月百度最高奖颁奖演讲，他说：“我们信仰技术，不是从三年前开始的，甚至不是从十年前开始的，是从百度成立的第一天起。” 他回忆道：2015年获奖的“仙童”团队做芯片，“当时没有人理解，头十几年过得很辛苦……但是今天坚持了十几年之后，我们看到了收入的高速成长”；2021年获奖的“领航”团队做自动驾驶，“也是经过了漫长的征程”。

他也曾在接受媒体专访时更直白地表示：“试一年不成，OK；试两年不成，OK；试五年不成，OK；试十年还没成，如果有意义，我还会接着试下去。”

而比技术信仰更稀缺的，是一种反向提问的问题意识。移动互联网正热时，他提出下一幕是AI；“百模大战”最拥挤的时候，他说“没有应用，基础模型一文不值”；硅谷热衷Token消耗竞赛时，他提出DAA；AI落地热潮中，他追问技术投入为什么没有充分带来增长。

这种问题意识在近年延伸到组织层面。Create2026上，他给出组织自我进化的四条：“更多授权，更少管控”“更快对齐，更少层级”“更高人才密度，更少人海战术”“更多任务，更少分工”，并把问题摆在所有人面前：“如果AI在进化，企业本身，能不能不变？答案很显然：不能。”

但这些判断之所以有分量，不仅是因为李彦宏说得早，而是每一次的判断，都凭借多年投入与先行实践最终得以验证。

今天能谈“新厂房”，前提正是十年里先把“电机”造了出来：芯片从2011年小规模部署FPGA，到2018年发布昆仑，再到2026年1月启动分拆赴港上市、5月启动科创板辅导；萝卜快跑覆盖全球28座城市，自动驾驶里程超3.5亿公里、全无人超2.4亿公里，在香港拿下全球首个右舵左行全无人测试牌照，并携手神州租车在海南开创了全球唯一的无人车租车模式；2026年第二季度，百度AI云基础设施收入73亿元、同比增长50%，GPU云增长283%；AI业务收入占一般性业务收入的50%，连续两季过半。这些是“电机账”，也是“厂房”的根基。

与之一脉相承的是，智能组织并非百度简单的概念输出，而是先在百度自己的组织里跑过一遍之后的精炼归纳。李彦宏讲“新厂房”之前，就已先交出了自己厂房的运行报表。

数字人团队用1人1天完成原本5个角色10天的交付；财务内审把40%的审计流程交给AI自动执审；一见团队以3人协同Agent在2周内推出系统、1个月内完成交付；Aether自动驾驶感知数据团队以2人1个月完成传统10人团队约3个月的工作……这些内部案例的意义不在于数字本身，而在于它们共同指向一个可以被外部企业参照的命题：当电机已经装好，厂房便势必需要革新。

十年前，李彦宏关于“下一幕”判断，曾经被视作一家公司的孤声；十年后，当麦肯锡、德勤、Gartner、IBM的数据共同指向“工具已经就位、组织尚未重构”的结构性缺口，第二个“下一幕”已经变成了产业必须面对的问题。

这一次，李彦宏给出的不只是一个概念，而是三条原则、三大机会，以及一套“芯云模体”的全栈支撑。这正是“为什么总是李彦宏”的完整答案：他不仅能在行业还在争论当下的时候指出“下一幕”，还愿意用十年时间，把“下一幕”变成现实。

回看那个台上的李彦宏，最打动人的不是站在“潮头”的传奇感，而是一种“轻舟已过万重山”的从容。而这种松弛感，或许是长周期投入后的自信外化。

毕竟，“芯云模体”全栈在今天其实仍是一种奢侈：多数公司还在为一颗芯片、一次模型调用排队，只有从硅片一路做到智能体的公司，才有余裕去讨论“厂房”这种长期主义的问题。而当判断一次次交给时间检验，底气便自然长出来。