2016 年百度世界大会上，李彦宏提出：" 互联网的下一幕，就是人工智能。"

彼时，移动互联网的高速增长开始放缓，互联网行业正在寻找新的增长动力。李彦宏将目光投向人工智能，认为它将成为驱动下一轮产业变革的关键技术。

十年过去，人工智能逐渐走进产业生产和日常生活。

随着 ChatGPT 带动生成式 AI 普及，AI 开始从后台的算法能力走向用户可以直接使用的产品，再向企业内部的研发、营销、客服、办公等业务环节渗透。

技术能力的提升，并不意味着生产方式已经同步改变。越来越多企业开始使用 AI 工具，却未必因此获得与技术进步相匹配的效率增长。问题逐渐从 "AI 能做什么 "，转向 " 企业应该如何围绕 AI 重新组织生产 "。

在 11 月 12 日举办的百度世界大会上，李彦宏给出了新的判断—— AI 的下一幕，是智能组织。

AI 的产业化进程可能正在进入一个新阶段。过去十年，行业主要解决的是如何让机器变得更智能。接下来，企业需要思考的是如何让这种智能真正进入组织，成为新的生产力。

01 十年造底座：百度等的不是风口

回看百度过去十年的 AI 布局，可以看到一条逐渐清晰的路径。先建设底层基础设施，再推动模型能力突破，随后将 AI 嵌入产品和业务流程。随着 AI 从提供技术能力走向承担具体任务，企业需要解决的问题也在发生变化。

百度很早就意识到，AI 不会只是互联网产品的一项新功能，而是一场需要底层基础设施支撑的技术革命。

在 2016 年提出 " 互联网的下一幕是人工智能 " 时，李彦宏已经将 AI 视为推动各行业发展的核心动力。当时，深度学习正在推动语音识别、图像识别和自然语言处理等技术取得进展，但要让这些能力大规模应用，还需要解决算力、算法和平台等底层问题。

2018 年，百度发布自研的 " 昆仑 " 芯片，这被视为中国第一款云端全功能 AI 芯片，覆盖训练和推理两类计算需求。百度同时推进深度学习框架、云平台和 AI 开放生态建设，试图打通从芯片、框架到应用的技术链条。

AI 应用越普及，模型训练和推理所需要的计算资源就越多，基础设施能力将决定 AI 技术能够以多大规模、多少成本进入产业。这个阶段，行业竞争的重点主要是让 AI 拥有更强的计算能力和信息处理能力，为后续应用落地打下基础。

随着算力和模型能力持续提升，AI 的价值开始从识别、理解和处理信息，延伸到生成新的内容。

2022 年百度世界大会上，百度展示了文心大模型补全《富春山居图》的过程。借助视觉生成大模型，AI 不再只是识别画作中的山水、树木和笔触，还能根据已有画面生成缺失部分。李彦宏在那届大会上提出，AIGC 将成为继 PGC、UGC 之后的新内容生产方式，并判断未来十年 AIGC 将深刻改变内容生产模式。

它展示了模型能力的跃迁，AI 走向基于已有信息进行生成和创造。因此，内容生产不再完全依赖人的逐项创作，AI 可以参与文本、图像、音视频等内容的生成，改变原有的生产成本和效率。

四个月后，OpenAI 发布 ChatGPT，生成式 AI 开始以更直观的交互方式进入大众视野。用户不再需要理解复杂的模型接口，只需通过自然语言提出问题，就能让 AI 完成写作、总结、翻译、代码辅助等任务。生成式 AI 由此从专业技术领域走向更广泛的个人和企业用户。

当 AI 具备了生成内容、理解指令和处理复杂信息的能力，企业也将它放进真实的业务场景中。

2023 年，李彦宏提出要用 AI 原生思维重构百度的产品、服务和工作流程，并表示百度要做第一个把全部产品重做一遍的公司，" 不是整合，不是接入，是重做，重构 "。

AI 不再只是附加在原有产品上的一个功能，而是有机会成为产品设计和业务运行的底层能力。

类似的变化也发生在海外企业。微软在 2023 年 3 月推出 Microsoft 365 Copilot，将大模型与用户的邮件、日历、文档、会议等工作数据连接起来，让 AI 能够在 Word、Excel、PowerPoint 等办公应用中辅助完成具体工作。

AI 由此进入了企业的工作界面和业务流程。但这仍然只是第一步。早期的 AI 应用更多承担问答、生成和辅助处理等任务，人与 AI 之间的关系仍然是人提出需求、AI 提供结果。

随着 Agent 能力发展，AI 能够更深入地完成工作。企业面对的问题发生变化：当 AI 能够参与任务执行时，原有的岗位设置、协作流程和管理方式是否还适用？

从芯片、云和框架等底层基础设施，到大模型带来的生成能力，再到产品和业务流程的 AI 化。AI 逐渐从一种技术能力变成能够参与生产的工具，企业下一步要解决的，就不只是如何改造产品，而是如何重新设计内部的生产和协作方式。

02 智能体入场，旧组织图不够用了

大模型让 AI 从理解信息走向生成内容，而 Agent 则是 AI 从生成内容走向执行任务。

在此之前，企业依靠人的专业分工与团队协作完成任务。一个项目往往需要产品、研发、设计、运营等不同岗位参与，每个人负责其中一部分，再通过会议、汇报和流程衔接起来。

Agent 的出现开始改变这种协作方式。它可以根据目标拆解任务，调用工具和外部系统，完成资料研究、数据分析、代码编写、文档处理等工作。用户可以调度多个 Agent，让它们分别承担不同任务，再对结果进行整合和判断。

在 2026 年 5 月的 Create 大会上，李彦宏提出，企业的最小生产力单元正在发生变化。过去是一个团队，今天则可能变成一个 " 超级个体 "，也就是一个人加上一支智能体编队。随着 Agent 能力增强，个体能够调动的资源和完成的工作范围都在扩大。

这并不意味着一个人可以立刻替代一个完整团队。不同任务仍然需要专业判断、协作和责任分工。但过去必须依靠多人协作才能完成的部分工作，正在出现新的组织方式。

生产力单元发生变化，组织方式也需要随之调整。

传统企业通常围绕岗位和部门建立组织架构。岗位对应明确的职责边界，部门负责专业分工，层级管理则承担任务分配、进度协调和结果监督的作用。

但 Agent 的工作方式并不完全遵循这套边界。Agent 可以同时承担原本分散在多个岗位中的任务，也可以根据目标调用不同工具和系统。如果仍然按照传统岗位划分任务，AI 就可能被限制在单一环节，甚至需要经过多层审批和人工交接才能继续执行，无法充分发挥跨任务协作的能力。

因此，李彦宏提出，未来组织需要从以岗位为中心转向以任务为中心。组织不再只是由固定岗位和部门组成，而是围绕具体任务，动态组合人和 Agent，形成一个可以灵活调整的任务网络。

这也是 "AI 内化 " 与单纯使用 AI 工具之间的区别。个人使用 AI，可以提高自己的工作效率；但如果 AI 只存在于员工各自的工具箱里，企业的知识仍然分散在个人手中，工作流程也没有改变，那么这种效率提升很难沉淀为组织能力。

在此次百度世界大会上，李彦宏提出了智能组织进化的三个原则：打破岗位边界、沉淀隐性知识、设计流程闭环。

打破岗位边界，让组织从岗位中心转向任务中心。企业需要重新审视原有的岗位分工，把工作拆解为更具体的任务，再判断哪些由人完成，哪些可以交给 Agent，哪些需要人和 Agent 共同协作。组织的核心不再是维护固定的岗位边界，而是围绕目标灵活配置资源。

沉淀隐性知识，让个人经验成为组织资产。企业中有大量知识并不在正式文档里，而是存在于员工的经验、判断和工作习惯中。比如，销售人员对客户需求的理解，工程师处理异常问题的经验，管理者对业务优先级的判断。这些知识往往随着人员流动而流失，也难以被其他员工和 AI 直接调用。

智能组织需要把这些分散的经验转化为可以记录、积累和检索的知识，再与业务数据、流程和上下文结合起来。这样，Agent 执行任务时才能调用企业自己的知识，而不是每次都从通用模型的能力出发。长期积累下来的企业知识，也可能成为不同公司之间难以复制的差异。

设计流程闭环，则让组织具备持续反馈和优化的能力。李彦宏用 " 可衡量 +Looping= 持续进化 " 概括这一原则。AI 完成任务只是开始，企业还需要知道任务结果是否达到目标、执行过程哪里出现问题，以及下一次如何改进。

组织形态变化之后，企业经营也可能出现新的机会。

首先轻资产运营，Agent 能够承担更多重复性工作，让少数员工调度智能体完成过去需要更大团队才能承担的任务，降低企业扩张的人力和协作成本；其次是构建新的护城河，企业积累的客户数据、行业知识和业务流程，可以成为 AI 理解业务、形成差异化优势的基础；三是创造和发现新市场，Agent 降低了调研、分析和方案验证的门槛，让一线员工也能参与创新，将更多业务需求转化为新的产品和机会。

智能组织可以把企业内的知识、任务和反馈机制重新连接起来。让 AI 进入企业的知识体系、业务流程和协作机制后，才能持续参与任务执行并积累经验，真正转化为组织生产力。

03 换电机之后，更重要的是换厂房

随着基础模型逐渐成为可以被不同企业调用的通用能力，模型本身与具体业务之间的距离开始成为新的竞争焦点。

模型供给端也在发生变化。李彦宏在百度世界 2026 上提到，今年前 9 个月几乎每天都有不止一款新模型发布，模型调用需求迎来大爆发；但一批词元中转站并不对模型效果、服务稳定性、响应速度负责，甚至模型真实性也无从考证。

为此，百度正式推出大模型交易平台词元所，定位 " 大模型的交易所 "，主打 " 验真 " 与 " 征信 "：通过模型指纹比对、能力测试、性能与可用性测试核验资源，并以定期抽检拨测、全链路实时监测为模型提供商建立信用评级，让企业乃至个人便捷找到、购买和使用可信的模型 Token。试运营一个月，词元所入驻供应资源已超 100 个，日均调用次数突破 5000 万，日均调用 Token 超 7000 亿。

不过，相同的模型能力，进入不同企业之后，可能产生完全不同的结果。有的企业只是让员工多了一个写作和问答工具，有的企业则把 AI 接入研发、销售、客服和运营流程，让它参与具体任务，并通过业务反馈持续优化。

企业之间的差距可能不再只取决于有没有使用 AI，也取决于能否把 AI 真正转化为组织能力。模型提供能力，产品提供入口，而知识、流程、权限和反馈机制决定了 AI 能否在真实业务中持续发挥作用。

李彦宏这次提出智能组织，正是把讨论从 AI 技术和产品推进到企业内部的生产关系。对企业来说，AI 竞争的下一道门槛，可能不是再采购一款工具，而是重新设计一套能够让人和 Agent 协同工作的组织体系。

百度提出智能组织，是李彦宏基于多年来自身对 AI 产业的投入与实践。

2016 年，李彦宏将人工智能视为互联网发展的下一幕。当时，AI 主要还是一项需要长期投入的基础技术，百度围绕语音、图像、自然语言处理等方向建设技术能力，并逐步向芯片、云和开发平台延伸。

到了大模型时代，李彦宏的关注点开始从技术能力转向 AI 如何进入产品和业务。2023 年，他提出用大模型重做产品和工作流程；2025 年百度世界大会上，他进一步强调，当 AI 能力被内化，智能就不再是成本，而是生产力，企业需要让 AI 与具体任务有机结合。

此次百度世界大会，他进一步提出智能组织的定义、进化原则和商业机会。

从基础设施到模型，从产品应用到 Agent，再到组织形态，背后是一条一以贯之且逐渐深入的产业判断。AI 的价值不会停留在技术本身，而要进入真实的生产活动，最终改变企业创造价值的方式。

下一个十年，AI 能否进一步改变企业的组织方式，智能组织能否成为新的行业共识，还需要更多企业的实践来验证。

但可以确定的是，当 AI 开始参与生产，企业需要重新思考的不只是如何使用技术，还有如何组织人、知识和任务。AI 的下一幕，或许正是从改变工具，走向改变组织。