11月16日,百度公布了2026年第三季度财报。
总的来说,含AI量很足。
首先是市场比较关心的AI 云板块。据财报数据,本季度百度 AI 云基础设施收入约82 亿元,同比增长94%,较上一季度 50% 的增速明显加快。
其次,GPU 云收入同比增长191%、环比增长43%。智能云基础设施客户预付款增加,并持续向期限较长的合同转移。
此外,百度千帆MaaS 平台外部客户的 Token 调用收入同比增长1159%......
而本季度,百度AI 业务收入为132 亿元,占百度一般性业务收入的比例,已经达到53%:
连续第3个季度占比过半。
在大部分玩家都需要聊AI,用AI,追求AI转型的今天,百度的变化,其实是非常难得的。
一方面,这证明百度的AI能力,正在形成真实收入。
另一方面,也意味着,百度的AI战略,已不仅体现在产品和技术的变化上,更多还体现为:
收入结构的变化上。
记得之前,狗蛋看到过这样一组数据:
2025年全球AI 投资超过2500亿美元,却只有约25%的企业,觉得AI带来了变革性的影响。
AI应用一天比一天多,AI模型一个月比一个月强劲,下到基层牛马,上到公司高管,每个人都在用AI,但最终,反映到企业业绩上,人们却看不到什么变化。
行业管这种现象叫:
企业AI转型悖论。
问题来了,百度是如何规避这个悖论的?
就在这份财报发布前几天,百度世界2026大会上,百度创始人李彦宏提出了一个新的概念叫:
智能组织。
按李厂长的说法,AI时代的下一幕,就是智能组织。
狗蛋觉得,这个概念,或许也可以帮助大家从根源上去理解,百度这次财报表现出来的变化,以及它究竟是怎么做到?
01
理解的第一步,先得搞清楚,啥叫智能组织?
按狗蛋的看法,其实就是:
重新定义咱们的办公室。
大会上,李厂长用了一个很有意思的比喻,来解释智能组织的重要性,即电气时代的工厂。
工业革命早期,很多工厂花大价钱,把蒸汽机拆掉,换上了最新款的电动机。
可折腾了半天,大家却发现,生产力并没有显著提高。
直到企业开始围绕电,重新设计厂房、流水线、岗位和流程,电气时代的生产力,才真正被释放出来。
为什么?
其实也很好理解,就像古代打仗,士兵讲究枪刺刀砍,然后突然有一天,给士兵手里的刀枪,统一换成了AK47。
如果士兵还是以前一样,冲到前线,拿着枪杆子照敌人的脖子抡,那就发挥不出来热兵器的威力。
只有给士兵们编排成新的战力单位,采用新的战术、新的打法,才能真正实现横扫战场,做回自己。
今天的AI,也是这个道理。
这两年,从国内到国外,几乎每天都有不止一款新模型发布,对于企业而言,并不缺少可以使用的AI工具。
但大部分公司,只是给每个人发了一个账号,让大家用AI写写方案、做做总结、查查资料。
每个人的效率是上去了,但个人方案写完,还是要等产品确认、设计排期、研发评估,再一层层提交审批:
整个项目的交付时间却未必提前多少。
这就相当于,老工厂换上了电动机,每个士兵拿到热武器,但还在用原来的方式生产、打仗。
流程没变,组织没变,办公室还是原来那个办公室,只是一味地去追求新的工具:
并不能从实质上提升整个公司的效率。
企业AI 转型悖论,表面上发生在财务报表里,根源却可能藏在组织里。
这也是百度把AI下一幕,定义为智能组织的核心原因。
明白这一点后,啥叫智能组织,答案其实已经很明确了,就是一套类似于,电气时代改造工厂,热兵器时代改变作战方案的方法论:
在AI时代,通过与之匹配的智能化组织改革,让企业把模型能力转化为经营结果。
02
具体怎么去做呢?
百度的答案,是重构办公室里的三件事:任务、经验和流程。大会上,李厂长也提到智能组织之下,未来公司的新形态:
未来一个公司,会变成一个由无数Loops 组成的、高度自动化的、不断学习和进化的组织。
核心在于三点:
打破岗位边界、沉淀隐性知识、设计流程闭环。
围绕任务,重新组织人的能力、知识和协作方式。
打破岗位边界,从以岗位为中心,变成以任务为中心。
过去的办公室,是一个萝卜一个坑,研发归研发,测试搞测试,做产品的只做产品。未来的办公室,将变成一个负责人带一群AI智能体办事。
这些Agent办事的经验,也就是隐性知识,将会自动累积同步,沉淀下来,一方面成为企业可以复用的资产,另一方面不断迭代进化。
最后,随着Agent们的进化,公司的业务方式也将实现持续进化,形成闭环。
当然,空口说概念大家都会,没啥意义,问题的关键,还在于它是不是可行的?
实际上,百度已经开始这么做了。
比如,百度数字人团队,就是一个比较完整的样本。
过去,一项需求通常由产品分析、设计出图、研发开发、测试验证,逐站往下传。每个人都负责自己的一段,但工作每交接一次,就要重新解释背景、确认需求。
现在,团队推动产品、研发、设计、测试等角色向Builder 转型,让员工在智能体辅助下,完成一项需求的完整流程,而不只是其中一段。
一名校招新人借助AI,用 1 天完成了原本需要 5 个角色、至少 10 天才能完成的需求交付。
这里最值得注意的,不是新人突然变成了全能选手,而是原本分散在不同角色身上的能力,被重新组合到了一项任务里。
与此同时,完成任务的方法也没有随着交付而结束。
整个Q3,数字人团队沉淀了 130 个 Skills 和 729 篇组织资产。下一次有人接到类似任务,不必再找老师傅从头问一遍,也不必重新摸索一套方法。
团队还完成了564 次迭代,并通过 Loops 持续运转,让任务结果继续反哺流程。
最终体现出来的,是人均吞吐提升125.3%、交付周期缩短 28.8%。
类似的变化,也发生在百度其他团队。
在搭子产品的开发流程中,产品、设计、研发和测试共享同一套上下文,一个典型需求从分析到可交付方案,由7天缩短至2天。
在财务内审中,过去依赖专家经验的审计计划、风险排查和问题核查,被逐步转化为AI 可以辅助执行的流程,再通过人工审核和专家反馈,不断修正判断规则。
目前,AI 自动执审率已经达到 40%。
到了研发环节,ERNIE Evolve 则可以围绕目标和约束,自主提出研究方向、开展实验、验证结果并积累经验,并参与文心 5.5 Flash 的推理优化。
这些场景看起来差别很大,但底层的变化是相通的:
AI 不再只帮助某个人把某一步做得更快,而是开始进入任务流程,把人的经验留下来,再把结果用于下一次工作。
把这些团队的变化放到整个百度,会变成另一组更有规模感的数字:
百度内部DAA,也就是日均活跃智能体数,从日均 0.5 万增长到了 3.7 万,增长 6 倍多;
每周有效任务从8.4 万增长到超过 100 万,增长 11 倍。
与此同时,百度内部已经建设了4300 个 Workspace,沉淀了 2 万多个组织 Skill。
这些数字的意义,不是百度又多了多少AI 账号,而是越来越多的任务开始进入这套工作系统,越来越多的经验被保存下来,交给下一次任务继续调用。
换句话说,智能组织正在重新定义百度工作的方式。
03
在这个基础上,回头看百度第三季度的财报,一些数据上的变化,其实就没那么难理解了。
比如云业务。
过去,企业做一个AI项目,算力需求可能集中在训练、测试和部署阶段。
项目结束,需求也阶段性结束。
但智能组织是一套每天运转的工作方式。
这意味着,客户需要的不再是某一次调用效果,而是稳定算力+ 贴合应用的模型 + 可落地方案 + 能长期采购管理的模型服务。
需求从试用变成了持续调用。
于是,客户签多年期预付合约、锁定GPU产能。
这时候,对于云企业而言,收入实际上不再是一锤子买卖,而是像水电煤一样,可以:
持续获得复利。
具身智能行业,就是一个很典型的例子。
企业早期的算力投入,往往集中在模型训练阶段,训练完成后,算力消耗相对可控。
但当智能体需要与物理世界实时交互、持续推理,对底层云资源的需求,就会从阶段性投入变成长期消耗。
目前,百度智能云位居中国具身智能AI云市场第一,承接的正是这类高密度的持续算力需求。
工业场景也是如此。百度伐谋的客户已覆盖中国41个工业门类中的25个。当工厂把排程优化这种高度依赖计算的任务交给智能体,原本一次性的IT采购,也就逐渐变成了像水电煤一样的长期算力订阅。
同样的逻辑,也体现在千帆MaaS 外部客户 Token 调用收入上。
智能体进入企业日常业务以后,模型调用会随着任务持续发生。Token 也就不再只是一次测试的成本,而更像一种随业务持续消耗的生产资料。
而百度AI 业务收入连续第3个季度占比过半,则说明这种持续需求,已经开始影响百度的收入结构。
另外,这也能解释,为什么百度会突然下场搞词元所?
当企业把模型接入长期运行的流程,除了单价,还得知道买到的是哪个版本、实际表现怎样、供应商能否稳定交付。
词元所通过模型验真、定期抽测和信用评级,让这些信息可查、可比,帮助企业把模型服务纳入日常采购与管理。
对客户而言,词元所是出现需求下的必选项。
对百度而言,词元所正是智能组织下,自然向外延伸出的一环。
所以,智能组织的财务含义,是它正在帮助百度的AI业务,从一次性项目收入,逐步走向更长期、更稳定的服务收入,同时:
不断拓展出新的边界。
04
最后,狗蛋觉得,百度在AI上的风格一直有点特别。
它不是只做最轻、最热、最容易被用户感知的应用,而是愿意把很多很重的能力,一层一层往下做。
芯片要做,云要做,模型要做,应用也要做。
这种路线当然不轻。
但好处是,当AI 真正进入企业生产流程,很多看起来不那么热闹的能力,开始一起发挥作用。
因为企业最终关心的,不只是模型会不会答题。
它还会关心响应快不快,调用贵不贵,数据放在哪里,服务稳不稳定,能不能跟自己的业务接上。
这些问题,没有一个能只靠模型榜单解决。
百度的模型路线,也有同样的特点。
文心闪电深度思考模型,最初就是为搜索场景研发。
它要面对的不是一道孤立的测试题,而是复杂理解、工具调用、快速响应和海量请求同时发生。
文心一镜微表情大模型,也是针对视频创作中的具体问题:人物情绪能不能表达出来,长语音能不能自然驱动,篇章级配音能不能保持一致。
这是一种很典型的百度式思路:
先看清楚钉子,再决定锤子应该怎么造。
从这个角度看,智能组织正是这种应用导向的进一步延伸。
过去,百度用搜索理解需求、组织信息,降低人们获得答案的成本。今天,百度试图用智能体理解目标、组织任务,降低企业完成工作的成本。
从组织信息到组织任务,这也是百度式实用主义在AI 进入产业深水区之后:
一种新的表达。
热门跟贴