Li Yanhong Proposes Three Principles for Intelligent Organizations at Baidu World Conference 2026
English text is being prepared.
At Baidu World Conference 2026, Li Yanhong proposed three principles for intelligent organizations: breaking down job boundaries, accumulating tacit knowledge, and designing closed-loop processes, and presented the formula "Measurable + Looping = Continuous Evolution." Baidu disclosed that over the past year, internal daily active agents increased from 5,000 to 37,000, the number of effective tasks completed per week rose from 84,000 to over 1 million, and organizational Skills accumulated more than 20,000 in total. After all members of Baidu's Digital Human Innovation Business Department transitioned to Builders, they completed 564 product R&D iterations in Q3, with per-capita throughput increasing by 125.3% and delivery cycles shortened by 28.8%.
Body
员工越来越快,公司还是老样子,这个落差成了全球企业共同面对的题。
11月12日,百度世界大会2026在北京国家会议中心二期开幕。百度创始人李彦宏在演讲中给出的归因很直接,“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”。
与模型、芯片和应用的发布相比,这个话题显得有些过于朴素,岗位如何分工,知识怎样共享,工作流程怎么调整,听起来像在上一堂管理学课程。
但是对百度以及所有的AI企业而言,这是一个需要极其认真讲清楚的AI故事,海量的AI投入,换来的究竟是一个企业未来虚无缥缈的“鬼故事”,还是企业确定赢在AI时代的好故事。
百度是一个典型代表,它持续投入芯片、云、模型和智能体,客户最终买到的不能只有新技术,AI进入公司之后,产品能否更快交付,服务能否做得更好,成本能否降下来,决定了企业愿意继续投入多少。
个人高效,组织低效
企业的AI转型容易出现一种误判,企业让员工用好AI,Token消耗屡创新高,就算公司AI转型形势一片大好,但这些成果越集中在个人和单个岗位,越可能掩盖流程没有改变的事实。
真正困难的调整涉及部门之间的权责与利益,很难靠员工自发完成,局部试点的成功如果让管理者停下了改造,结果可能是每个人都更忙、更快,公司却没有明显变化。
微软《2026年工作趋势指数年度报告》描述了同一种现象,并把它称作企业AI转型悖论,员工已经在用AI提升个人效率,业务流程和评价机制却停留在过去,组织没有发生太大变化。
同样地,BCG发表过一篇标题就很直白的文章,《为AI重新设计公司,而不是让AI适应公司》,其研究中的一家欧洲能源企业,在部署大量AI试点却未取得整体收益后,转向重构端到端客户流程,才拿到实质性改善。
落差的根源,藏在公司的出厂设置里,现代公司的组织形态,是为纯人类的员工队伍设计的。
世界上第一张组织结构图出自一家铁路公司,1855年,纽约与伊利铁路公司画出一张外形像树的图,分支标注各职能部门与人员分工,职责划分加分级管理,撑起了工业时代的规模,韦伯后来把这套体系总结成科层制理论。它管住了规模,代价是僵化。
互联网时代,贝佐斯提出两块披萨团队,规模小到两块披萨能喂饱,决策权下放,层级压缩,但无论公司层级怎么压缩,一百多年来组织的参与者始终只有一种:人。
组织里第一次出现了不需要编制也能干活的参与者,为纯人类队伍设计的流程和岗位设定,就成了新电机轰鸣声里那间没动过的旧厂房,个人效率的提升发生在旧流程的缝隙里,而缝隙里的效率,不会自动累积成组织生产力。
百度选择在此时讨论智能组织,正是把问题推进到了这一层,员工已经获得了新的工作能力,公司准备怎样使用这些能力?
百度的回答
AI芯片、大模型和智能体,都可以花钱买,但智能组织能力是企业自己长出来的。著名科幻作家威廉·吉布森有一句广泛流传的名言,“未来已来,只是分布不均”,正是当下的写照。
同一个模型可以卖给同行业的不同公司,但它进入企业后,能调用什么数据、依据什么规则作判断、结果由谁负责,各家的条件并不相同。企业多年积累的经验能否被AI用起来,比采购时选中了哪一款模型更需要长期经营。
这也是讨论智能组织的意义。
时间回到2016年的百度世界大会,那届主题是AI is the New Electricity,当时李彦宏就提出AI是新的电力,判断移动互联网之后的下一幕是人工智能。
在2026百度世界大会上,李彦宏提出的智能组织包含三项原则: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;三者分别涉及工作如何分配、经验如何保存,以及结果如何改进。
先看工作分配,传统的组织以岗位为中心,AI时代的组织将变成以任务为中心,意味着人员配置要围绕交付结果重新安排。专业人员仍然需要把关,但哪些工作必须交给专门岗位,哪些可以由业务人员借助智能体完成,不必完全沿用过去的划分。
再看知识,百度提出,真正的组织智能,是让知识显性化,沉淀到公司的平台上,可以持续累积、随时调用、人人可用。
“沉淀隐性知识”要处理的,很多是难以传递的经验,通过整理判断依据、处理过程和实际结果,让智能体能够调用,也让其他员工可以复用。企业由此积累的,应当包括做成一件事的方法,而不只是历次工作的文档。
最后,智能组织应当是一个自主进化的智能系统,如何实现自主进化?李彦宏给了一个公式——可衡量+Looping=持续进化。
任务执行之后,需要检验结果,根据反馈修正方法,再用于下一次工作。这里最难的一步,往往是确定怎样才算完成得好。
未来一个公司,会变成无数Loops组成的高度自动化运营组织,最终,一个组织就变成一个不断学习和进化的系统。
从这三项原则看,百度试图把企业对AI的使用推进到日常管理之中。与之配套的,是其芯片、云、模型和智能体布局,模型承担理解与推理,云平台支持任务运行,智能体接入工具和业务系统,组织则提供具体目标、知识和权限。
百度的芯云模体四层全部自研。自己的芯片跑自己的云,云上跑自己的模型,模型长出自己的智能体应用。这几层相互加强,循环优化,整个架构本身就是一个Looping。
第一批智能组织的探索
智能组织目前最完整的样本之一,是百度自己,并且已同时呈现使用规模与深度。
百度在会上披露,过去一年,内部日活智能体数从0.5万增至3.7万;每周有效任务完成数从8.4万增至超过100万;组织Skill累计沉淀超过2万个,建设了4300个Workspace。
举一个具体例子,dodo是百度内部一个十来人的小团队打造的AI助手,上线7个月覆盖99%的正式员工,推动300多个企业平台完成AI友好化改造,今年拿了百度最高奖、百万美金奖励。
再看百度数字人创新业务部,产品、研发、设计、测试之间的固定分工被整体打破,全员向Builder转型,仅Q3就完成564次产研迭代,沉淀130个Skills和729篇组织资产,人均吞吐提升125.3%,交付周期缩短28.8%。
为什么百度内部最先发生这种变化?除了认知之外,芯片、云、模型和智能体的全栈布局是重要原因。
百度集团执行副总裁、百度智能云事业群沈抖就提到,新的AI云会前所未有地穿透企业的底层资源系统、IT系统,甚至是经营系统。因为这套基础设施,不再只服务于人、工具、流程中的任何一个对象,而是服务于由这些单元共同构成的一个个任务。
与此同时,智能体内化企业任务,推动智能组织进化,AI不再只是作为可选的工具独立存在,而是重构到业务流、任务的loop中,真正提升企业经营效率。AI云基础设施,面向智能体支持大规模智能体负载,需要新的基础设施。底层百舸AI Infra提供更强大、更具性价比的算力服务;上层千帆Agent Infra提供支撑智能体规模化运行的环境和极致的模型服务。这两层,让大规模、长周期的任务,真正跑完一个闭环。
“智能组织的未来,不会由哪一家企业独自完成。我们希望把基础设施建设好,让千行百业的智能组织,都能在云上生根、成长。”沈抖说。
此外,百度推出大模型交易平台词元所,也是一个很有意思的动作。
词元所要解决的不是“哪里能买到模型”,而是“买到的模型是不是它自称的那个模型”。当模型供给以每天数款的速度增加,选择成本就被转嫁给了采购方——企业真正缺的是可复用的准入规则和持续监测机制,而不是又一个模型目录。
这与智能组织的关系在于,AI一旦进入日常业务,企业就需要持续判断服务质量,而不能只凭采购时的一次测试。模型身份、响应速度和可用性有据可查,任务出了问题,才更容易找到原因。词元所提供的是模型供应端的判断依据;这些投入最终产生多少收益,还要回到企业自身的业务结果中核算。
该平台主打“验真”与“征信”两大能力,通过模型指纹比对、能力测试、性能与可用性测试等相关技术进行资源核验,同时采取定期抽检拨测、全链路实时监测调用等方式,为模型提供商建立信用评级。向客户提供中立可信、公开透明的模型交易服务。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。
借由芯片、云、模型和智能体这套完整的技术栈,智能组织的形态也在走出百度。南方电网是一个足够硬的样本,百度搭子落地南方电网总调,成为天璇伙伴,服务南方五省两亿多人的用电保障。
以配电网故障研判为例,广西电网2025年就发生永久性故障8215次,传统人工研判单次耗时超60分钟,高度依赖专家经验,极易误判。
南方总调与百度公司基于百度搭子的合作搭建了天璇伙伴,其学习了上万条历史故障处理数据,把资深专家经验沉淀为可复用知识,并将故障记录、开关信号、线路拓扑串成完整证据链,实现故障到分析的闭环研判,分析准确率达70%以上,故障分析效率提升12倍,已在广西14个地市和112个县全面推广。
百度搭子的生态合作伙伴超过160家,接入生态能力1800多项,覆盖30多个专业领域,对更多企业来说,接进智能组织的门槛,比自建一套能力低得多。
组织形态的更替从来是慢变量,科层制从韦伯的理论变成全球公司的默认设置,用了半个世纪,智能组织会以多快的速度改造企业形态,或许就是AI兑现价值时间线的标准答案。(本文首发于钛媒体APP)