移动通信网 赵哲超
11月12日，百度世界2026开幕式上，百度创始人李彦宏抛出了一个跳出技术叙事的判断：人工智能的下一幕不是更大的模型，而是“智能组织”。他将2016年至2026年定义为AI形成独立技术栈的十年，“芯、云、模、体”四层架构在这十年间逐步成型。李彦宏提出一个类比框架：如果AI技术的上游是能源，那么下游就是组织能力——一个不同于现行科层制的AI原生组织体系。他以工业史为参照指出，当前大量企业AI投入与产出不匹配的根源在于“只是更换了电机，但是没有重新设计工厂”。这一表态的直接背景是，过去一年大模型推理成本虽大幅下降，但企业端Token消耗量激增却未带来相应的收入利润增长，“为什么Token花费越来越多，但收入利润没有跟着涨”已成为不少企业一把手的共同疑问。李彦宏给出的答案是：没有任何一家公司会因为用了几个AI工具就一夜之间变得更有竞争力，只有围绕AI能力重构组织，生产力才会大幅提升。这一观点将AI竞争的焦点从模型参数转向了管理范式，在行业内引发了新的讨论维度。
【关键数据】
[1] 百度内部日活跃智能体数（DAA）从日均0.5万增长到3.7万（涨幅超6倍）
[2] 智能体周有效任务完成数从8.4万个增长到超过100万个（涨幅11倍）
[3] 百度已建设4300个Workspace
[4] 组织Skill累计沉淀超过2万个
[5] 2025年中国AI大模型市场规模突破200亿元
从技术原理层面看，“智能组织”并非单纯的管理概念，而是建立在“芯云模体”四层技术栈之上的应用形态：底层是AI芯片，第二层是云计算基础设施，第三层是大模型能力，最上层则是智能体。智能体是这一架构中直接嵌入业务流程的执行单元，具备任务理解、工具调用和多轮协同能力。李彦宏披露的内部数据勾勒出这一体系的运转规模：百度内部日活跃智能体数（DAA）从一年前的日均0.5万增长到3.7万，涨幅超过6倍；智能体执行的有效任务完成数从每周平均8.4万个增长到一周超过100万个，涨幅达11倍。支撑这一规模的是百度已建成的4300个Workspace，组织内累计沉淀的Skill超过2万个。所谓Skill，是将业务经验、操作流程封装为智能体可调用的能力模块——一个销售的谈判话术、一个工程师的排障路径，都可以被结构化沉淀，供其他员工和智能体复用。李彦宏将其概括为“让一个人的经验，成为整个组织的能力”，这正是智能体从个人提效工具升级为组织基础设施的关键机制。
从市场规模与竞争格局看，企业级AI应用的落地效率已成为头部厂商争夺的主战场。IDC数据显示，2025年中国AI大模型市场规模已突破200亿元人民币，企业级应用占比持续提升，但行业普遍面临“投入产出比”质疑——Gartner此前调查显示，超过40%的企业的生成式AI项目未能产生可量化的业务价值。在此背景下，各家厂商的应对路径明显分化：阿里强调通义千问与钉钉的组织协同入口，字节跳动以Coze平台降低智能体搭建门槛，腾讯押宝企业微信与大模型的融合，而百度此次直接将竞争维度拉升到“组织重构”层面，试图以先发的内部实践为样本输出方法论。百度智能云方面此前披露，文心大模型日均调用量已达数亿次级别，而3.7万的DAA和每周百万级的任务完成量，则提供了国内大型科技公司AI原生组织改造的首份可验证数据。相比单纯比拼模型能力榜单，李彦宏显然希望将百度在组织变革上的实践转化为差异化卖点——毕竟模型能力可以被追赶，但组织层面的先发经验和2万个Skill的沉淀难以被快速复制。
产业链层面，“智能组织”概念的落地涉及芯片、云、模型、智能体平台、企业服务软件五个环节的重构。对上游而言，组织内智能体数量从千级向万级跃升，直接推高推理算力需求——3.7万个日活跃智能体背后，是持续的GPU推理集群支撑，这解释了为何Token消耗在企业侧不降反升。对中游的云厂商而言，Workspace和Skill沉淀形成的数据资产构成新的护城河：组织经验一旦以Skill形式封装，迁移成本极高，形成事实上的锁定效应。对下游企业客户而言，成本结构也在改变——传统IT支出以人力和软件订阅为主，而AI原生组织的支出结构中，Token费用、智能体平台费用与AI转型咨询费用占比上升，人力成本占比下降。李彦宏特别强调落地路径：智能体和数字员工必须真正进入销售、客服、研发、运营四个核心业务环节，而非停留在辅助工具层面。这意味着企业服务软件的形态将随之改变，从“人使用软件”转向“智能体调用软件”，API化、Skill化的改造需求将沿产业链向上传导，为中间件、集成商和咨询机构创造新的市场空间。
商业化进展方面，百度的智能组织实践已从内部走向外部输出。百度内部的数据曲线展示了改造节奏：DAA从0.5万到3.7万用了约一年，任务完成量从周均8.4万到突破100万，反映出智能体从“能对话”到“能干活”的能力跃迁。李彦宏将其类比为工业时代的分工革命：“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。”在具体应用场景上，客服环节的智能体可独立承接咨询、售后全流程；销售环节的数字员工可完成线索筛选、方案生成；研发环节的智能体辅助代码生成与测试；运营环节则实现内容生产与数据复盘的自动化。这一路径与全球趋势呼应——微软、谷歌均在推Copilot深度嵌入办公与业务系统，OpenAI则推出企业级Agent产品争夺企业客户。百度的差异化在于，它以自身数万员工的组织改造为实验场，4300个Workspace的实践数据本身就是最有说服力的客户案例。李彦宏明确划出了判断标准：“换一台新的AI电机，只是起点；重新设计新厂房，才是分水岭。”
行业趋势层面，“智能组织”概念的提出标志着大模型竞争进入组织变革深水区。此前两年，行业叙事经历了从百模大战到应用落地的转移，2026年的新议题显然是“组织适配”。李彦宏的判断隐含一个经济逻辑：AI作为通用技术的价值释放存在时滞，正如电力普及后工厂花了几十年才从中央蒸汽机布局改为电机分布式布局，AI也需要组织结构的配套重构才能兑现生产力红利。这一框架对企业决策的直接含义是，AI预算应从“买工具”转向“建体系”——Token支出应被视为新厂房的建设成本而非消耗性费用。对百度自身而言，这一战略选择与其中文搜索基本盘和智能云业务的转型密切相关：如果“智能组织”方法论获得市场认可，百度智能云有望从算力和大模型供应商升级为组织转型服务商，客单价和客户黏性都将显著提升。而3.7万DAA、每周百万任务、2万个Skill这组数据，既是百度内部改造的成绩单，也是它递给企业客户的一份参考答案。AI产业的竞争焦点，正在从谁的模型更强，转向谁的组织先变。
