是新朋友吗？记得先点蓝字 " 锌刻度 " 关注我哦～
每日一篇科技财经深度调查
走进商业背后的故事
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。"
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。
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。
" 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。
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 "，在加百度后乎从零进产品和企业场景。而他借助百度搭，却做到了同时承担产品、研发和项管理等。从分析问题、形成案直推进到验证结果，过去半年，团队和百度搭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。"
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。
第三原则是，设计流程闭环，推动组织进化。" 智能组织，是个主进化的智能系统如何实现主进化？" 李彦宏给出的是个公式：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，个公司会变成数 Loops 组成的度动化运营组织。最终，个组织就变成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。
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。
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。
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。
