文章核心观点 - 百度董事长李彦宏通过数字人希加加访谈回应外界“起大早赶晚集”评价，认为创新失败率高是常态，公司心理上接受90%会失败，这是创新所需付出的代价 [3][4] - 公司目前花时间最多的是应用层问题，若应用口子打不开，底层供应将变成泡沫，行业尚未找到真正杀手级应用，若再过几年仍找不到将面临新一轮洗牌 [4] - 数字人不能当CEO，因为AI没有使命与愿景，只能作为CEO的思考伙伴，定方向给指令的必须是人 [5] - 展望未来十年，最希望看到AI对全球GDP产生有意义的贡献，最不希望看到新需求未能产生 [5] 昆仑芯与芯片布局 - 十几年前公司开始做芯片时外界认为“芯片买不就行了吗”，今天大家才意识到应该早做 [4] - 昆仑芯做到第五年、第十年时也没人觉得怎样，最终公司把它做出来了 [4] - 李彦宏表示有一个成功的例子可能就有九个不成功的例子 [4] 萝卜快跑与自动驾驶 - 萝卜快跑坚持十几年、技术全球领先，但至今未大范围普及，砸了几百亿 [4] - 公司仍认为技术本身有价值，相信市场有一天会接受，届时外界就不会觉得公司在赶晚集 [4] 数字人技术与应用 - 希加加是公司一镜生成的数字人，视频中出镜的李彦宏既有数字人也有真人 [3] - 数字人回答问题时保留了人类思考的停顿，动作自然，能做出挠头动作，展现有思考有迟疑的真实对谈状态 [3] - 数字人可作为CEO的思考伙伴，帮人查资料、推演问题，遇事不决今天第一想到的可能是去问问AI [5] AI行业与人才观点 - AI大厂负责人中90后、00后不少，人的神经元像模型参数，创造力高峰在30岁左右即参数规模最大，但年纪越大经历数据越多训练越充分 [5] - 中美AI领军人物年龄有差异跟年龄没有必然联系，关键是多早多深刻地理解了AI [5] - AI时代产生的新需求主要来自两个方向：健康如AI助力新药发现，以及快乐即AI创造新的娱乐形式 [5]

文章核心观点 - AI不只是一场技术革命，更是一场组织革命，这一趋势不可阻挡 [2] - 人工智能的下一幕是智能组织，企业要像重新设计工厂一样重新设计组织 [2][4] - 换一台AI新电机只是起点，重新设计新厂房才是分水岭，这座新厂房就是智能组织 [7] - 只有匹配AI各种新能力的组织方式落地，生产力才会大幅度提升，经济才能加速成长 [4] 人工智能技术栈与智能组织的定位 - 2016年到2026年是人工智能技术形成独立技术栈的十年，“芯云模体”四层架构在这十年逐步形成 [4] - AI技术的上游是能源，下游是组织能力，即不同于现行科层制的AI原生组织体系——智能组织 [4] - 人工智能是新电能，智能组织是AI时代的新厂房，是生产力真正发生的地方 [4] 企业AI应用现状与组织重构 - 不少企业Token花费越来越多，但收入利润没有跟着涨，原因在于只更换了电机，却没有重新设计工厂 [2][7] - 企业不能只把AI当成个人提效的工具，而要让智能体、数字员工真正进入销售、客服、研发、运营等业务环节，围绕AI重新设计组织 [6] - 没有一家公司会因为用了几个AI工具一夜之间变得更有竞争力 [7] - 新生产力只能从AI流水线里长出来，从智能组织里长出来 [7] 组织进化三原则 - 原则一：打破岗位边界，释放组织活力——岗位是工业时代的单元，任务是智能时代的单元，未来组织是以任务为核心、人和Agent协作的任务网络 [8] - 岗位不会消失，但会收敛为两类：负责创造新东西的Builder，以及负责人与人之间沟通和连接的Seller [8] - 原则二：沉淀隐性知识，构建组织智能——组织智能和个体能力最大的不同是隐性知识的显性化，让知识沉淀到公司平台上，持续累积、随时调用、人人可用 [8] - 组织智能才是企业最深的护城河 [8] - 原则三：设计流程闭环，推动组织进化——智能组织是自主进化的智能系统，提出“可衡量+Looping=持续进化”的公式 [8] - 未来人和AI围绕一个任务形成一个Loop，公司变成由无数Loops组成的高度自动化运营组织，组织变成不断学习和进化的系统 [9] 大模型交易平台词元所 - 模型迭代速度非常快，今年前9个月几乎每天都有新模型发布，有时一天能发出多个模型，模型调用需求迎来大爆发 [11] - 由此催生的一批词元中转站并不对模型效果、服务稳定性、响应速度等负责，甚至连模型真实性都无从考证 [11] - 百度正式推出大模型交易平台词元所，定位为大模型的交易所，希望汇聚好的模型和模型提供商，让企业乃至个人便捷地找到、购买和使用可信的模型Token [12] 大模型研发战略 - 大模型产业沿两条路径发展：一是向上突破推高智能上限，二是向实扎根释放产业价值 [13] - 公司将持续投入研发下一代更前沿的基础大模型 [14] - 坚持“模体并行、协同进化”理念，让大模型为应用而优化，文心闪电模型、文心微表情大模型均践行该理念 [14] AI芯片与算力需求 - 过去AI算力需求主要以训练为主，现在是训练与推理并重的格局，智能体应用的规模化带动了推理计算需求的大爆发 [15] - 推理将成为AI芯片长期持续增长的主要推动力 [15] - 昆仑芯是公司十多年坚持投入的结果，其商业价值正获得越来越广泛的认可 [15] 无人驾驶业务 - 只有四层架构技术都掌握，层与层之间相互适配、联合优化、垂直整合，才能做出最有价值的产品 [17] - 公司是为数不多的四层AI技术全部具备领先优势的公司，这一点在无人驾驶上体现得最为明显 [17] - 今天的具身智能大约相当于无人驾驶2016年左右的发展水平 [18] - 无人驾驶将是人工智能技术竞争中不可或缺的一环 [18] - 萝卜快跑已与神州租车团队携手，把传统自驾游和无人驾驶深度融合，开创全球唯一的无人车“自驾游”服务模式 [18] - 萝卜快跑覆盖全球28座城市，自动驾驶里程超过3.5亿公里，其中全无人驾驶里程超过2.4亿公里 [18] 智能组织三大机会 - 机会一：轻资产运营——一个人或很少的人可以带着一群Agent完成各种任务，人力资源不再是企业扩张的瓶颈，迭代速度大大加快，企业可并行开很多小实验而非一次只押注一个团队，组织可轻装上阵灵活探索增长机会 [20] - 机会二：构建新护城河——企业可把顶尖员工的隐性经验沉淀为可复用的数字资产，封装成智能体模块，在全球范围内毫秒级部署、7×24小时运行 [20] - 拥有不同技能的顶尖员工在隐性经验显性化后可相互借鉴、融会贯通，使集体智能超越个体天才 [20] - 企业可在行业通用能力之上叠加自身独有的知识、上下文以及文化和理念，形成难以被复制的竞争壁垒 [20] - 机会三：创造和发现新市场——能够自我进化的组织会形成闭环，能感知变化、快速试验、持续学习、规模复制，企业创新从依赖少数“创新部门”转向全组织并发探索，更有可能发现和创造新市场，培育新增长曲线 [20]

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]