AI 时代，公司的「新厂房」长什么样？

十年前的百度世界 2016 大会上，李彦宏曾站在台上提出「AI is the New Electricity」（人工智能是新电能），提前预判了人工智能浪潮。

那时，很少有人能想到，走进写字楼，程序员用 Agent 写代码，运营用 AI 跑报表，连行政都在用大模型搭报销流程。

不过，索洛悖论也再次产生。你去问企业管理者，十有八九会叹气。据统计 2025 年全球企业在 AI 上砸下超过 2500 亿美元，真正跑出业务变革的公司只有 25%。

每个人手里的活都变快了，Token 烧得更狠了，却没有创造更大的效益。为什么个人效率拉满，企业整体却没有跑出生产力变革？问题究竟出在模型能力还不够强，还是企业仍然在用旧的组织方式，硬塞进一项新技术？

面对这个全球性的问题，APPSO 在今年的百度世界大会上，听到了李彦宏给出新的答案，AI 没有产生预期的经济效益，是因为我们只是更换了电机，却还没有重新设计工厂。

时隔十年，李彦宏再次作出预判：AI 的下一幕，是智能组织。

「新生产力，只能从 AI 流水线里长出来，从智能组织里长出来。所以，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，就是智能组织！」

过去，我们习惯用员工数量、人才密度、资本投入来衡量一家公司的实力。但在 AI 时代，能调动多少智能，沉淀多少知识，又能让多少复杂任务高效运转，成为组织生产力提升的必答题。

这场变化，正在动摇公司沿用了上百年的组织逻辑。

从一棵树到两块披萨

1855 年，美国纽约与伊利铁路公司画了一张特殊的图。

这是一棵枝叶繁茂的大树。树上的不同分支，分别对应公司的管理层、职能部门与人员分工。

这张被广泛认为是现代企业最早的组织结构图之一的图表，试图解决当时一个棘手的问题，「公司越来越大，到底该怎么管」？

工业革命让铁路、工厂和大型企业迅速扩张。几千上万人聚集在同一个生产体系中，必须有人负责决策，有人执行，有人监督。

后来，马克斯·韦伯系统阐述的科层制理论，把这套逻辑变得更加清晰：专业分工、明确权责、层级管理。

到了互联网时代，亚马逊创始人贝佐斯提出了一个有趣的管理原则，一个团队应该小到两块披萨就能让所有成员吃饱。

「两块披萨团队」背后的想法，是让小团队拥有更大的自主权，减少层级与沟通成本，更快地完成任务。

从工业时代的分工管理，到互联网时代的扁平协作，公司的组织方式一直在变化。但有一件事始终没变，无论组织架构怎么调整，完成复杂工作的主体，仍然是人。

AI 开始打破这个前提。

今年 5 月，李彦宏在 Create 大会上提出「超级个体」的构想：过去一个公司的最小生产力单元是团队，如今，一个人加上一支智能体编队，就可能成为新的生产力单元。

工业时代解决如何组织更多人，互联网时代解决如何让人协作得更快。

到了 AI 时代，问题变成了，「如果智能也可以像人力一样被组织、调度和协作，公司是不是该重新设计了」。

「新电机」不能再配「旧厂房」

今年 3 月，Block CEO Jack Dorsey 和红杉资本合伙人 Roelof Botha 合写了一篇长文《从层级制走向智能化》（From Hierarchy to Intelligence）。

Dorsey 认为，从古罗马军团「8 人小队、80 人百人队、5000 人军团」的嵌套指挥链，到 1806 年普鲁士军队在耶拿战役惨败后创建的「总参谋部」，现代企业里「中层管理」的底子早就打好了。

两千年来的层级制，本质上是一套建立在人类局限之上的「信息路由协议」。

可人脑带宽有限，一个主管能有效管理的人数只有 3 到 8 人。想缩小管理幅度就得增加指挥层级，而层级越多，信息流动就越慢。

过去几十年，Spotify 试过敏捷小队，Zappos 试过彻底取消管理头衔的合弄制，可只要公司规模越过几百人的门槛，最终全都会退回层级制。

Dorsey 希望建立一个持续更新的「世界模型」，理解公司内部的工作状态、资源配置和客户需求，再由智能系统帮助协调任务。

他甚至提出，要把公司变成一个类似「mini-AGI」的智能系统。

Dorsey 抛出的问题，确实击中了当下企业 AI 转型的一处痛点，AI 已经越来越聪明，公司却不一定变得更聪明。

李彦宏即将在百度世界大会提出的「新电机、新厂房」，正是对这一矛盾的回应。

如果只给旧厂房换上一台更强的电机，却不重新设计生产流程，新技术的威力就很难完全释放。

企业如何自己长成智能组织，今天李彦宏也提出了三个原则，其实就能当作一套完整的组织进化路径：

打破岗位边界，释放组织活力；

沉淀隐性知识，构建组织智能；

设计流程闭环，推动组织进化。

传统组织是「固态」的，按部门和职位切分工作，而智能组织则是「液态」的，未来的公司就像一张围绕目标动态聚散的任务网络，从「以岗位为中心」，转向「以任务为中心」。

可个人变得更能干，不代表公司就能跟着受益。

企业里最宝贵的往往是那些没写进文档的「隐性知识」：资深销售为什么放弃某个看似优质的商机，老工程师为什么先排查某个故障点。

员工积累的经验，如果只能由自己使用，换个人接手，很多事情还是得从头摸索。

在李彦宏看来，真正的组织智能，必须让隐性知识显性化，通过 Skill、Workspace 等方式沉淀到公司平台上，持续累积、随时调用、人人可用。

这意味着组织里的信息和能力，开始摆脱原有的部门边界。从让一个人变得更能干，到让整个公司拥有更多可复用的知识，AI 才开始从个人工具走向组织资产。

不过，知识能够沉淀，还只是开始。

如果一家企业每次都能调用过去的经验，却无法根据新的业务结果调整工作方式，那么它仍然只是一套更先进的自动化系统。

真正的智能组织，还需要具备不断学习和自我改进的能力。

李彦宏将这种机制概括为一个公式：「可衡量 + Looping = 持续进化」。

简单来说，AI 不仅要把任务做完，还要有明确的业务标尺来检验结果，让每次执行产生的经验、偏差和反馈回流进下一轮循环（Loop）。

在李彦宏的设想中，未来人和 AI 围绕一个任务形成一个 Loop，公司就变成一个由无数 Loops 组成的、高度自动化运营的组织，组织，就变成一个不断学习和进化的系统。

这场实验先在百度内部跑通了。

百度数字人创新业务部推动全员向 Builder 转型，打破产品、研发、设计、测试等岗位边界，让员工借助 AI 承担更加完整的工作流程。

今年第三季度，团队完成了 564 次产研迭代，沉淀 130 个 Skills 和 729 篇组织资产，产研人均吞吐提升 125.3%，交付周期缩短 28.8%。

其中，一名校招新人借助 AI，仅用一天便完成了过去需要五个角色、至少十天才能交付的一项需求。

比起这个颇具冲击力的效率数字，更值得注意的是，团队并没有让这些经验随着任务结束而消失。

智能组织不是往公司里塞进越多 Agent 越好，工作过程中积累的 Skills、规则和方法，可以继续被其他成员调用，成为下一次任务的起点。

今年百度世界大会上，百度数字人希加加还取代真人主播采访李彦宏。希加加向李彦宏抛出了一个非常犀利的问题：

既然我都能做采访了，那我这样的数字人能当 CEO 吗？

这听起来像是一句玩笑，却提出了一个值得思考的问题：AI 已经能够独立完成越来越多的工作，它在企业中究竟应该扮演什么角色？

当 AI 能够承担任务、积累经验、持续进化，从一个听从指令的工具，逐渐成为参与组织运转的新角色，企业的组织形态也将迎来新的想象空间。

智能组织的新厂房

提出一种新的组织理念并不难，难的是，让它在真实业务中跑起来。

过去十多年，百度持续投入芯片、云基础设施、大模型和智能体，积累了从底层算力到应用的 AI 能力。

但有了技术底座，不代表企业就自动完成了组织升级。

智能组织要回答的，是从各自使用 AI 工具，转向让人与多个智能体围绕任务协作。这次百度世界大会，百度搭子进一步升级，试图改变这种各自为战的状态。

百度内部就已经在成为智能组织的新样本，一位原本学物理的新人产品经理，借助百度搭子，已经能独立承担售前沟通、产品设计以及大部分研发工作。

过去，一项需求可能需要产品、设计、研发等多个角色接力完成，现在他可以自己调动 AI 完成其中的大部分环节，T+1 就能拿出一个可以现场演示的功能 Demo。

目前，百度搭子已经推出个人版和企业版。在百度搭子开发平台的内部实践中，一项典型需求从分析到可交付方案的时间，从 7 天缩短到 2 天。

智能组织不仅帮助员工解决当下的问题，还试图让今天解决的问题，成为明天整个组织拥有的能力。

库库企业版围绕「懂组织、深能力、自进化」升级，它背后连接着百度文库积累的 18 亿份专业内容、7.5 亿篇学术文献，以及超过 700 万个在线知识库。

越来越多的企业，也开始把库库用到实际工作中。

上线仅三个月，库库企业版的能力已覆盖超过 60 万个组织，日均任务量增长至上线初期的 9 倍，月访问量增长至 14 倍。在南华期货，客户服务效率提升 60%；在锡创投，业务交付速度提升 25%；在国联人寿，投研团队人效提升 40%。

不只是百度搭子和库库，近一年百度内部的日均活跃智能体数（DAA）从日均 5000 个增长到 3.7 万个，增长了 6 倍多。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，增长了 11 倍。

目前，百度已建设 4300 个 Workspace，组织 Skill 累计沉淀超过 2 万个。

李彦宏称，「这些组织的好经验、好方法沉淀下来，可以让更多同学能够复用，让智能体能够调用。让一个人的经验，成为整个组织的能力。」

让 AI 从一个个独立工具，进入企业真实的工作流程。

模型和算力的供给方式，也在发生相应变化。

当越来越多的智能体进入业务流程，企业不仅需要更强大的模型，还需要能够根据不同任务，灵活选择和调用合适的模型，让智能体持续、高效地工作。

为了解决这个问题，百度还在此次世界大会上推出大模型交易平台「词元所」。

李彦宏说它是大模型的交易所，「词元所希望汇聚好的模型和模型提供商，让企业乃至个人都能便捷地找到、购买和使用可信的模型 Token」。

对于智能组织来说，模型不再只是需要单独采购和部署的技术产品，它更像水电可以按需获取、灵活调用的基础资源。

词元所试运营一个月以来，入驻供应资源已超 100 个，日均调用次数突破 5000 万，日均调用 Token 超 7000 亿。

APPSO 认为，「智能组织」之所以会成为 AI 时代新的组织范式，在于它把公司的运行底座从「按层级管人的静态架构」，改写成了「按任务闭环攒复利的自进化系统」。

一百多年前，第二次工业革命早期并不顺利。蒸汽时代机器的位置受中央传动轴和皮带约束，换上电动机后的整整三十年里，工厂生产率几乎没动。

直到每台机器获得独立电机，工厂拆掉笨重的传动轴，重新安排机器、工人和生产流程，电力才真正释放出重塑工业生产的力量。

技术增强，并不一定意味着效率的提高，电力革命真正改变工厂的，不只是那台新买来的电动机。今天的 AI，或许正处在类似的时刻。几乎没有哪家公司还缺一台名为 AI 的「新电机」。

真正决定公司未来十年身位的，是谁先动手重建那座名叫「智能组织」的新厂房。