李彦宏定义AI下一幕：造电机，还要建厂房|电机|百度创始人李彦宏|知名企业|马力|麦肯锡

Token花得越来越多，收入和利润却不见涨？这是今年不少企业一把手的共同疑问。麦肯锡的调查里，80%的人认为AI提升了个人效率，只有37%的公司账本认了。11月12日，李彦宏在百度世界2026上给了一个判断：我们只是更换了电机，还没有重新设计工厂。

钱花了，效果呢

“为什么我的Token花费越来越多，但是我的收入和利润不见涨？”

11月12日，百度世界2026大会上，李彦宏抛出了与各行业一把手交流时，企业家提出的共性问题。

这不是某一家企业的困惑。

如今，AI进入企业的“广度”已毋庸置疑。麦肯锡2026年的调研显示，近九成受访企业已在至少一项业务职能中常态化使用AI；44%的企业已跨越单点试验，实现了全企业范围的规模化部署。而在大中型企业中，整体AI采纳率在2026年第一季度已达到90.9%。

但另一困境是，AI用了，Token花了，企业却没有更好。

麦肯锡报告中，80%的受访者认为AI提升了个人生产力，但只有37%报告了正向的经营利润影响，真正称得上AI高绩效者的企业只有6%。

这一趋势也体现在大厂们在Tokenmaxing的集体刹车上。2026年之前，硅谷大厂普遍将Token调用量作为参与度和转型决心的象征，甚至设立内部排行榜奖励消耗量大的员工，催生了“Tokenmaxxing”。但到2026年，这个逻辑被迅速逆转。

亚马逊取消了员工AI使用排行榜，AT&T收紧了GitHub Copilot的权限，高盛把编码工具的使用权限从交易员收窄到约12000名工程师，Meta则计划推行以预算和配额为核心的词元管理机制。

为什么Token花费越来越多，收入利润却没有跟着涨？

面对此趋势，李彦宏给出的判断是，“我们只是更换了电机，却还没有重新设计工厂。

电气革命的早期，电机技术已经成熟并涌入工厂，工厂花重金把蒸汽机换成电动机，但生产率几乎原地踏步。

其原因在于，第一批“电气化”的工厂，只是把动力来源从蒸汽机换成了电机，但工厂的物理布局和组织逻辑仍然停留在蒸汽时代。直到有人围绕电重新设计了厂房，生产效率才开始起飞。

在他看来，过去十年AI完成了“芯、云、模、体”四层技术栈的构建，这相当于造出了强劲的“新电机”。但如果企业只是把新电机装进旧厂房，生产线和组织流程原封不动，那么电机的马力再大，工厂的整体产出也不会发生质变。

因此，“换一台AI新电机，只是起点；重新设计新厂房，才是分水岭”。而这座“新厂房”，就是百度本届大会的主题“下一幕，智能组织”。

智能组织，是什么

李彦宏对“智能组织”的定义，核心是将AI的效能从个体层面提升到组织层面。如何构建“智能组织”这座新厂房”，李彦宏提出的“组织进化三原则”作为具体操作路径。

首先是打破岗位边界。

传统的组织以岗位为中心，讲的是人岗匹配，一个萝卜一个坑。AI时代，组织变成以任务为中心，僵化的岗位边界反而会阻碍这种灵活性。

组织的日常调度单元需要从“岗位”切换为“任务”，人和智能体混合编组、动态执行，形成灵活的任务网络。岗位不会消失，而是收敛为少数能力容器。

李彦宏认为，未来的岗位会收敛为两类：Builder（创造者）和Seller（连接者）。

Builder负责创造新东西。他们的工作重心是利用AI和各类工具进行创新、设计和构建，是价值的源头。

Seller则负责人与人之间的沟通、连接，让对方产生情感、建立信任。在AI处理大量标准化工作的背景下，深度的人际互动、信任建立和复杂协商成为人类独有的价值堡垒。

第二点，沉淀隐性知识。

隐性知识，可以理解为工程师们解决故障的“手感”，或是资深销售对客户成交时刻的判断。这些经验过去只能靠师徒、靠年限传递，难以用语言、文档或标准流程完整捕捉。

如果这些经验只存在于个体身上，企业规模再大，积累的也只是一群个体的能力集合。人走了，知识就走了。

而组织智能与个体能力最大的区别，就是隐性知识能否被显性化、被沉淀、被复用。如果能让一个人的经验，沉淀为整个组织的能力，才能构成组织“别人抄不走、挖不动、买不来的”护城河。

而百度的合作伙伴也给出了路径的效果验证。

在南方电网，百度搭子落地南方总调，形成面向配电网故障研判的“天璇伙伴”。它学习上万条历史故障处理数据，把资深专家的判断沉淀为可复用的知识，再把故障记录、开关信号和线路拓扑串联成一条完整的证据链。

过去，配电网故障的人工研判单次耗时超过60分钟，且高度依赖专家经验。现在系统能自动研判并在广西14个地市、112个县推广。

在工商银行北京市分行，客户经理走访企业的整套做法被沉淀成了Skill：访前由搭子收集行业信息、政策与财报，形成有据可查的提纲；访中随问随查、当场出纪要；访后当天产出方案初稿。个人经验由此变成团队共享的能力。

第三点，设计流程闭环。

传统组织运作通常由管理者和业务专家预先设计。先规定怎么做，再要求员工按流程执行。要改流程，就得重新开会、协调部门、更新制度。

智能组织的基本单元已切换为“任务”，围绕任务，人和AI会形成一个Loop。这个Loop以任务的完成质量与效果为目标，形成一个“执行→衡量→优化→再执行”的反复迭代回路。

李彦宏把这种机制概括成一个公式：可衡量+Looping=持续进化。

他认为，未来公司是“一个由无数Loops组成的、高度自动化运营的组织”，组织本身变成一个“不断学习和进化的系统”。而人，尤其是管理者，将从任务分派者转变为流程设计者、判断者和责任承担者。

组织进化的动力，则来自这无数个微观Loop的持续转动和迭代。

图源：网络

建新厂房，百度递上“账本”

既然“智能组织”是企业要建的“新厂房”，那么厂房怎么建？如何这无数Loops持续地转起来？

本届百度世界2026上，百度按照“芯—云—模—体”四层全栈架构展示了自己的布局，围绕算力、模型到应用层的全面补齐“建工厂”的工具箱。

如果“智能组织”每一次Loop转动都会产生不可控的账单，它在财务上是不可持续的。芯层要解决的是最底层的物理成本问题。

昆仑芯M100已如期上市，极致聚焦推理场景；M300明年推出，在算力、存储、互联等多个维度做全方位跃升，面向超大规模多模态模型的训推一体需求。李彦宏给出的判断是，推理将成为AI芯片长期持续增长的主要推动力。

集群侧同步推出了天池1024卡超节点，面向万亿参数级大模型的训练，从核心部件、液冷系统到整机架构和高速互联做全栈国产化。

通过芯片的专用化和集群的系统级互联，把“每单位有效推理算力”的采购成本和通信损耗同时压下来。

算力便宜了，还需要保证有效token的单位成本。

百度智能云本次将云层明确重组为Agent Infra（智能体基础设施）和AIInfra（算力基础设施）两条线。

Agent Infra的核心产品是Harness Engineering（驾驭工程），覆盖长上下文管理、持久记忆、工具调用、子智能体调度、评估反馈及Runtime等模块，在办公场景中使用浏览器、Office等工具处理任务的成功率可达95%。更关键的是，Harness的工程优化使实际Token消耗相比同类产品最高降低23%。

百度搭子这次全面开放Harness引擎和Agent API，企业可以把智能体接入OA、ERP、CRM等现有系统。这道过滤层由此从内部工具变成了对外开放的能力。

具体到单个任务上，模型得能准确理解任务意图，才能在具体场景中用合适的成本完成推理。

文心5.5 Flash作为模型基座，解决的是通用场景下“听得懂且跑得省”的问题。总参数2800亿，但每个Token只激活140亿，支持100万Token上下文，在编程、知识工作等任务上取得有竞争力的基准得分。

文心闪则深度思考则专门为搜索这类高频、对延迟敏感的场景优化，解决的是特定场景下“听得懂且答得快”的问题。

省下来的效率最终要转化为客户可计量的业务结果，这也是百度对四大智能体升级的落点。

百度搭子的价值在于任务编排。在执行15步以上的复杂任务中，它的一次验收通过率从67.6%提升至88.2%。QuestMobile数据显示，百度搭子2026年9月多端月活达977.0万，整体季度环比增长1567.5%，位列典型办公类Agent增速第一。

库库定位全球化的文档与创作平台，汇聚超过700万在线知识库、18亿份专业内容及7.5亿篇中英文文献，全球月活用户已达5000万。它管的是知识与内容的沉淀。

百度一镜让视频生成更加平价。“短漫剧Studio”覆盖从创意、剧本、分镜到成片的一站式链路，视频生成成本降至每秒0.2元，并支持将已验证作品一键完成剧情、人物和场景的本土化适配。

伐谋3.0面向生产运营、经营策略和产业研发等复杂任务，强调持续自我演化和对最终业务指标负责，客户已覆盖中国41个工业大类中的25个。

在海高激光，它把四机械臂切割方案的设计时间从4到8小时缩短至约10分钟，并实现全程零冲突；在交个朋友，助力GMV环比提升152.7%。

这四大智能体要解决的，正是让组织里无数个任务Loop转得动、转得起，并且转出可衡量的结果。

除此之外，百度推出了大模型交易平台词元所，定位为大模型交易平台或大模型领域的“交易所”。

词元所通过验真与征信功能，汇聚好模型和提供商，企业和个人能便捷地找到、购买和使用可信的Token，解决行业不知道该选谁、该信谁的问题。

智能组织这套“厂房”怎么建，百度递出一套从算力单价到业务结果的完整账目。

百度这次赶上“早集”了？

“起大早赶晚集”是百度身上最牢固的标签之一。

可以说，在“发现”下一个技术方向是什么这个层面，百度几乎从不落后。

2013年百度世界大会推出“轻应用”，核心理念是“无需下载、即搜即用”，比微信小程序早了近四年。

2016年9月，百度世界的主题被定成一句话：AI is the new electricity。当时行业主流声音是讨论O2O和移动端流量，李彦宏却提出了新的判断——移动互联网的人口红利已经见顶，互联网的下一幕是人工智能。

2017年，百度硅谷AI实验室发表了《Deep Learning Scaling is Predictable, Empirically》，作者包括后来参与OpenAI Scaling Law论文的Dario Amodei。Meta研究员后来翻出这篇论文时说：“大多数人不知道，关于Scaling Law的原始研究来自2017年的百度，而不是2020年的OpenAI。

2018年，在大模型还没有影子的时候，百度发布了中国第一款云端全功能AI芯片“昆仑”。到2026年，昆仑芯开始独立分拆，当年对算力需求的判断已成为行业共识。

2022年百度世界，文心大模型一秒补全《富春山居图》残卷，李彦宏判断AIGC将成为PGC、UGC之后新的内容生产方式。四个月后ChatGPT发布，2022年被公认为“AIGC元年”。

百度看到了“未来”，但把看见的东西变成组织能力，再变成可持续的商业结果，百度却似乎常常“差那么一步”。

这次百度世界，百度“一镜”生成的数字人希加加对话了自家李彦宏。