智能组织是生产力真正发生的地方。
文丨江思远
2025 年 11 月 30 日，距离年末只剩一个月，Manus 联合创始人张涛走进清华大学，告诉在场的同学们：如果还没用过 Agent 产品，一定要赶在年底前开始尝试。这样，几十年后，他们就能自豪地告诉孙辈：“我是在 Agent 元年就开始用 Agent 的人。”
进入 2026 年，Agent 浪潮席卷科技公司，员工开始了一场 Token-maxxing 竞赛。
2026 年 4 月，Meta 一名员工搭建了名为 Claudeonomics 的内部排行榜，展示公司 Token 消耗最多的 250 名员工。榜单显示，Meta 员工在 30 天内累计消耗超过 60.2 万亿 Token，榜首一人就用了 2810 亿，按 Claude Opus 价格估算，成本超过 140 万美元。
Meta 将 AI 驱动的实际影响列为员工当年的核心绩效要求，内部追踪 Token 使用量。一些员工于是让 Agent 长时间运行、批量执行任务，只为提高排名。CTO 博斯沃思不得不提醒员工，不要为了使用 AI 而使用 AI，Token 消耗不等于实际产出。到了 6 月，Meta 开始考虑为员工设置 Token 预算和使用上限。
这场 Token 竞赛暴露出一个问题：当 AI 能力越来越容易获得，企业究竟应该靠什么建立下一阶段的竞争优势？过去二十年，每一轮技术变革，互联网公司都曾找到过一个相对明确的答案。
PC 时代，互联网公司争夺门户和搜索入口；移动互联网时代，竞争转向超级 App、平台生态和流量分发。
2026 年初，阿里升级千问，让用户通过聊天框点外卖、订机票，试图把 AI 变成连接整个商业生态的新入口；字节、腾讯也在加码豆包、元宝等 AI 助手。随后，竞争又延伸到办公场景，腾讯、百度、阿里、字节纷纷推出 Agent 产品，希望成为员工调用 AI、完成工作的第一入口。
但与过去不同的是，这一轮竞争还没有出现清晰的答案。聊天框会成为下一代超级入口吗？办公 Agent 能否真正接管工作流？用户愿不愿意为此付费，企业又能否将 AI 投入变为生产力，都还需要验证。
11 月 12 日，李彦宏在百度世界 2026 上提出了一个不同的观察角度：智能组织是 AI 时代的新厂房，AI 没有产生预期的经济效益，是因为我们只更换了电机，却还没有重新设计工厂。
与其只关注哪个模型更强、哪个产品能占据入口，不如把目光转向企业内部：当 AI 开始参与甚至承担工作，组织本身需要如何改变？
AI 还看不出前景时，李彦宏已经开始造芯片
十年前的百度世界 2016，李彦宏讲了一个后来已经被证实的比喻：AI is the New Electricity。
那一年，人工智能领域最受瞩目的事件，是 AlphaGo 战胜李世石。对大多数普通人来说，AI 仍然是一个有些遥远的技术名词。能在生活中切实感受到的，大概是手机里的语音识别、人脸解锁，或者新闻里那些还不太聪明的机器人。
彼时，把 AI 比作新电能，显得有些超前，毕竟电力曾经改变了工厂、城市和整个工业社会。李彦宏的判断听起来太宏大，有点像为了抬高股价而讲出来的故事。
十年后，这个比喻有了另一层现实感。全球科技公司正在投入超万亿美元建设数据中心，争夺 GPU 和电力资源，只为让 AI 这套基础设施运转起来。“Robin （李彦宏）在判断技术趋势这件事上，是有连贯性的。” 一位在百度工作多年的人士说。
沿着这条线回看，百度过去十年的一些选择，便有了不同于单纯技术布局的意味。
2017 年，李彦宏坐在一辆百度无人驾驶汽车的副驾驶座上，车从北京五环驶过。视频传到网上后，很快引发争议：无人车能不能上路，出了事故谁来负责，技术测试的边界在哪里？北京交警随后介入调查。几个月后，李彦宏在百度世界大会上再次提起这次经历，带着一点调侃反问道：“如果无人驾驶的罚单已经来了，无人驾驶汽车的量产还会远吗？”
技术不可能永远封闭在园区和实验室里，它必须驶上真实道路，接受真实交通环境的检验。差不多同一时期，Waymo 也在美国凤凰城启动了面向普通乘客的无人驾驶体验计划。自动驾驶开始从技术演示，走向真实道路上的长期测试。
更早之前，李彦宏便意识到，AI 的竞争不只发生在算法上，底层的硬件同样重要。2011 年前后，百度便开始围绕深度学习计算需求，探索 FPGA 加速器，并同期使用 GPU。
如果芯片能够针对自己的业务做极致适配，模型和硬件就能更好地协同，算力成本也有机会降下来。并且，公司还能建立从芯片、框架、模型到应用的全栈能力。
基于此，百度决定自己造芯片。一切从一封邮件开始。
我们了解到，为了支持自研芯片业务，李彦宏在一封邮件中，直接为芯片团队批下了 20 多个 HC。对于一个刚刚起步、还没有拿出成熟产品的团队来说，这是一份相当明确的支持。
但在当时，并不是所有人都相信这件事。
百度内部有人把昆仑芯称作 “PPT 部门”，觉得团队只会讲故事，离真正做出芯片还很远。外部招聘同样不容易。一些应聘者担心，这毕竟是一个长周期、高投入的行业，新成立的团队能不能活下来，取决于公司是否真的愿意长期投入。万一老板哪天失去了兴趣，前期的努力可能就付诸东流。
“Robin 给了我们很多支持。” 一位早期昆仑芯成员表示。
这份支持没有停留在最初那封邮件里。此后多年，百度持续投入昆仑芯，不仅在研发提供支持，也在寻找内部业务场景，让芯片有机会在真实负载中接受检验；与此同时，百度还推动外部客户合作，试图让昆仑芯从一项内部技术储备，变成能够独立进入市场的产品。
如今，昆仑芯已经成为国内大厂自研 AI 芯片中相当有代表性的案例。IDC 咨询数据显示，2026 年上半年，昆仑芯出货量达到 8.5 万颗，位列国产芯片厂商第四位。据悉，国内某头部互联网大厂也采购了相当数量的昆仑芯。
大会上，李彦宏还介绍了昆仑芯下一步产品计划。目前 M100 已如期上市，M300 将于明年推出。2028 年，基于全新 N 架构的多颗芯片也将推向市场。
再往后，AI 迎来了一个真正重要的转折点。2022 年 11 月，ChatGPT 发布。
此后几年，AI 的进步几乎没有给行业留下太多喘息的时间。GPT-4 将大模型的能力推向更复杂的推理和多模态任务；Claude 开始处理长文档、编写代码，并逐渐进入企业工作流；DeepSeek-R1 则让推理模型和测试时计算成为行业关注的焦点。
每一次能力边界的扩张，都在把 AI 从一个供人使用的工具，推向一个能够参与生产的角色。
2026 年，李彦宏提出 DAA（日活智能体数）。他认为，Token 衡量的是成本，而不是价值；真正值得关注的，是有多少智能体每天在工作、完成任务并交付结果。几个月后，Anthropic 披露，其内部最常用的研究与工程平台上，任何时刻约有 3 万个 Agent 在执行任务。两组数据指向了同一个变化：Agent 正在变成可以大规模参与工作的生产单元。
回看李彦宏过去十年的判断，有意思的地方在于，他关注的始终不只是某一代技术有多强，而是技术下一步会进入哪里，能够看清什么是最重要的。如今，Agent 开始承担具体工作，他提出的下一个问题是：企业应该如何组织这些新的生产力？
Agent 进了公司，组织就得重新设计
亚马逊创始人贝佐斯曾提出过一个著名的 “两块披萨团队” 理念：一个团队应该小到两块披萨就能让所有成员吃饱。互联网时代，企业通过缩小团队规模、减少管理层级、下放决策权，来降低沟通成本，让组织变得更敏捷。
今天，AI 带来了一个新的变量：组织里第一次出现了不需要占据一个岗位、却能承担具体工作的参与者——Agent。
黄仁勋提出的五层蛋糕，从能源、芯片、基础设施、模型一直延伸到应用，强调 AI 最终要在应用层创造经济价值。李彦宏则把目光投向应用之后：当 AI 真正进入企业，开始承担具体工作，企业需要怎样的组织才能释放它的价值？能源决定 AI 能够生产多少智能，组织能力决定这些智能能否转化为真正的生产力。
智能组织首先需要打破岗位边界，从以岗位为中心转向以任务为中心。
过去，一个产品需求从提出到交付，要经过产品经理、设计师、工程师、测试等多个岗位。每个人负责一段工作，信息在部门和岗位之间传递，最终由人把各个环节拼起来。现在，一个人可以同时调动多个 Agent，让它们分别承担这些角色的任务。
百度数字人团队正在尝试这种变化，团队基于自研的 BiuBiuAgent，开始打破岗位之间的边界，让员工能够借助 Agent 独立完成更多环节，目前已有 6 个以上需求实现单人端到端交付。
但一个人能调动 Agent 完成更多工作，还不等于一家企业成为了智能组织。更具考验的是：一个员工积累的经验，能不能留在组织里，而不是随着他离开、转岗或换一个项目就消失？
这涉及智能组织的第二个变化：从个人能力转向可沉淀、可复用的组织智能。
企业里，很多真正有价值的知识藏在员工的经验里。一个老师傅知道什么样的故障值得警惕，一个工艺专家知道怎样安排机械臂才能减少等待和碰撞，一个资深销售知道客户在什么情况下更可能成交，AI 为这种分散在员工脑中的经验，提供了新的沉淀方式。
一支广告片的诞生，过去需要创意、策划、导演和演员接力完成。在百度一镜与可口可乐的合作中，这些环节被重构，AI 大脑先规划剧本、设计分镜，再由数字演员完成表演，甚至还原过去很难生成的细微表情，大幅缩短了广告片和短漫剧的制作周期。
数字人作为一个组织进化的典型，能无缝承接组织沉淀的知识、经验和创造力。据悉，百度一镜目前已累计合作商家超过 10 万家，覆盖 30 多个行业，生成数字人内容超过 50 万份。
第三个变化，是组织通过反馈不断调整自己的工作方式。
过去，企业的流程通常由管理者和业务专家制定：先规定怎么做，再要求员工按照流程执行。一旦修改流程，就需要重新开会、协调部门、更新制度。AI 进入业务之后，任务可以被持续记录和衡量，执行结果也能反过来修正下一次任务。李彦宏把这种机制概括为 “可衡量+Looping”：先明确任务目标和评价标准，再让执行、反馈、优化进入下一轮循环。
这就是智能组织与传统企业数字化转型的区别，不是简单的把审批、协作流程搬到线上，而是重新设计任务、知识和反馈之间的关系。按照李彦宏的设想，未来的公司会变成由无数个 Loops 组成的高度自动化运营组织。
这离不开强大的技术基座作为支撑。
“AI 云需要穿透企业的底层资源系统、IT 系统，甚至经营系统。过去的云主要提供算力、存储和软件服务，服务对象更多是人和应用；当 Agent 开始承担任务，基础设施就必须能够支撑它连接企业数据、调用业务系统，并在较长时间内持续执行任务。” 百度集团执行副总裁、百度智能云事业群总裁沈抖表示。
百度将这套能力分为两层：底层的百舸 AI Infra 提供算力，上层的千帆 Agent Infra 提供模型服务和智能体运行环境，整个平台让任务不只启动，还能持续运行并完成闭环，成为智能组织的技术基座。
AI 能做的越来越多，但仍然无法替代人
当 AI 开始进入企业业务，企业面临的难题不再只是找到合适的模型，还要判断模型是否真实、能力是否达标、服务是否稳定。
过去，企业采购软件，通常只需要确认供应商和产品功能。但模型市场变化太快，新模型不断涌现，模型服务商也越来越多。模型的名称、参数和宣传指标，并不总能代表实际调用时的表现。对企业来说，选错模型，损失的不只是一次采购费用，还可能影响后续整个业务流程。
百度推出词元所，试图解决的正是这个问题。它不是简单地把模型集中到一个目录里，而是为模型供给建立一套验真和征信机制：供应商入驻前需要经过资质核验和资源准入测试，上架后的模型服务还会接受定期抽检，实际调用质量也会被持续监测，最终形成公开可查的信用档案。
这意味着，企业不必每次采购模型，都从头开始与供应商谈判、测试和验证。模型服务的真实性和质量，可以逐渐变成一套可复用、可比较的记录。试运营一个月，词元所已入驻超过 100 个供应资源，日均调用次数突破 5000 万次，日均调用 Token 超过 7000 亿次。
当模型的能力和服务质量逐渐变得可信，AI 也就有机会承担更多真实工作。但能力边界的拓展，并不意味着人的作用会随之消失。相反，当机器越来越像人一样执行任务、提供服务，一个更值得思考的问题是：哪些事情可以交给 AI，哪些事情仍然需要人来完成？
百度世界 2026 现场播放了一段特别的采访：坐在李彦宏对面的采访者，并不是真人，而是由百度一镜生成的数字人。它以人的形象和方式与李彦宏对话，当问题转向 AI 时代人的位置时，李彦宏给出的答案是：人的价值仍然不可替代。
从技术能力到真正创造价值，中间有很长的距离。它需要算力基础设施的支撑，需要不同技术和产业环节的协同，也需要人根据真实场景做出判断。 这也让百度过去十多年在芯片和自动驾驶上的投入，有了另一层意义。
百度世界 2026 展示的 1024 卡天池超节点 2.0，把这种协作推向了更底层的基础设施。它采用全栈国产化方案，从核心部件、液冷系统到整机架构和高速互联，打通整套系统。目前，天池超节点已在全国多地智算中心完成千柜级规模部署，支撑万亿参数大模型训练。
类似的变化发生在自动驾驶领域。据悉，萝卜快跑正与神州租车合作，将传统租车服务与无人驾驶结合，在海南探索无人驾驶自驾游。这项服务已经运营一年。
模型和机器能够承担的任务越来越多，但技术如何组合、产品如何设计、服务如何回应人的需求，仍然需要人来做判断。AI 可以不断拓展能力的边界，却不能替人决定这些能力应该被用来做什么。
回到智能组织，AI 可以承担越来越多的任务，也可以把一个人的能力放大，甚至让一个人带着一组智能体完成过去需要一个团队才能完成的工作。但这不意味着人可以从组织中退场。相反，当执行越来越多地交给 AI，人更需要决定什么值得做、目标应该如何设定、结果是否真正有价值，以及在关键时刻由谁承担责任。
过去十年，AI 作为新基础设施的判断逐渐成为共识；下一个十年，企业能否围绕 AI 重新组织人、知识和流程，让技术真正转化为生产力，还需要更多实践来回答。
题图来源：《星际穿越》
- FIN -
