从一百多年前的第一张组织结构图到李彦宏说的“新厂房”，组织形态每次重画，都对应一次生产力跃迁。
现代商业的每一次进步，背后往往都有一次组织形态的变化。
1855年，美国铁路公司出现了第一张现代组织结构图。
它把公司内部的汇报关系画成一棵树：谁负责什么，谁向谁汇报，上下级之间如何管理，都变得清楚起来。
因为当年铁路越修越长，业务越来越复杂，管理者不可能再靠面对面沟通掌握所有情况。于是，企业需要一套新的管理方式，把分散的人组织起来，让庞大的业务能够运转。
后来，这种层层分工、逐级汇报的管理方式逐渐发展为“科层制”。福特流水线又把它推向成熟：每个人负责一个岗位，每个岗位完成一道工序，所有人按照既定流程协作，最终实现大规模生产。
从铁路到汽车，再到今天的大型企业，这套组织方式支撑了现代商业一百多年。
但问题也随之而来：当人工智能开始进入企业，原来那套围绕岗位、部门和层级建立的组织，还能不能适应新的生产方式？
过去两年，很多企业都在尝试把AI引入工作流程。员工用AI写文案、做表格、整理资料，研发人员用AI辅助编程，客服部门用AI回答问题。技术确实提高了不少人的工作效率，但企业整体的生产效率，并没有因此出现同等幅度的变化。
AI越来越聪明，企业却未必因此变得更高效。
在百度世界2026上，李彦宏给出了一个值得关注的解释：AI是新电机，智能组织是新厂房。如果只是给旧工厂换上新电机，却不重新设计厂房和生产流程，新技术的价值就很难充分释放。
这句话指向的，可能是AI时代企业需要回答的一个更大问题：当AI开始参与工作，企业究竟应该如何重新组织人和AI？
01 AI是新电机，智能组织是新厂房
2016年，李彦宏提出“互联网的下一幕，是人工智能”；2026年，李彦宏提出“AI的下一幕，是智能组织”。要理解李彦宏为什么提出这个判断，得先回到一百多年前的工厂。
19世纪末，电动机开始进入工厂。最初，一些工厂只是把原来的蒸汽动力换成电动机，机器的位置、生产线的布局、工人的工作方式都没有发生太大变化。
工厂虽然用上了新技术，生产效率却没有马上出现明显提升。原因并不复杂：过去的工厂是围绕蒸汽动力设计的。动力通过天轴和皮带传递到不同机器，机器必须按照动力传输的方式排列。即使动力来源换成了电，整个工厂仍然沿用旧的布局。
所以工厂开始拆掉贯穿车间的天轴，让每台机器拥有独立动力，再根据生产工序和物料流动重新安排设备，电力的优势这才逐渐发挥出来。
这个过程给今天的企业提供了一个很直观的参照。
现在，很多企业引入AI，做的其实还是“原位换电机”：员工原来怎么工作，现在还是怎么工作，只是多了一个AI工具；原来需要人工整理的材料，现在让AI整理；原来需要人写的报告，现在让AI先生成一版，主要发生在个人工作环节，并没有触及组织本身。
举个例子，一名员工用AI把一份报告从两天缩短到两小时，效率提升了很多。但如果这份报告仍然需要经过原来的层层审批，相关部门仍然要反复开会确认，其他员工也无法调用这名员工积累的经验，那么这次提效就很难转化成整个公司的效率提升。
个人变快了，组织未必变快。如果组织仍然只按照原来的岗位划分工作，AI就只能成为每个人手边的辅助工具。它很难真正参与跨部门协作，更难推动整个业务流程发生变化。
就像李彦宏说的，AI没有产⽣预期的经济效益，是因为我们只是更换了电机，却还没有重新设计工厂。所以他提出的“智能组织”，正是希望改变这一点。
不是简单地给每个员工配一个AI助手，而是重新设计工作如何分配、经验如何保存，以及业务流程如何持续改进。企业不只是要让员工学会使用AI，还要让组织本身具备使用AI、调动AI和不断进化的能力。
02 李彦宏如何验证“新厂房”？
一个新概念能不能成立，最终还是要看它能否落到真实业务中。
李彦宏提出智能组织，并没有只停留在管理理念层面。百度本身就是一个观察样本：一家拥有复杂业务和大量研发任务的科技公司，如何把智能体真正引入日常工作？
首先，是让智能体从零散工具变成组织中的实际参与者。
过去，企业谈AI应用，常常关注员工使用了多少次AI、消耗了多少Token，一个员工每天问AI几十个问题，不代表AI已经承担了实际工作；Token 消耗量也不能直接说明产出是否可靠。
Token至今仍只是计费单位，价低不等于可用，量大不等于可信。当一个Token的质量可以被抽检、被追踪、被公开比对，模型采购的依据才能从“厂商的宣传材料”转向“可验证的指标和可追溯的历史”。这是模型供给从“有没有”进入“值不值”阶段的前提。
而在企业内部，评估AI是否真正创造价值，也需要从调用次数转向它有没有参与实际工作。
因此，李彦宏此前提出了DAA，也就是日活智能体这一衡量方式，它关注的不是AI被调用了多少次，而是有多少智能体真正参与了工作。
在百度的探索中，智能体正在从个人使用的辅助工具，逐渐进入更具体的业务任务。它们可以承担某些工作环节，也可以和人、其他智能体协同完成更复杂的任务。这意味着，企业开始有机会把AI从“员工手边的工具”，变成“组织里的工作力量”。
其次，是让产品本身具备持续改进的能力。
百度搭子、秒哒、伐谋等产品，分别面向智能体开发、应用构建和复杂决策等不同场景。它们的意义不只是帮助用户完成某项任务，更在于探索AI如何进入工作流程，并在使用过程中不断积累经验。
以百度搭子为例，它不只是让企业快速创建智能体，还希望把企业原有的业务数据、流程和专业知识接入其中，让智能体能够理解具体的业务任务。企业在使用过程中，可以不断补充知识、调整任务流程，让智能体逐渐适应真实工作。
这套方法也正在走出百度，进入产业现场。
南方电网与百度的合作，就是通过百度搭子相关能力，企业可以把专家过去积累的故障处理经验沉淀下来，让智能体学习历史故障数据，辅助一线人员分析问题。相关方案的故障分析准确率达到70%以上，效率提升12倍，并已在广西多个地市和县域推广。
百度伐谋的方向则更偏向复杂业务决策。它升级至3.0后，进一步聚焦生产运营、经营策略和产业研发等场景。当前，伐谋覆盖了41个工业大类中的25个（超60%）。在海高激光，伐谋持续学习生产数据、不断优化控制策略，将一套四机械臂机器人的切割方案设计时间从原来的4到8小时缩短至约10分钟，并且实现四臂协同作业全程零冲突，把少数工艺专家的经验转化为生产团队可重复使用的算法能力。
百度世界2026上，还有许多产品进展，进一步降低业务人员参与AI能力构建的门槛。
比如，百度文库、网盘联合推出的库库全面升级，构建了本土与全球矩阵，全球月活5000万；库库还首创全天候自动化任务（例如24小时股票盯盘），低算力、高性价比；海外版KOOKO服务1200万用户、覆盖200多个国家。
百度一镜也有三大能力升级：视频生成低至0.2元/秒；推出短漫剧Studio一站式生成短剧并一键转绘出海；微表情达AU级、实时互动2秒响应。现在内部交付周期已经缩短了34.9%，电商出海降本83%、转化提升了29%。
还有一个小彩蛋，一镜数字人希加加已经可以采访李彦宏了，她问“我可以当CEO吗？”李彦宏还是拒绝了她，因为AI有AI的活儿要干。
这些产品虽然领域不同，但思路一致：AI要进入真实业务，在执行和反馈中持续适配。
当然，智能组织仍然处在探索阶段，百度的实践也不是所有企业都能直接照搬的标准答案。但它提供了一个观察方向：AI能不能创造价值，不只取决于模型有多强，还取决于企业有没有为它安排合适的位置。
03 智能组织凭什么不断进化？
如果说“新电机、新厂房”解释了为什么企业需要改变，那么智能组织具体改变的，就是企业每天如何工作。
第一，工作从围绕岗位分配，转向围绕任务组织。
传统企业由部门逐级分配任务，但AI时代的任务更复杂，常跨市场、产品、研发、运营等部门，反复沟通易造成等待和重复劳动。
智能组织把“任务”放在更重要的位置：先将任务拆成多个环节，再按需分配给合适的人或智能体。专业判断由人完成，标准化处理交给智能体，复杂决策由人机协同。组织不再完全依赖固定岗位边界，而能按任务需要重新组合。
第二，企业从依赖个人能力，转向积累组织智能。
优秀员工能把事做好，换人接手结果可能不同，因为真正影响质量的还有长期积累的经验、判断和技巧。
智能组织把这些经验整理为可调用的知识和流程，经验进入平台后，智能体执行任务时可调用；新结果产生后，经验又能补充修正。企业因此不再只靠少数优秀员工，而能把个人能力变成组织资产。
第三，组织从定期优化流程，转向让流程持续学习。
传统组织的流程通常由管理者和专业人员提前设计，流程上线后，员工按照规定执行，管理者定期检查，发现问题后再开会讨论、修改制度。这种方式并没有错，但它的调整速度往往跟不上复杂业务的变化。
智能组织希望让流程形成持续反馈的循环。一项任务执行之后，会留下数据和结果；系统根据结果判断哪里做得好、哪里出现偏差；发现问题后，再调整任务分配、执行方式或相关规则，然后进入下一轮执行。
这就是李彦宏所说的自主进化公式“可衡量+Looping=持续进化”。
Looping可以简单理解为一个不断重复的工作闭环，比如，企业使用AI处理客户咨询，如果只关注AI回答了多少问题，可能很难发现真正的问题。但如果持续记录客户是否解决了问题、哪些问题需要人工介入、哪些回答容易出错，企业就能据此调整知识库和处理流程，让下一轮服务更准确。之后逐渐进入研发、生产、销售、运营等不同业务中，组织就有机会从一个依靠人不断推动的系统，变成一个能够持续学习和改进的系统。
这也是百度强调全栈AI能力的原因，智能组织不是单靠一个模型或一个智能体就能建立的。底层算力、模型能力、智能体运行环境、企业知识和业务系统，需要共同支撑任务执行和反馈。百度的“芯云模体”全栈布局，正是希望为这些环节提供基础能力，让AI不只完成一次任务，也能支撑业务持续运行和优化。
在李彦宏的设想中，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。
04 结语
从一百多年前的第一张组织结构图到李彦宏说的“新厂房”，组织形态每次重画，都对应一次生产力跃迁。
智能组织未必是终局，但李彦宏先用百度当试验场，让答案从概念变成可观察、可质疑、可追踪的样本。当全球追问“AI时代的公司该长什么样”，中国企业的样本值得产业界持续验证。
