文章核心观点 - 李彦宏在2026年百度世界大会上提出“AI是新电机，智能组织是新厂房”，认为企业AI转型的关键瓶颈已从技术能力转向组织效率，下一个十年真正值得关注的是企业能否借助AI让组织本身变得更聪明 [8][9] - 企业AI转型正遭遇“效率悖论”：个人提效与组织增益之间存在巨大裂口，AI投资的回报问题正从技术能力问题转化为企业的组织效率问题 [12][13][18] - 智能组织可能成为企业构建长期竞争优势的新路径，企业长期沉淀的业务知识、组织协作机制以及持续改进能力很难通过采购AI工具直接复制 [33] 行业背景：企业AI转型的效率悖论 - 麦肯锡今年8月发布的全球AI调查显示，80%的受访者表示AI提高了个人生产率，但只有37%表示AI对企业息税前利润产生了正面影响 [12] - 一项原本需要八小时完成的工作AI可能一小时完成，但若后续审批、沟通和交付仍需两天，企业最终获得的效率提升远没有单个环节显著；若项目中真正“做事”的时间只占三成，即使执行效率拉到无限高，整体周期也只能缩短三成 [13][14] - 个人效率并不天然等于组织能力，企业花钱引入AI可能率先培养出“超级员工”，却未必因此拥有一家“超级公司” [16][18] - 微软在《2026年工作趋势指数》中将这种现象称为“企业AI转型悖论”：员工已在用AI提效，业务流程、协作方式和评价机制却停在过去；BCG认为应该为AI重新设计公司，而不是让AI去适应原来的公司 [18] - 微软2026年《工作趋势指数》发现，只有19%的受访者同时具备较高的个人AI能力和组织支持水平，另有10%的受访者个人AI能力较强但所在组织未能提供相应支持，员工可能已经跑在前面，公司反而成了需要补课的一方 [20][21] 李彦宏AI生产力判断的演进脉络 - 十年前李彦宏将人工智能比作新的电能，判断AI将成为下一轮产业变革的重要力量 [6] - 2025年百度世界强调将AI内化为企业的原生能力 [23] - 2026年Create大会提出人与智能体组成混合编队、推动组织自我进化 [23] - 此次百度世界提出“智能组织”，思考重心从让AI进入业务，到让人与AI重新协作，最终让组织本身具备持续进化的能力 [23] 组织重构的三个层面与组织进化三原则 - 岗位边界受到挑战：智能体参与后部分任务可围绕目标重新组合，一个员工可借助不同Agent承担部分跨岗位任务；组织基本逻辑可能从“先划分岗位再分配任务”变为“先明确任务再决定由谁及哪些智能体协同完成”，岗位不再是能力的固定边界，任务成为组织资源重新组合的起点 [26][27] - 企业核心资产从“掌握知识的人”转向“可沉淀的组织知识”：大模型改变了知识获取门槛，但通用知识不等于企业竞争力，真正构成壁垒的是企业在具体业务中积累的独特经验及将其转化为可复用能力的机制 [28] - 南方电网与百度搭子合作，将过去高度依赖资深专家判断的电力故障分析，通过历史故障数据、线路信息和专家经验转化为可调用和验证的专业分析能力，使少数人手中的经验成为整个组织可持续使用的能力 [28][29] - 企业成长方式从“阶段性改革”走向“持续性进化”：李彦宏提出“可衡量＋Looping＝持续进化”，让任务执行、效果评估和反馈优化形成闭环，使组织能力在日常经营中持续积累 [31] - 组织进化三原则：打破岗位边界释放组织活力、沉淀隐性知识构建组织智能、设计流程闭环推动组织进化，关键是让企业获得不依赖某个员工个人发挥也能不断积累和改进工作方法的能力 [31] 海外市场样本 - Anthropic今年9月披露内部日活研发Agent数量已达3万个，10月进一步公布员工使用Agent工作的时长已达人类的6倍，部分员工岗位职能开始转变，组织最小作业单元不再是一个人而是“人+Agent编队” [36] - 微软CEO纳德拉提出“双资本论”，认为企业要同时积累人力资本和Token资本，把自身知识、经验和业务流程沉淀为可持续的AI能力 [36] - 微软内部已通过Agent 365实现对超50万个Agent的统一管理，同时组建约6000人的前沿部署工程团队，直接嵌入客户企业内部帮助重新设计业务流程 [36] 百度自身实践样本 - 百度数字人创新业务部打破传统产品、研发、设计和测试岗位边界，推动成员向Builder转型，借助AI完成从需求理解到产品交付的更完整任务链条 [37] - 2026年第三季度该团队实现564次产研迭代，沉淀130个Skills和729篇组织资产，产研人均吞吐提升125.3%，交付周期缩短28.8% [37] - 一名校招新人借助AI仅用一天就完成了过去需要五个角色协同、至少十天才能完成的需求交付 [38] - 百度一镜除生成高度逼真数字人外，能力已延伸到实时互动、短漫剧创作以及从品牌营销到客户服务的业务场景，借助AI大脑和多智能体协作，过去需要编剧、导演、制作等多个角色参与的内容生产流程开始能由AI承担更多执行工作 [40] 人与AI的关系定位 - 在百度一镜数字人采访李彦宏的片段中，AI已能以接近真人的形象和表达方式交流，但能模拟人的表达并不意味着能代替人作出所有判断 [41] - 李彦宏表示最核心的还是人，AI和人是一种相互加强、共生的关系 [42] - AI承担越来越多执行工作，人则可将更多精力投入目标设定、创造性决策以及人与人之间的情感连接和信任建立 [44] - 智能组织不是简单的机器替人，而是一次人与AI的重新分工，决定组织往哪里走、为什么而做以及最终创造什么价值的依然是人 [45] 模型服务与产业环节 - 百度推出词元所，试图通过模型服务验真和质量监测让企业更方便地获取可信模型资源 [45] - 词元所试运营一个月已入驻供应资源超过100个，日均调用次数突破5000万次，日均调用Token超过7000亿 [45] - 这组数字说明模型交易正在从企业私下对接变成一个独立的产业环节，规则提供者从这个环节里获得了公共品的属性 [45] 百度AI长期布局的产业脉络 - 百度过去十余年的AI布局正逐渐形成清晰的产业脉络，从昆仑芯在AI算力领域的持续突破到萝卜快跑将自动驾驶带入越来越多城市的真实道路，底层技术和前沿应用投入已开始转化为实实在在的产业成果 [46] - 这背后是科技企业对技术发展方向的长期判断，也是在AI领域坚持长期主义的价值所在 [47] - 未来最有竞争力的智能组织或许不是最不需要人的公司，而是最能释放人的价值的公司 [47]