AI下半场，先换“新厂房”的企业先赢

出品 | 子弹财经

作者 | 林岩

编辑 | 闪电

美编 | 倩倩

审核 | 颂文

11月12日，“李厂长”李彦宏与数字人希加加的跨次元对话，成了百度世界2026现场很有意思的一幕。

希加加问：“数字人能当CEO吗？”李彦宏笑答“不能”。随后他谈到组织、公司和个人都有自己的mission和vision。当被问及组织最核心的部分是什么时，他再次强调：“最核心的其实还是人。”

一段轻松的互动，折他对AI与人的关系的思考。

这段对谈，也点出今年百度世界想讲的那件事：AI时代，要把组织重新搭一遍。

为什么要把组织重新搭一遍？

今年6月世界经济论坛和科尔尼发布一份白皮书指出：2025年全球AI投资超过2500亿美元，但只有25%的企业认为AI带来了变革性影响。

德勤的调查更具体：74%的管理者预计，未来四年近一半业务流程要围绕AI Agent重新设计，但真正做到的只有15%。

李彦宏也谈到，不少企业一把手有这样的疑问：“为什么Token花费越来越多，但收入利润没有跟着涨？”

对此，李彦宏类比工业时代发展进程，给出解释：“是因为我们只是更换了电机，但是没有重新设计工厂。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。”

这个比喻，把人们的目光引向一个被长期忽略的事实：生产力的释放，从来不在工具层，而在组织层。

1、电机换了，产能为什么没涨

企业AI转型最容易掉进的坑，是把局部成功当成整体转型。

先看一个普遍的场景。一家公司给全员开通了AI账号，有人用它写周报，有人用它做表格，大家都觉得效率高了一点。可到了年底复盘，管理层却发现，这些零星的效率提升，并没有汇成报表上的增长。

微软今年的《工作趋势指数》报告给这个现象起了个名字，叫“企业AI转型悖论”：员工用AI提升了个人效率，但业务流程、协作方式、评价机制还是老样子。报告指出，在影响AI成效的因素里，组织层面的文化、管理者支持、人才机制，是员工个人因素的两倍。

麦肯锡《组织现状报告2026》的结论也类似。他们调研了15个国家、16个行业的上万名高管，发现88%的企业已经在试用AI，但81%的企业没有从中看到有意义的利润改善。

这种困境，不是AI时代才有的。

1990年，经济学家保罗·戴维研究电力革命时发现一个怪现象：电动机在美国工厂普及之后，生产率没有马上提升，反而滞后了三四十年。原因很简单，工厂只是把蒸汽机的位置换成电动机，给每台机器配了个小马达，产线布局一点没动。真正的爆发，发生在重新设计厂房之后：集中供电、流水线、按工序而不是按机器排布产线。人们发现，卡产能的不是电机，是厂房。

今天AI在企业的落地，正在重演这段历史。AI就是新电机。企业给每个员工配一个AI账号，相当于给每台机器装个小马达，局部有提升，但整体不会跃迁。

波士顿咨询的研究也印证了这一点：要为AI重新设计公司，而不是让AI适应原来的公司。他们跟踪的一家欧洲能源企业，部署了大量AI试点却拿不到整体收益，直到转向重构端到端的客户流程，才出现实质改善。

李彦宏在大会演讲中强调，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成功机会。“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。而这座新厂房，就是智能组织！”

道理并不复杂。AI工具解决的是单点效率，组织决定的是这些效率能不能被串起来。一个员工用AI省下的两小时，如果流程不变，依然会遇到卡点；一个部门跑通的AI应用，如果上下游不配合，也只能停在试点。单点的成功被组织的墙挡住，自然汇不成整体的增长。

因此，把AI工具、Token消耗当成转型成绩单，是这一轮企业AI投入里最贵的误会。说到底，企业的AI进度，更应该看组织有没有跟着变。

2、新厂房，才是下一个赛点

组织应该怎么转？李彦宏的答案是转向智能组织。“如果说人工智能是新电能，那么，智能组织就是AI时代新的厂房，是生产力真正发生的地方。只有匹配AI各种新能力的组织方式落地了，生产力才会大幅度提升，经济才能加速成长！”

电机已经换了，AI工具该买的都买了，但产能卡在厂房。这个卡点不解决，前面投的钱就将变成沉没成本。而且AI是大势所趋，谁率先行动，谁就能拿到先发优势。所谓必答题，就是没有观望的余地：可以暂时不追最新的模型，但不能让组织一直停在消化不了AI的状态。

把视野拉到整个产业链，这个判断会更清楚。2016年到2026年这十年，正是人工智能技术形成独立技术栈的十年，“芯云模体”四层架构就是在这十年逐步形成的。在李彦宏看来，能源是AI技术的上游，智能组织是AI技术的下游。目前，上游竞争早已开始，下游的组织改造才刚刚起步。

那么，智能组织如何带来生产力提升？李彦宏提到，智能组织至少带来三重机会。

一是轻资产运营。怎么去理解？人力资源不再是企业扩张的瓶颈，而是可以通过人和Agent的协同，去放大团队的能力。

二是构建新护城河。企业可以在行业通用能力之上，叠加自己独有的知识、经验、文化和理念，形成难以被复制的竞争壁垒。通用的模型谁都能调，真正拉开差距的，是沉淀在组织里、别人学不会的那部分。

三是创造和发现新市场。创新从依赖少数部门，转向全组织并发探索，企业更有可能迸发出新的增长曲线。当试错的成本被AI降下来，过去不敢想的点子，也敢放手一试了。

这三个机会只对新厂房开放，旧厂房一个都接不住。

那为什么是李彦宏，先把智能组织这条路径跑通？

这恐怕跟百度的AI实践起步早有关。芯片、云、模型、智能体，全栈都在自己手里跑。只有真正打通从底层技术到实际应用的全链条，才能看清AI未来会怎样改变企业的工作方式和组织形态。这种体感，咨询公司给不了，只能自己蹚出来。所以智能组织这个判断，更像是百度从自我实践里长出来的答案。

李彦宏透露，过去一年，百度内部的日均活跃智能体数从0.5万涨到3.7万，涨了6倍多；智能体执行的有效任务完成数，从每周8.4万个涨到超过100万个，涨了11倍。百度已建成4300个Workspace，组织Skill累计沉淀超过2万个。尤其是Skill，它把老员工脑子里的手感，沉淀成可调用、可复用的资产，使得AI真正越过工具层，进入了组织层。

顺带一提，外界喜欢叫他“李厂长”。这个称呼放在今天看，似乎再次契合上了：他把百度的旧厂房拆开，重新搭一遍，也帮更多企业拆掉旧厂房，盖起新厂房。

3、地基铺好，第一批新厂房已经开工

盖新厂房，先得有地基。本届大会，百度围绕“芯云模体”四层架构发布一批成果模型层有文心5.5 Flash预览版、文心闪电深度思考模型与文心一镜微表情大模型，后两款上线千帆平台开放API；智能体层有数字人百度一镜的短漫剧Studio、升级为全系智能体统一入口的百度搭子；再往下，百度智能云发布天池1024卡超节点，昆仑芯M100已上市、M300明年推出。这些成果单看各自独立，串起来是同一件事：为智能组织备好能调用的模型、可信的交易、能承接业务的智能体和算力。

大会还发布了大模型交易所词元所。模型交易要走向规模化，必须先解决信用问题。词元所将模型真实性、服务质量和供应商履约表现纳入核验与评级体系，并形成可查询的信用记录。上线一个月，其入驻资源超100个，日均调用超5000万次、Token超7000亿次，意味着市场开始需要统一的信任标准。

有了好的工具、好的地基，组织要怎么改？李彦宏指出三个要点：打破岗位边界、沉淀隐性知识、设计流程闭环。这三条不是纸上谈兵，除了百度自己已经实践过，还有了第一批按这个路子跑出来的客户。

打破岗位边界，解决的是活怎么分。岗位是工业时代的单元，任务是智能时代的单元，未来的组织就是一张人和Agent协作的任务网络。百度数字人团队就是这个样子，打破产品、研发、设计、测试的边界，全员转向Builder，一个校招新人借助AI，1天干完原本需要5个角色、至少10天的活，团队人均提升125.3%，交付周期缩短28.8%。

百度一见团队更典型，3个人加Agent，2周出初版、1个月交付，整体效率提升60%到70%。这次大会的“如何让AI推进智能组织建设”分论坛，系统呈现了百度内部的智能组织实践。论坛上分享的FDE（前沿部署工程师）案例很有代表性：过去百度智能云业务往往是销售、交付、产研三段接力，如今FDE一个角色就把懂行业、能落地、会推产品三件事打通，已经在金融、能源、制造等多个行业落地了100多个业务场景。

沉淀隐性知识，这条同样不容易，但百度和客户先跑通了。一个资深电网专家，看一眼故障信号就知道问题出在哪，可要让他说清楚判断依据，未必讲得出来。这种经验过去只在人脑子里，人一走就带走。南方电网与百度搭子合作推出的天璇伙伴，做的就是把这些说不清的经验变成可计算的知识：学习上万条历史故障处理数据，把资深专家经验沉淀成可复用的专业知识，分析准确率70%以上，故障分析效率提升12倍，已经在广西14个地市、112个县全面推广。这才是智能组织极深的护城河：模型谁都能调，算力谁都能买，但沉淀在组织里的知识，别人拿不走。

设计流程闭环，回答的是怎么越做越好。百度搭子自己就是这么跑出来的，上线以来完成160多次产品迭代，累计产生交付物超2000万，每次任务的经验都带进下一次工作。产业界也有不少实践。比如百度搭子与南方电网的合作，落地为智能体“天璇伙伴”，服务南方五省区两亿多人的用电保障需求。它把电网专家数十年的实战经验，沉淀成可复用、可自主成长的专业知识和研判闭环。目前，天璇伙伴的故障分析准确率达70%以上，效率提升12倍，已在广西14个地市、112个县推广。

这一点，正好呼应李彦宏反复提及的Looping。他有个公式：可衡量+Looping=持续进化。意思是，每一项任务的结果都可衡量，每一次执行的经验都回流到下一次，组织就在这个循环里自己变好。他设想，未来的公司会变成无数Loops组成的高度自动化运营组织，最终成为一个不断学习和进化的系统。

从百度内部团队，到南方电网、海高激光这些客户，第一批智能组织已经在路上。

4、结语

回到开头那组数字。2500亿美元和25%之间的落差，答案不在模型参数里，在组织架构里。

这道题也不分企业大小、不分行业。只要业务里有靠经验支撑的环节，有需要跨部门协同的流程，就需要解答这道题。更关键的是，这道题有复利。知识沉淀得越早，闭环转得越久，组织就跑得越快，后动手的人将面对越拉越大的差距。早晚都要答，区别在于提早主动答，还是被动答。

对企业来说，AI时代真正的分水岭，不是谁的模型更大，而是谁先把自己的组织拆开重装一遍。