打开网易新闻 查看精彩图片

智能组织就是AI时代新的厂房,是生产力真正发生的地方

文/王芳洁

9月,具身智能行业跨入分水岭,行业公司上市被监管层收紧,重点将考察营收、利润和稳定客户、落地场景。

换句话说,舞台上的表演已经不能再作为能力的实证。企业还要证明,机器人能否进入到生产环节,产生可持续的经营结果。

这场变化虽然起于人形机器人,却折射出整个AI产业正在经历的转向:技术需要从产房走进厂房。

AI进入生产,从来不是把模型接进企业那么简单。机器人要适应真实工况,智能体要进入业务流程,企业则要重新处理任务分工、知识沉淀、成本核算与责任归属。任何一环没有接上,PPT里的智能都可能停在PPT里。

这也是当下全球企业面临的共同难题。

麦肯锡在其近期的报告中指出,AI正在从增强现有活动的简单工具,进入端到端的流程。此时,组织呈现出了巨大的不适配。

根据它的调研,89%的组织仍采用工业时代的运营模式,9%进入数字时代的敏捷或平台模式,只有1%以去中心化网络运转。

波士顿咨询在2026年4月发布的研究则称,多数组织都在试点AI,只有5%的组织能够规模化获取有意义的价值。

为什么AI技术越来越强,企业却没有获得相应的生产力回报?

11月12日,在百度世界2026大会上,百度创始人李彦宏给出了一个新的判断:

“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。”

在他看来,人工智能的下一幕是智能组织。

从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。

但生产力没有明显改善的原因在于,AI这个“新电机”已经造好,但适应这个新电机的“新厂房”却还没建好。

那么什么样的新厂房才能适配于AI这样的超级发电机呢?

打开网易新闻 查看精彩图片

01

1847年,马克思在《哲学的贫困》中批判蒲鲁东把经济范畴视为永恒不变的观念。他提出,社会关系与生产力密切相联;人们获得新的生产力,也会改变组织生产和谋生的方式。

“手推磨产生的是封建主的社会,蒸汽磨产生的是工业资本家的社会。”这句话背后其实有一个持续至今的命题:生产力发生变化,组织生产的方式也必须随之改变。

八年后,纽约与伊利铁路公司就遇到了这样的问题,“蒸汽磨跑在了封建主社会”。

此时,蒸汽机车已经把美国的铁路网推到了两万多英里的规模,纽伊铁路也已全线通车四年。但当人员与资产被拉到数百公里的尺度上,个人经验不再够用,公司必须用职责、汇报线和信息流组织协作。

于是,世界上第一张现代组织结构图诞生了,董事会在根部,管理者和部门沿枝干展开,一线员工位于末端,今天看来有些笨重的科层制,当年也是新技术催生的效率创新。

但蒸汽机也有被淘汰的一天,电气化时代到来后,类似的问题再次出现。

经济史学家保罗·大卫在1990年发表的《发电机与计算机》中,比较了电动机与计算机的扩散过程。早期工厂用电动机替换蒸汽机,却往往保留原来的传动轴、皮带和厂房布局。动力来源变了,生产系统仍围绕旧逻辑运转。

真正的变化来自分布式动力。每台机器可以拥有独立电机,设备不必再挤在中央传动轴周围,工厂得以按照生产流程重新安排空间。换句话说,重要的不只是把蒸汽机换成电机,而是重新设计使用电机的厂房。

实际上,当我们回头去看,因为技术不断发展,生产关系与生产力的磨合其实一直存在。例如,消费互联网时代,组织结构更加扁平化,“用两张披萨就能喂饱“,移动互联网时代,组织从以绩效为导向转变为以目标为导向(KPI-OKR)。

但及至此时,组织里的原子都还是人,直到大模型改变了这一点。AI通过与人的协作,参与到工作流当中,共同产出结果,甚至随着技术的发展,越来越智能优先。

正如2024年,李彦宏预判的,趋势在智能体时代后到来后,变得更加明显。目前,百度已经建立了智能体看板,过去一年,DAA(日活智能体数)从0.5万涨到了3.7万,涨了六倍,智能体交付的任务数量,也从一年前的每周8.4万个,上升为每周超过100万个,涨了11倍。

打开网易新闻 查看精彩图片

企业本应对此乐见其成,工作是人干还是智能体干不重要,大家做企业,无非想拿大结果,

除非,代价很大,结果却不大。这并非对AI的妄言,麦肯锡今年对全球1719名受访者的调查显示,80%的人说AI提高了自己的生产率,但仅有37%说AI对所在组织的息税前利润有正向贡献。

个人提效与组织层面的财务回报之间,显然存在明显落差。这也解释了为什么李彦宏认为,AI没有产生预期的经济效益,一个重要原因是我们只是更换了电机,却没有重新设计工厂。

企业需要改变的,已经不只是工具,而是组织本身。

02

大会上,李彦宏提出,智能组织有三个重要原则:打破岗位边界、沉淀隐性知识、设计流程闭环。

这三个原则其实分别回答了智能组织的三个问题:工作如何重新分配?知识如何成为组织能力?组织又如何持续进化?

打开网易新闻 查看精彩图片

作为组织里的一份子,百度搭子的产品经理已经感受到了某种变化。

半年前,他还在物理实验室从事量子计算研究,加入百度后几乎从零进入产品和企业服务场景。借助百度搭子,他同时承担产品、研发和项目管理等工作,从分析问题、形成方案一直推进到结果验证。过去半年,他的团队和百度搭子共同完成了成千上万个任务。

由此可见,在百度的这个团队,工作已经很难再用传统岗位说明书来定义,而是围绕具体任务,动态调用知识、工具和智能体。

这正是智能组织与传统组织的第一重变化——以任务为中心,而不是以岗位为中心。

在传统组织里,有句老话,叫定岗定职,即岗位与具体的职能挂钩,组织是固定的。但在AI时代,以任务为中心的组织是流动的。

在百度智能云,新的岗位角色FDE(前沿部署工程师)正从业务一线自己长出来。过去百度智能云业务的模式是三段式接力:前线的销售和解决方案团队负责懂行业Know-How,交付团队负责在客户现场落地,产研团队负责在后方收反馈、迭代产品。而FDE这个角色将这三件事打通,即懂行业、又能落地、还会推产品。

目前在百度智能云业务中,FDE已在金融、能源、制造、汽车、政务、泛互、运营商等多个行业交付落地了100+业务场景。

麦肯锡把类似变化概括为从“组织图”转向“工作图”:前者依据层级分权,后者描述人与智能体之间任务和结果的交换。岗位没有立即消失,但它不再对应固定的工作职能,而是随任务变化的工作角色。

智能组织与传统组织的第二重变化,发生在个人经验与组织能力之间。

许多企业最值钱的知识,并不完整地存在于文档和系统里,而是藏在资深员工的判断中。但正如“知识创造理论之父”野中郁次郎的洞察:“让别人能用上个人的知识,是知识创造型企业的核心活动。”

他曾经讲过一个故事,松下的开发人员跑到酒店去跟面包师学揉面,把观察到的拉伸手法变成面包机的设计,今天,AI也完成类似的知识传承。

在南方电网,传统配电网故障研判单次耗时超过60分钟,高度依赖专家经验。不久前,百度搭子为其落地了“天璇伙伴”,在学习上万条历史故障处理数据后,天璇伙伴将故障记录、开关信号、线路拓扑和专家判断组织成证据链,分析准确率达到70%以上,故障分析效率提升12倍。

智能组织与传统组织的第三重变化,在一次性自动化与持续进化之间。

企业引入AI后,最常见的成绩是某项任务从两天缩短到两小时。但如果没有评估、反馈和知识沉淀,下一次任务仍可能从头开始。工具很快,组织却没有变得更聪明。

但智能组织,是一个自主进化的智能系统。李彦宏认为,未来一个公司,会变成无数Loops组成的高度自动化运营组织。最终,一个组织就变成一个不断学习和进化的系统。

和以前所有浪潮一样,百度总是先看到,也先拿自己“试验田”。所以,在这个组织里,已经发生了很多有迹可循的looping。

例如,百度数字人团队就打破了产品、研发、设计和测试的固定边界,推动成员向能够端到端交付的Builder转变。仅第三季度,团队完成564次迭代,沉淀130个Skills和729篇组织资产;随着Loops运转,人均吞吐提升125.3%,交付周期缩短28.8%。

这就是自主进化的智能组织该有的样子,用李彦宏的新公式来概括就是——

可衡量 + Looping = 持续进化。

03

但平心而论,智能组织并非百度的独家观点。实际上,今天,它已经是全球共识,包括微软、麦肯锡、波士顿咨询和Anthropic都有过类似的主张。

不同的是,因为大家基因各不相同,推进智能组织的方式也不同,例如麦肯锡主要谈怎么设计组织,这当然是由其咨询公司生态位决定的。

打开网易新闻 查看精彩图片

但百度讲的是,如何让厂房自己长出来,这同样也由其本身是一家具有“芯—云—模—体”全栈能力的AI厂商决定的,它真能交付产品。

正如李彦宏所说,这四层能力本身也在Looping,所以可以相互协同,各层之间能够相互加强、循环优化。

因为离最先进的云基础设施近,离最先进的模型近,离最前沿的应用和智能体近,昆仑芯能够设计出最代表未来需求的AI芯片;

因为要去支撑智能体被灵活调用,百度智能云就不仅需要提供算力、模型的运行环境,也要前所未有的穿入到企业的底层资源、IT系统和经营系统;

而基础模型和各种应用模型,在研发之初就会把业务考虑进去。

如此,通过一层又一层的增强,AI能力会最终到达应用层,再从应用层得到反馈,反哺于全链路能力建设。

在具体应用层,数字人是一个很好的观察窗口。

今年百度世界大会上,一个颇有话题性的画面是:数字人希加加采访百度创始人李彦宏。

这场对话中,希加加不仅承担了采访者的角色,还向李彦宏提出了一个颇为直接的问题:“既然我都能做采访了,那我这样的数字人能当CEO吗?”

从数字人采访CEO,到数字人反过来讨论自己能否成为CEO,这个看似有趣的互动,实际上展示了数字人能力边界的变化:它不再只是按照脚本播报内容的形象载体,而是开始具备实时交互、上下文理解和自主表达的能力。

这段采访由百度一镜生成。其背后,就是模型能力从单一的视频生成,向表达、生成和实时交互的系统性升级。

打开网易新闻 查看精彩图片

如果说一镜展示的是AI如何进入具体业务,那么百度新推出的词元所,则进一步解决了企业如何获取和使用模型能力的问题。

李彦宏在大会上提到,今年前9个月,几乎每天都有不止一款新模型发布,与此同时,模型调用需求也迎来大爆发。

但模型数量增加,并不意味着企业就能轻松找到合适、可靠的模型。市场上一些词元中转站并不对模型效果、服务稳定性和响应速度负责,甚至无法保证模型的真实性。

为此,百度正式推出大模型交易平台词元所。

它希望成为大模型领域的交易所,汇聚优质模型及模型提供商,让企业乃至个人都能够便捷地发现、购买和使用可信的模型Token。

上线一个月,词元所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。这组数字更值得关注的不是规模本身,而是它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。

从企业的角度看,这意味着模型能力的获取和调用,有望变得更加便捷、透明和可信。

把这几项能力放在一起,就能看到百度对智能组织的完整思考:

「芯、云、模、体」构成技术底座,智能体将模型能力带入业务场景,百度一镜等产品让AI具备更丰富的交互和任务执行能力,词元所则进一步连接模型供给与实际调用需求。

更重要的是,这些能力并不是各自孤立运行,而是能够通过业务反馈和持续优化形成闭环。

在传统云服务时代,有过集成或被集成之争,指在业务中,底座厂商到底处在什么位置。不过后来事实证明,甭管是集成和被集成,都挡不住传统云式微的趋势。核心在于,甲方根本不在意谁集成谁,而是结果。

AI时代也是如此。

跨组织建立反馈链路,必然要产生跨组织能耗,这就是为什么国内大家都还在谈智能办公,百度开始谈智能组织了,因为全栈自研AI能力,可以让智能组织可以自己长出来。

技术能力只有进入业务流程,形成稳定的任务执行和反馈机制,才能真正转化为组织生产力。

打开网易新闻 查看精彩图片

从这个意义上说,AI的下一幕,不只是模型更强、智能体更多,而是企业开始拥有一座能够自我学习、自我优化的新厂房。

当技术、任务、知识和流程真正连接起来,企业才有机会从使用AI的组织,进化为由AI驱动的智能组织。

而这或许正是AI时代下一轮生产力跃迁的起点。