文丨金融八卦女特约作者：铁马

2017年，李彦宏乘坐无人车驶上北京五环，收到了一张罚单。他回应说：“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？”一张罚单背后，是百度推动无人驾驶从实验室驶入真实道路的探索。

十年后回头看，这张罚单像一个时代注脚：判断一件事，不只看技术能不能跑通，还要看它什么时候能够进入真实世界，又将以什么方式创造价值。

这种前瞻性，不只是提前看到技术趋势。更重要的是，当一个技术问题逐渐成为行业共识，他总会继续追问：这项技术下一步真正的价值是什么？

在今年的百度世界大会上，他给出了新的判断：人工智能的下一幕，是智能组织。如果AI是新电能，智能组织就是AI时代的新厂房，是生产力真正发生的地方。

1./ 李彦宏总比行业早一步，看到AI的下一幕/

从当年无人驾驶上路引发的那张罚单，到今天谈AI时代的“新厂房”，贯穿其中的其实是同一个问题：技术究竟怎样才能真正改变现实世界？

把时间拨回2016年，百度世界大会上，李彦宏提出“AI is the New Electricity”，认为AI将像电一样，成为驱动各行各业发展的基础能力。

彼时，AI远没有今天这么热，移动互联网仍是科技产业的主角。

回看这十年，李彦宏的几次重要判断，勾勒出百度AI不断向产业纵深推进的路径。

2018年，百度自研AI芯片发布，百度向算力底层布局。

2022年，文心大模型展示补全《富春山居图》，李彦宏判断AIGC将成为新的内容生产方式，四个月后ChatGPT发布，生成式AI席卷全球。

2023年，李彦宏提出“把所有产品都用大模型重做一遍”，推动AI从模型走向应用。2024年，他又进一步押注智能体，半年后，Anthropic披露多智能体架构，多个智能体分工协作也逐渐成为AI应用发展的重要方向。

在硅谷热衷Tokenmaxxing时，李彦宏再次提出DAA（日活智能体数），追问AI的价值产出。

到了今天，李彦宏思考的已不只是AI能做什么，而是如何让AI真正进入产业、重构生产。

互联网时代，亚马逊创始人贝佐斯提出“两块披萨团队”：一个团队最好小到两块披萨就能喂饱，成员拥有更大的自主权，决策和执行也能更快完成，也就是用小型、扁平的团队降低传统大组织的层级和协作成本。

但AI时代，组织面对的是一道新题：团队里不只有人，还多了能够自主执行任务的智能体。一个人可能同时调度多个智能体，完成过去需要多个岗位协作的工作。岗位边界、任务分配和协作流程，都有了重新设计的可能。

如果说过去十年，李彦宏关注的是AI如何进入现实世界，那么今天，他开始追问：当AI已经进入企业，企业本身又该如何改变？

2./ 造新厂房，“李厂长”先拿自己做实验/

说到改变组织运行方式，不管是不是科技行业，都普遍存在“看得见Token，看不见利润增长”的现象：AI工具买了不少、智能体也用上了，但员工仍按原岗位、原流程工作，技术投入没有转化为利润增长。

李彦宏既是技术背景的创业者，也是大型科技企业的管理者。他看AI，不只关注技术能否突破，还思考技术如何改变产品、产业乃至企业运行方式。

从这个角度，他认为，AI是新电能，智能组织是AI时代的新厂房；AI技术上游是能源，下游是组织能力。企业没充分释放AI价值，可能是因为只换了电机，却没有重新设计工厂。

所以百度世界2026上，李彦宏提出设计“AI时代新厂房”的三大原则：

第一，打破岗位边界，释放组织活力。传统企业围绕市场、产品、研发、销售等岗位分工，员工按岗位职责完成任务。但当AI能承担越来越多具体工作，固定岗位边界就不再是唯一选择。未来组织可围绕任务目标灵活调配人和智能体，一个人带领一支智能体编队，完成过去需要多岗位协作的工作。

第二，沉淀隐性知识，构建组织智能。企业真正有价值的知识，很多不在制度手册里，而在员工经验中：老师傅判断设备故障、资深销售识别客户需求、产品经理判断用户真正需要什么。这些经验难标准化、难快速传递，智能组织要让知识显性化，沉淀到平台，形成可持续累积、随时调用、人人可用的组织资产，企业才真正拥有超越个体能力的“组织智能”。

第三，设计流程闭环，推动组织进化。

李彦宏还提出了一个公式：可衡量+Looping=持续进化。

其中，Looping（循环的过程）不是一次性的复盘，而是把“执行—反馈—评估—调整”嵌入日常运行，让每一次任务都成为下一次任务的经验。

百度搭子就是一个产品级的样本：它通过160次自我迭代持续优化能力，在真实使用中积累经验、调整能力，本身就是智能体产品自我进化的代表。

百度内部的“智能组织实验”，则把Looping从产品层面进一步延伸到了产研流程上。

过去，互联网公司的产品、研发、设计、测试各管一段，工作围绕岗位展开，如今，百度数字人团队开始打破岗位边界。

团队基于自研BiuBiuAgent，已实现6个以上需求由单人完成全流程交付。仅第三季度，数字人业务产研就实现了564次迭代，沉淀130个Skills和729篇组织资产，人均吞吐提升125.3%，交付周期缩短28.8%。一名校招新人借助Agent，仅用1天就完成了过去需要5个角色、至少10天才能交付的需求。

▲百度数字人希加加采访李彦宏

这正是Looping在组织层面的价值：每一轮任务交付都会产生反馈，反馈经过评估和调整，再进入下一轮任务。经验不再停留在个人手中，而是沉淀为可复用的组织资产，让组织能力随着每一次交付持续进化。

产业一线同样在检验“进化”的价值。南方电网与百度搭子推出的“天璇伙伴”，将专家经验沉淀为可复用的知识能力。过去，配电网故障处理高度依赖专家人工研判；如今，天璇伙伴通过学习历史故障处理数据，串联故障记录、开关信号和线路拓扑，形成完整证据链，实现故障分析的闭环研判。

其分析准确率达到70%以上，效率提升了12倍，已在广西14个地市、112个县推广。这里的“闭环研判”，则是Looping在业务层面的体现：将故障处理结果和经验反馈到后续研判中，让下一次分析有机会做得更准确、更高效。

而从底层看，百度还通过“芯、云、模、体”全栈AI能力支撑组织进化：从芯片、云基础设施，到文心大模型、智能体应用，形成层层协同，为产品和业务中的一个个Loop持续运转提供支撑。

这与海外观点将AI产业比作“五层蛋糕”的观点有异曲同工之妙。有观点认为，AI产业从下到上依次由能源、芯片、基础设施、模型和应用构成，各层之间相互拉动、缺一不可。百度强调的则是，当AI能力沿着产业链向上延伸，最终还需要进入企业组织和业务流程，才能真正转化为生产力。

3./ 为什么又是李彦宏？他看到了AI的下一幕/

过去十年，李彦宏总能在行业最热闹的时候，提出一个不一样的问题。

移动互联网最热时，他谈AI。后来，AI逐渐成为全球科技产业的重要基础设施，自动驾驶、AI芯片和大模型相继进入产业发展的主航道。

百模大战时，他强调应用。随后，微软、谷歌等科技企业加速将大模型嵌入办公和产品，大模型竞争逐渐从模型能力延伸到应用落地。

当行业热衷于比拼Token消耗量时，他提出DAA。此后，全球科技企业也开始更多讨论AI究竟完成了什么任务、产生了什么结果，AI价值衡量的重心正在发生变化。

当企业纷纷部署AI时，他又开始追问：为什么生产力没有充分释放？

背后是一种不断向下追问的思考方式：技术突破之后看应用，应用普及之后看价值，价值要真正兑现，最终还得看组织能否发生改变。

当然，前瞻判断最终能否成立，还要看有没有长期投入和现实验证。

百度当年的在芯片和自动驾驶上，都经历了漫长的周期。李彦宏曾回顾过，芯片团队坚持了十几年，才逐渐看到收入增长和利润释放；萝卜快跑同样经过十几年的探索，才逐步进入全球自动驾驶第一梯队。

这些经历说明，技术趋势不会因为一次判断就能兑现。真正重要的是，在外界尚未形成共识时，能否持续投入，并把技术一步步带入真实场景。

更值得注意的是，智能组织正在从一家企业的探索，变成全球产业共同关注的命题。

麦肯锡提出Agentic Organization（智能体组织），讨论企业如何围绕智能体重新配置组织和工作方式；微软提出Frontier Firm（前沿企业），关注AI如何从员工个人工具进入企业整体工作流程；OpenAI则提出Task Crossover（任务跨界），指出AI正在模糊传统职业和岗位之间的任务边界，并探索Codex与人类工程师之间新的分工机制。

企业的表达各有侧重，但一个共同趋势已经显现：AI带来的变化，正在从工具和岗位层面，深入到企业的组织结构、协作机制和业务流程。

这也让李彦宏提出的“智能组织”，不只是一次企业管理层面的讨论，而是对AI产业下一阶段的判断。

他认为，智能组织将为企业带来三大机会：轻资产运营、构建新的护城河，以及创造和发现新市场。

这是因为，当一个人能够带领智能体编队完成更多任务，人力就不再是企业扩张的唯一瓶颈；当企业将独有的知识、上下文和文化沉淀为组织智能，就有机会形成难以复制的竞争壁垒；当创新不再局限于少数专门部门，而是由整个组织共同探索，企业也有机会打开新的市场和增长空间。

十年前，李彦宏希望AI成为改变世界的新电机，十年后，他开始思考如何让电机真正驱动企业运转。

过去十年，互联网的一幕是人工智能已经成为现实。下一个十年，智能组织能否成为新的行业共识？或许就是AI时代最值得期待的“下一幕”。