百度将AI下一幕押注智能组织,全栈能力如何转化为企业生产力

2026-11-14

2026年11月12日,百度世界2026大会在北京召开。李彦宏将十年前“人工智能是新电能”的判断进一步推演:AI的下一幕将是“智能组织”。若将会场发布的模型、智能体、云服务、芯片及无人车等单项拆解来看,它们各自独立;但若置于同一技术链路中,百度此次意在向企业交付的,是一套能让AI融入业务流程、承担具体任务并持续自我优化的运行体系。

这也反映出企业对AI的关注焦点正在转移。过去两年,业界反复对比模型参数量、榜单排名与Token价格,而当下更现实的追问是:AI工具虽多,为何企业的营收、利润与交付速度未见同步提升?百度的回答是,单点工具仅能提升个人效率,唯有任务分配、知识沉淀与结果反馈三者同步变革,AI方能转化为组织层面的生产力。

AI工具为什么没有直接变成利润

李彦宏在会上提出“组织进化三原则”:打破岗位边界、沉淀隐性知识、设计流程闭环。首条原则将工作单元从固定岗位转向具体任务,即先明确结果需求,再决定由人类、智能体或两者协同完成;次条要求企业将员工经验转化为可检索、可复用的组织资产;第三条则要求每项任务均设评价标准,使智能体能依据结果持续调整优化。

这一论述精准击中了企业AI落地普遍存在的差距。

麦肯锡调查:AI对企业利润影响有限

麦肯锡2026年AI现状调查显示,80%的受访者认为AI提升了个人生产率,但只有37%的受访者表示AI已对所在企业的息税前利润(EBIT)产生正向影响,仅6%的受访企业被归为AI高绩效企业。麦肯锡在10月发布的分析文章进一步指出,接近四分之三的AI高绩效企业已经对工作流程进行了实质性重构,而其他企业的这一比例只有约四分之一。差距不仅来自模型能力,也来自企业是否愿意重做流程、明确责任并持续衡量结果。

百度内部数据:智能体规模化调用初现

百度同时给出了一组内部数据。过去一年,其日均活跃智能体数从约5000个增至3.7万个,每周完成的有效任务从8.4万个增至100万个以上;公司内部已建设4300个Workspace,沉淀超过2万个组织Skill。这些数据由百度披露,尚不足以直接证明财务回报,却能说明智能体在大型组织中已经从个人试用进入规模化调用阶段。

李彦宏预判:岗位或收敛为Builder与Seller

李彦宏还判断,未来岗位可能逐步收敛为Builder和Seller两类,前者负责创造,后者负责沟通、连接与建立信任。这个判断足够醒目,但现实中的组织不会迅速变成二元结构。合规、安全、审计、行业判断和异常处理仍需要明确的责任主体。AI可以拆解岗位,却不能取消问责。

三大原则对应商业版图

百度提出的“以任务为中心”“沉淀隐性知识”“设计流程闭环”三条原则,与其现有产品布局形成一一对应关系。在任务调度层面,百度搭子被定位为通用入口,连接伐谋、一见、一镜、胜算、秒哒、库库、Comate等专业智能体;知识沉淀层则依托Workspace、Skill以及企业自有数据与工具;流程闭环设计则由千帆Agent Infra与百舸AI Infra提供沙箱、评测、权限、身份认证及持续反馈等基础设施能力。

词元所试图解决模型采购痛点

会上同步发布的“词元所”定位于模型服务交易环节,试图通过模型指纹、能力测试、性能监测和信用评级四大机制,化解企业采购时常见的来源不明、能力虚标、稳定性波动等问题。百度披露,平台上线一个月后已接入超过100个供应资源,日均调用量突破5000万次,日均调用Token超过7000亿。不过,该平台能否成为真正中立的模型交易入口,仍取决于测试方法透明度、不同供应商公平接入条件、以及客户数据与工作流迁移便利性等因素。

底层算力随智能体负载重组

基础设施层面,底层算力资源正围绕智能体负载特征进行重新编排与优化。

百度智能云发布的天池1024卡超节点计划于2027年上市,采用光互连,互联带宽较上一代提升3倍;单套可支撑5万亿参数模型训练,并可扩展至万卡规模。千帆Agent Infra则强调百万量级沙箱并发,上千个沙箱可在百毫秒级同时启动。与传统云主要承载企业IT系统不同,百度希望新一代AI云直接服务任务执行,因此计算、模型、数据、权限和运行环境都要被统一调度。

这套全栈路线也有明确的经营背景。百度2026年第二季度财报显示,AI云基础设施收入为73亿元,同比增长50%;同期在线营销服务收入为131亿元,同比下降19%。当传统搜索广告仍承压,云、智能体和自动驾驶需要承担更重的增长任务。“智能组织”既是一次技术判断,也是百度把芯片、云、模型、智能体打包为企业级能力的商业叙事。

全栈整合的优势是协同效率和成本控制,客户的顾虑则集中在开放性。企业通常不会把所有模型、数据和业务系统交给一家供应商。百度此次开放Harness引擎、Agent API,并支持MCP和Skill接入,方向是对的;

萝卜快跑将智能组织延伸至物理世界

更关键的考验在于,第三方模型能否获得同等支持,组织知识能否跨平台迁移,以及企业在更换底层模型时能否保留既有流程资产。

如果说此前的产品布局瞄准企业内部流程,萝卜快跑则展示了百度AI能力在物理世界的另一种落地方式。百度披露,其自动驾驶业务已覆盖全球28座城市,累计自动驾驶里程超过3.5亿公里,其中全无人里程超过2.4亿公里,累计服务订单超过2300万单。在海南,萝卜快跑与神州租车合作的无人车“自驾游”服务已运行一年。用户无需驾照,也无需自行取还、停车或充电,服务形态从按次叫车延伸至面向旅游场景的用车方案。

“无人驾驶自驾游”听起来像租车,实则更接近在限定运营范围内提供的一套无人驾驶包车服务。车辆目前并不直接出售给个人,也不能脱离获批区域自由行驶。其价值不在于给Robotaxi换个名称,而在于验证同一套无人驾驶能力能否承接更长时段、更复杂行程和更高客单价的需求。若服务能稳定复制到更多旅游城市,萝卜快跑有望从出行平台拓展为目的地交通运营商。

海外扩张也在提速。

萝卜快跑已在迪拜开展全无人商业化运营,在伦敦和瑞士进行公开道路测试,并在香港完成右舵左行环境下的全无人驾驶测试。不同市场的法规、道路习惯和运营成本差异很大,真正需要观察的指标包括安全表现、远程协助频次、单车利用率和单位订单成本。对自动驾驶而言,能上路只是第一步,稳定运营和规模复制才决定商业价值。

热点科技观察:衡量标准该换了

百度世界2026释放出的关键信号,是企业AI竞争正在从“谁有更强的模型”转向“谁能让模型进入真实流程”。模型性能依然重要,但它越来越像基础能力。企业更难复制的资产,是长期积累的业务上下文、评价标准、权限体系和处理异常的方法。百度强调沉淀组织Skill,本质上是在争夺这部分高黏性的企业资产。

百度的优势在于“芯云模体”覆盖较完整,既能提供昆仑芯和天池超节点,也有文心模型、智能体平台和萝卜快跑这样的物理AI业务。完整并不等于自动形成壁垒。企业最终购买的是结果,而不是技术层数。采购时间是否缩短、酒店收入是否提高、工程排期是否减少、无人车每单成本是否下降,这些可核验的业务指标,比智能体数量和Token消耗更有说服力。

因此,“智能组织”能否成为AI产业的新阶段,接下来要看两件事:其一,百度内部的组织实验能否形成可复制的方法,并在更多客户中稳定兑现收益;其二,全栈产品能否保持足够开放,让企业在不被单一平台锁定的前提下沉淀自己的知识和流程。如果这两点成立,百度这次提出的就不只是一个大会主题,而可能是一套新的企业AI交付方式。

倒计时 5 秒