如果有一天，一个数字人跑来问你：“我能不能做CEO？”你会怎么回答？

这不是假想，而是2026年百度世界大会上真实发生的一幕。

在一段由百度一镜生成的数字人采访视频中，面对这个颇有些挑战意味的问题，李彦宏给出了一个直接的回答：不能。

这个回答多少有些出人意料。毕竟，过去几年，AI已经深入代码开发、文案创作、客户服务等各个环节，越来越多过去需要专业人员完成的工作，如今都可以交给AI。

但一个现实问题也随之出现：AI让员工越来越能干，为什么企业整体的经营效率和利润，却未必同步提升？

或许问题不只在于AI能做什么，更在于企业如何组织这些能力，以及哪些事情依然需要人来决定。

这也是今年百度世界大会上，李彦宏试图回答的问题。

十年前，他曾将人工智能比作新的电能，判断AI将成为下一轮产业变革的重要力量。此后，从强调AI能力内化，到提出个人与组织的自我进化，再到今年将目光投向“智能组织”，李彦宏对AI生产力的思考，其实存在一条清晰的脉络：技术能力不断突破之后，究竟什么因素决定了它能否真正创造价值？

这一次，他给出了一个更具组织意义的比喻：AI是新电机，智能组织是新厂房。电机换了，厂房却没有重新设计，再先进的机器，也很难充分释放生产力。

如果说过去十年，AI产业的核心任务是造出足够强大的“新电机”，那么接下来，“新厂房”到底该怎么盖，便成了企业需要面对的新问题。

01

企业AI转型，正在遭遇一场“效率悖论”

工业时代以来，企业依靠专业分工获得规模化生产能力。每个人负责一部分工作，通过部门和管理流程完成协作。这套体系在人类劳动占据主体的时代十分有效，但当AI开始承担越来越多的专业任务，原来的工作分配机制就可能出现新的摩擦。

麦肯锡今年8月发布的全球AI调查就很说明问题，80%的受访者表示AI提高了个人生产率，但只有37%表示AI对企业息税前利润产生了正面影响。

个人提效和组织增益之间，出现了一道巨大的裂口。

道理很简单，一项原本需要八小时完成的工作，AI可能只用一小时就能完成，但如果后续审批、沟通和交付仍然需要两天，企业最终获得的效率提升，远没有单个工作环节表现得那么显著。

换句话说，如果一个项目里，真正“做事”的时间只占三成，剩下七成在等待、对齐、走流程，那就算把执行效率拉到无限高，整体周期也只能缩短三成。

所以在AI时代，当一部分专业能力可以被随时调用，如何减少任务交接、信息损耗和决策摩擦，可能比单纯提高员工的工作速度更加重要。

更深一层的问题是，个人效率并不天然等于组织能力。

一个销售人员可以借助AI快速研究客户、分析需求、制定方案，但如果这些判断仍然留在个人的聊天记录里，其他销售无法调用，企业也无法在下一次业务中复用，那么AI创造的价值，很大程度上仍然停留在个人身上。

研发、设计、运营等岗位同样如此。一个员工能够熟练调用AI完成复杂任务，并不意味着他的经验已经成为整个团队能够持续使用的能力。

企业花钱引入AI，可能率先培养出了一批“超级员工”，却未必因此拥有一家“超级公司”。

也正因如此，企业衡量AI转型的标准，不能只看员工使用了多少次工具、消耗了多少Token，或者某项任务节省了多少时间。更值得关注的是，工作流程有没有真正缩短，个人经验能否转化为团队资产，以及这些变化能否持续改善经营结果。

微软在《2026年工作趋势指数》里把这种现象叫“企业AI转型悖论”：员工已经在用AI提效，业务流程、协作方式和评价机制却停在过去，组织几乎没有变化。BCG把话说得更绝对，应该为AI重新设计公司，而不是让AI去适应原来的公司。

所以说，李彦宏提出的“新电机、新厂房”，并不只是一个技术比喻。对于企业而言，真正的生产力革命，不能只靠把更先进的电机安装进原来的厂房，AI投资的回报问题，也正在从技术能力问题，进一步转化为企业的组织效率问题。

02

从生产到组织，企业的护城河正在改写

微软在2026年《工作趋势指数》中发现，只有19%的受访者同时具备较高的个人AI能力和组织支持水平，另有10%的受访者虽然个人AI能力较强，所在组织却未能提供相应支持。

这意味着，过去往往是企业推动员工学习新技术，如今却可能是员工已经跑在前面，公司反而成了需要补课的一方。

不过对于企业而言，真正值得关注的，已经不只是AI替人完成了多少工作，而是原有的工作方式是否还有重新设计的空间。

这也是李彦宏关于AI生产力判断的一条延续。

从2025年百度世界强调将AI内化为企业的原生能力，到2026年Create大会提出人与智能体组成混合编队、推动组织自我进化，再到此次百度世界提出“智能组织”，其思考的重心正在逐步深入：从让AI进入业务，到让人与AI重新协作，最终让组织本身具备持续进化的能力。

这种连续性背后，是对生产力瓶颈变化的判断。当技术不再是唯一的制约因素，企业就需要重新审视自己的组织方式。而这种重构，正在三个层面同时发生。

首先受到挑战的，是传统的岗位边界。

之前一个产品从需求提出到正式上线，通常需要产品经理、设计师、工程师、测试人员等多个角色接力完成。在智能体参与之后，部分任务开始能够围绕目标重新组合，一个员工可以借助不同Agent承担部分跨岗位任务。

当然这并不意味着专业岗位会消失，复杂业务仍然需要专业判断，关键决策也离不开人的责任。但组织的基本逻辑有可能发生变化：过去先划分岗位，再分配任务；未来则可以先明确任务，再决定由谁、由哪些智能体协同完成。

岗位不再是能力的固定边界，任务才可能成为组织资源重新组合的起点。

其次，企业的核心资产，正在从“掌握知识的人”转向“可沉淀的组织知识”。

长期以来，很多企业都有一个共同的困扰，就是最有价值的知识，往往不在制度和文档里，而在少数资深员工的脑子里。这也是为什么，一些核心员工离职，企业失去的往往不只是一个岗位上的劳动力，还有多年积累的业务判断与隐性知识。

大模型改变了知识获取的门槛，但通用知识并不等于企业自身的竞争力。真正能够构成壁垒的，是企业在具体业务中积累的独特经验，以及将这些经验转化为可复用能力的机制。

比如在南方电网与百度搭子的合作中，过去高度依赖资深专家判断的电力故障分析，开始通过历史故障数据、线路信息和专家经验，转化为可以调用和验证的专业分析能力。

这一实践更值得关注的，并不只是某一次故障分析能够节省多少时间，而是过去掌握在少数人手中的经验，开始有机会成为整个组织可以持续使用的能力。

最后，企业的成长方式，正在从“阶段性改革”走向“持续性进化”。

传统企业的能力升级，往往依赖招聘、培训、制度调整和管理改革。一次成功项目积累的经验，能否被下一个团队借鉴，很大程度上取决于人的主动总结和传递。

而当AI进入业务执行过程，任务本身就有机会成为组织学习的来源。李彦宏此次提出的“可衡量＋Looping＝持续进化”，实际上就是试图建立这样的机制：让任务执行、效果评估和反馈优化形成闭环，使组织能力不再完全依赖周期性的管理改革，而是在日常经营中持续积累。

当然，这并不意味着企业只要部署足够多的Agent，就能自动完成进化，重新设计任务如何流转、知识如何积累、结果如何反馈，让每一次有效的工作都可能成为下一次工作的基础，这才是“新厂房”区别于传统企业的关键。

事实上，这三个层面的变化，也正对应着李彦宏此次提出的“组织进化三原则”：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。这三个原则的关键，就是让企业获得一种过去很难建立的能力：不依赖某个员工的个人发挥，也能不断积累和改进自己的工作方法。

坦白讲，当模型能力越来越容易获得，技术本身未必能够持续拉开企业之间的差距，但企业长期沉淀的业务知识、组织协作机制，以及不断从经营反馈中改进自身的能力，却很难通过采购一套AI工具直接复制。这也意味着，智能组织不只是一个有关效率的新概念，更可能成为企业构建长期竞争优势的新路径。

03

公司的下一次进化，已经有了样本

对于大多数企业而言，智能组织听起来仍然是一个颇具未来感的概念。但在一些企业内部，围绕AI展开的组织变革，已经开始从设想走向实践。

海外市场的信号已经非常明确。

Anthropic在今年9月披露，其内部日活研发Agent数量已达到3万个；10月进一步公布，员工使用Agent工作的时长已经达到人类的6倍，部分员工的岗位职能开始发生转变。当Agent开始深度参与研发流程，组织的最小作业单元就不再是一个人，而是“人+Agent编队”。

微软也有相关动作。CEO纳德拉提出“双资本论”，认为企业要同时积累人力资本和Token资本，把自身的知识、经验和业务流程沉淀为可持续的AI能力。微软内部已经通过Agent 365实现对超50万个Agent的统一管理，同时组建了约6000人的前沿部署工程团队，直接嵌入客户企业内部，帮助对方重新设计业务流程。

回到国内，百度自身，也是这场变化的一个观察样本。

在百度数字人创新业务部，传统的产品、研发、设计和测试岗位边界正在被重新打破。团队推动成员向Builder转型，借助AI完成从需求理解到产品交付的更完整任务链条。

按照百度披露的内部实践数据，仅2026年第三季度，该团队就实现了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%。

其中一个颇具代表性的细节是，一名校招新人借助AI，仅用一天就完成了过去需要五个角色协同、至少十天才能完成的需求交付。

这种变化，也开始体现在百度面向企业的产品中。

比如此次大会上颇为吸睛的百度一镜。除了能够生成高度逼真的数字人，其能力已经延伸到实时互动、短漫剧创作，以及从品牌营销到客户服务的业务场景。借助AI大脑和多智能体协作，过去需要编剧、导演、制作等多个角色参与的内容生产流程，开始能够由AI承担更多执行工作。

但有意思的是，技术越是逼近真人，人的独特价值反而越值得讨论。

在百度一镜数字人采访李彦宏的片段中，AI已经能够以接近真人的形象和表达方式与人交流，但能够模拟人的表达，并不意味着能够代替人作出所有判断。

这恰恰揭示了智能组织更深一层的变化：AI承担越来越多的执行工作，人则可以将更多精力投入目标设定、创造性决策，以及人与人之间的情感连接和信任建立。

另外值得注意的是，当企业开始大规模使用AI，模型能力已经不只是强不强的问题，还有能不能稳定、可信地调用的问题。

百度此次推出的词元所，试图通过模型服务验真和质量监测，让企业更方便地获取可信模型资源。据百度透露，上线一个月，词元所已入驻供应资源超过100个，日均调用次数突破5000万次，日均调用Token超过7000亿。

这组数字更值得关注的不是规模本身，而是它说明模型交易正在从企业私下对接变成一个独立的产业环节——而规则提供者，从这个环节里获得了公共品的属性。

说到底，智能组织不是一场简单的机器替人，而是一次人与AI的重新分工。技术扩展了人的能力边界，但决定组织往哪里走、为什么而做，以及最终创造什么价值的，依然是人。

如果回过头看，会发现百度过去十余年的AI布局，正在逐渐形成一条清晰的产业脉络。

从昆仑芯在AI算力领域的持续突破，到萝卜快跑将自动驾驶带入越来越多城市的真实道路，百度过去在底层技术和前沿应用上的投入，已经开始转化为实实在在的产业成果。

这背后，是一家科技企业对技术发展方向的长期判断，也是百度在AI领域坚持长期主义的价值所在。

毕竟，科技产业从来不缺追逐风口的企业，真正难得的，是在技术尚未成为共识时提前布局，在行业不断变化时保持投入，并最终让技术走出实验室，进入真实的产业和商业场景。

不过我们也需要深知，生产力的进步，并不意味着人的价值会被不断压缩。就像大会上那场数字人与李彦宏的对话，AI可以模仿人的表达，承担越来越复杂的任务，却无法因此取代人的创造力、判断力，以及人与人之间的信任。

AI是新电机，智能组织是新厂房，但真正决定这座新厂房能创造多少价值的，不只是机器有多聪明，更是人能否借助AI突破原有的能力边界。未来最有竞争力的智能组织，或许不是最不需要人的公司，而是最能释放人的价值的公司。