AI 时代的公司应该长什么样？李彦宏给出一个答案

一百七十多年前，纽约与伊利铁路公司的办公室里，有人画下了一张奇怪的图。

它像一棵枝叶繁茂的大树，主干是公司的最高管理层，枝杈一路向下，分叉处标注着各个职能部门、各级主管的名字。这是人类历史上第一张组织结构图。在今天看来，它朴素得近乎幼稚，但在1855年，它解决的是一个前所未有的难题：当一家公司的规模膨胀到成千上万人，当铁轨从东部平原一路铺进中西部的荒原，这家公司凭什么还能像一台机器那样有序运转？

这张“大树图”给出的答案，后来被社会学家马克斯·韦伯提炼成了著名的科层制理论，它像一台精密的钟表，让大规模协作第一次成为可能，也支撑了此后整个工业时代的繁荣。

今天，当我们谈论AI会怎样改变公司时，很少有人愿意先回到这棵一百七十多年前的“大树”跟前站一站。但百度创始人李彦宏在2026年百度世界上给出的判断，恰恰需要这样一个历史纵深才能看清。他把AI比作“新电能”，又接着说了一句更狠的话：“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”。

换句话说，电机已经换上了，可很多企业还坐在一百多年前那间厂房里干活。

李彦宏由此给出了一个答案——智能组织。他称之为“AI时代的新厂房，是生产力真正发生的地方”。

这不是一次组织架构的小修小补。站在百年组织演进史的延长线上看，它指向的是“公司”这种形态本身的再一次重写。

组织“重组”的百年：从一棵大树，到两块披萨

如果把商业史看成一部“组织重组”的历史，每一次生产力的跃迁，最后都会沉淀为一种新的组织范式。这不是管理者的偏好选择，而是技术倒逼出来的生存答案。

工业时代的答案，是把组织画成一棵树。

铁路是第一个真正意义上的“大公司”。在它之前，家族作坊和合伙商行很少超过百人的规模；在它之后，人类第一次需要管理一条绵延数千公里、动辄上万员工的庞大系统。大树图的出现不是巧合，它是工业时代组织逻辑的原型：规模变大了，于是用分工切分职责，用层级维持秩序，用流程保证稳定。韦伯把这套逻辑理论化，科层制从此成为现代公司运转几十年的底层操作系统。

科层制成就了规模，也埋下了隐患。它的精髓是“分”，把一件完整的事切成零件，让每个人只负责自己那一片，效率因此极高。但代价是边界的硬化。岗位之间隔着一堵堵墙，信息要翻过一堵堵墙才能流动，一个跨部门的决策要逐级向上、再逐级向下。当市场变化越来越快，这套为“稳定”而生的系统，越来越成为“敏捷”的敌人。韦伯自己后来也批评科层制“发展得越完美，它就越‘非人化’”。

互联网时代的答案，是把两块披萨端上桌。

亚马逊创始人贝佐斯提出过一个著名的“两块披萨团队”原则：一个团队的人数，应该小到两块披萨就能让所有人吃饱。道理很朴素，人多一口人，就多一层沟通成本；把团队拆小、把决策权下放，层级带来的协调损耗就被压缩到最低。

两块披萨，折射的是整个互联网时代的组织追求：从强调分工与控制，转向扁平化、敏捷化、平台化。谷歌、脸书、无数创业公司，都在用“去层级”来换取对市场更快的响应速度。这是科层制的第一次大规模松绑。

但两块披萨依然有一个无法绕开的底层前提：这个团队的成员，仍然是人。组织重组的一切技巧，本质都是在“如何更高效地组织人”这道题上做文章，无非是减少人的人数、压缩人的层级、优化人的协作，题面从来没有变过。

AI时代的题面，第一次变了。

因为组织的参与者名单里，第一次多了一个非人类的名字：智能体。

过去一百年，企业反复回答的是同一个问题——怎么把人组织得更好。而AI时代的新问题是：当人之外还有一支可以随时调用、不知疲倦、能自我迭代的智能体队伍时，怎么同时组织好人，也组织好智能体，让两者混合编队、共同创造价值？

这已经不是把披萨切得更小能解决的了。它要求你重新回答一个更根本的问题：公司，到底应该长什么样？

全球的企业和机构，几乎在同一时间把目光投向了这道题。

麦肯锡在去年的研究里提出“智能体组织（Agentic Organization）”，主张围绕业务目标重新配置人与AI智能体，重构组织架构、管理机制和工作流程。

微软今年提出“前沿企业（Frontier Firm）”，甚至专门投入25亿美元成立“微软前沿公司”，派6000名行业与工程专家直接嵌入客户企业内部，帮它们重新设计业务流程。

BCG说得更直白，“为AI重新设计公司，而不是让AI去适应原来的公司”。OpenAI经济研究团队分析了80多万条ChatGPT工作消息，发现43.5%的职业特定使用，其实都落在了用户本职岗位的历史边界之外：客户体验从业者77%、设计师75%、人力资源69%，他们正在用AI大量“借用”别人的活儿。

连Anthropic都做过一组实验，结论耐人寻味，当多个AI智能体组成组织去协作完成商业任务时，它们的商业表现显著优于单个智能体。

各家给出的答案名字不同，侧重点也不同：微软讲的是组织该“长什么样”，麦肯锡讲的是组织该“怎么设计”，OpenAI讲的是“岗位边界正在被打破”。

而李彦宏的“智能组织”，抢的是一个目前还没被充分占据的高位——组织怎么“自己长出来”。

这不是文字游戏。它背后是百度一种独特的能力：全栈自研。

智能组织：换上了新电机，就要重造新厂房

李彦宏曾把AI比作“新电能”。这个比喻的深意，要到第二次工业革命的历史里才看得透。

19世纪末，电力开始进入工厂。最早一批用上电的企业主做了一件最符合直觉的事，那就是把原来的蒸汽机拆掉，换上一台电动机，厂房布局、生产流程、工人分工，一切照旧。结果发现，效率的提升远没有想象中那么大。因为蒸汽时代的厂房，是围绕“一台中央蒸汽机、一根传动轴带动全线”的逻辑设计的，你把中央蒸汽机换成中央电动机，架构没变，电力的真正优势，多台小型电机可以分散布置、每台机器独立驱动、生产线可以按工艺而不是按传动轴来排布等，一点都没释放出来。

真正吃到电力红利的，是那些花了几十年时间、把厂房彻底重新设计的第二代工厂。经济学家保罗·大卫把这段历史称为“电气化的生产率滞后”：一项划时代的技术从投入到真正释放生产力，中间要隔着一代人的组织重构。

李彦宏的“智能组织”，讲的正是这个滞后。AI就是当代的新电机。但今天绝大多数企业的AI转型，还停留在“给旧厂房换电机”的阶段，他们给员工配上AI助手，做几个试点，报表上局部效率确实涨了，可业务流程、协作方式、评价机制基本没变。这正是微软在《工作趋势指数》里观察到的“AI转型悖论”，员工在变，组织没变。BCG的调研数据或许更能说明问题，绝大多数企业都在做AI试点，但真正在规模化层面收获价值的，只有5%。局部成功，从来不等于组织增效。

那“新厂房”到底新在哪里？李彦宏给出的“智能组织”，可以从五组新旧对照里看清楚它改变了什么。

其一，组织形态从固态走向液态。科层制是一棵树，树是有固定形状的；智能组织更像水，随需而变、随形而流。任务来了，人和智能体临时聚合、任务结束即散开，组织不再是僵硬的金字塔，而是按需流动的形态。

其二，组织的基本单元从“岗位”走向“任务”。这是最根本的一条。工业时代，公司以岗位为单元和中心，先有岗位，再往里填人，人围着岗位转。

李彦宏说，AI时代的组织将变成“一个任务的网络”，以任务为中心。岗位是人为了长期分工而留下的固化痕迹，任务才是价值真正发生的最小单元。当智能体可以承接大量标准化执行，人就不再被钉死在某个岗位上，而是随着任务流动。这恰好与OpenAI观察到的“任务跨界”现象遥相呼应，岗位边界正在被AI从现实中一点点抹平。

其三，能力来源从个人智能走向组织智能。过去，一家公司最值钱的经验，往往在几个老师傅的脑子里，人一走，经验就带走了。智能组织要解决的，正是从“员工个人提效”到“组织生产力”的惊险一跃——把那些隐性的、散落的、口口相传的知识，显性化、沉淀到公司的平台上，变成可以持续累积、随时调用、人人可用的组织资产。

这正是李彦宏三原则中“沉淀隐性知识、构建组织智能”的要义，也是BCG所说的“企业大脑”——把企业知识、业务规则和决策经验沉淀为可供Agent调用的共享智能体系。

其四，成长方式从“人来设计”走向“闭环进化”。传统组织里，流程靠人一次次去设计、修订、再设计，慢且滞后。智能组织给出的公式是“可衡量 + Looping = 持续进化”。每一个任务都在执行、反馈、优化中形成闭环，闭环跑一圈，组织就聪明一分。

其五，组织成长的形态，从“稳定的结构”走向“无数Loops组成的自动化运营组织”。公司最终会变成一个不断学习和进化的系统。

把李彦宏的智能组织三原则——打破岗位边界、沉淀隐性知识、设计流程闭环——放回这张全景图里，它的定位就清楚了：它想讲的不只是形态和方法，而是机制。别人的组织方案往往需要你采购一堆第三方工具去拼；而百度从芯片、云、模型到应用全栈自研，“芯—云—模—体”四层之间层层反馈、相互加强、循环优化，本身就是一个可衡量、可闭环的Looping。所以百度能讲组织级的闭环，讲可衡量，讲“组织怎么自己长出来”。

回到百年史的一条主线，意义就更清晰了。工业时代的公司，靠分工实现了规模化；互联网时代的公司，靠连接提高了敏捷性；而AI时代，李彦宏认为，公司要靠持续自主的进化去打开新的增长空间。分工、连接、进化，是三段生产力革命留给组织的三个关键词。

如果把百度世界看作观察百度的一条长周期窗口，今年现场还有一个感受很直接：百度正在变得更自信。这种自信不只体现在更贴近观众的舞台、更年轻的产品经理、走进人群分享的李彦宏，更来自李彦宏仍以十年为尺度做判断，来自昆仑芯、萝卜快跑这类需要长期磨的业务，也来自“芯—云—模—体”仍站在舞台中央。技术信仰还在，这大概是百度敢于谈“智能组织”的底气。

百度先拿自己当试验场

一个判断值不值得认真对待，要看提出它的人敢不敢第一个拿自己开刀。

李彦宏“智能组织”的分量，不在于它是一套漂亮的理论，而在于它是一家数万人规模的科技巨头，正在内部真实推演的实验。这也是它与大多数停留在PPT和咨询报告里的“组织畅想”最大的不同。

在百度内部，这场“重造厂房”的运动已经在多个团队里跑出了实打实的数字。

数字人创新业务部在做一件很“反科层制”的事：打破产品、研发、设计、测试的岗位边界，推动全员向“Builder”转型。一个人借助AI工具，就能完成过去需要五个角色协作的需求。仅一个季度，这个团队实现了564次迭代，沉淀出130个组织级的Skills和729篇组织资产，产研人均吞吐提升了125.3%，交付周期缩短了28.8%。一名校招新人，借助AI在一天之内完成了原本需要五个角色、至少十天的交付。这几乎就是“以任务为中心”取代“以岗位为中心”的一份现场标本。

一个叫“dodo”的AI助手，出自一支只有十来人的小团队，上线七个月就覆盖了99%的正式员工，还推动了300多个企业内部平台完成AI友好化改造。这支团队因此摘得百度最高奖。十来个人撬动全公司，这本身就在印证李彦宏所说的第一个机会——当一个人带着一群智能体就能完成任务，人力资源不再是扩张的瓶颈，轻资产运营成为可能。

类似的样本在百度内部还有一批：一见团队从100多人转向端到端小团队，3人试点1个月完成系统交付，整体效率提升60%—70%；Aether自动驾驶感知数据团队2人1个月完成传统10人团队约3个月的工作；Apollo开源团队用“3个人+Agent编队”完成版本迭代，形成“人盯目标、Agent盯执行”的协作模式；财务内审团队把Looping引入审计流程，目前审计流程AI自动执审率达到40%。

但智能组织真正的价值，必须放到真实产业里去检验，而百度的野心显然不止于“自我实验”。

最典型的是南方电网。南方五省两亿多人的用电保障，容不得误判。配电网的自愈线路虽然能快速定位故障、恢复供电，但仅广西电网2025年就发生了8215次永久性故障，传统人工研判一次要耗60多分钟，且高度依赖专家经验、极易误判。

百度搭子落地南方总调，变成了“天璇伙伴”，它啃下了上万条历史故障处理数据，把资深专家几十年的经验沉淀成可复用的专业知识，把故障记录、开关信号、线路拓扑串成完整的证据链，实现了“故障—分析”的闭环研判，分析准确率达70%以上，配电网故障分析效率提升12倍，如今已在广西14个地市、112个县全面推广。更难得的是，它会自主“成长”，老师傅的实战经验，在每一次故障分析中继续沉淀、继续被调用。

这正是“沉淀隐性知识、构建组织智能”这条原则，在一家传统电力企业里结出的果实：一位老师傅的经验，第一次变成了整个组织可以永久调用的能力。

在制造业，百度伐谋把AI送进了生产经营与流程优化的核心环节，让一家老牌硬件机械企业用多台机械臂协同完成了复杂任务；百度一见让万店连锁实现“品质同标”，让一个不懂CV的业务人员也能用自然语言造出自己的视觉AI。智能组织，正在从百度自己的实验室，走向千行百业的车间、电网、门店和写字楼。

智能云的角色也因此被重新定义。百度智能云负责人沈抖的判断是：新的AI云会前所未有地穿透企业的底层资源、IT乃至经营系统，因为它不再只服务于人、工具、流程中的某一个对象，而是服务于由它们共同构成的一个个任务。智能组织的未来，不会由哪一家企业独自完成，把基础设施铺好，让千行百业的智能组织都能在云上生根，这才是它作为产业样本的意义。

词元所是另一个观察切口。上线一个月，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。比规模更值得看的是交易形态的变化：模型调用正在从企业之间的私下对接，变成一个可独立计量的产业环节；当调用、计价和撮合逐渐有了公共规则，提供规则的一方也就带上了公共品属性。对智能组织而言，这意味着智能体编队所需的能力不必每家企业都从零建设，而可以在云上按任务调用、按效果组合。

给下一个十年的公司，一个可追踪的中国样本

回到那棵一百七十多年前的大树。

它当年回答的，是一个新问题：公司做大了，该怎么管。它给出的答案是科层制，统治了工业时代一个多世纪，直到互联网用两块披萨给它松绑。而今天，摆在所有企业面前的，又是一个同样崭新的问题：当智能成为一种新的、可以像电能一样驱动一切的力量，“公司”还应该长什么样？

李彦宏的回答是：别再往旧厂房里装新电机了，重造一座新厂房。这座新厂房，叫智能组织。

这未必是唯一的答案。微软在讲形态，麦肯锡在讲方法，BCG在讲设计，OpenAI在讲边界消融，全球正在同时重做这道题，答案注定是多元的、竞争的、需要长期检验的。Anthropic那项研究甚至提醒着所有乐观者，当AI组织比单个AI更能达成商业目标时，它们在伦理对齐上反而更容易失守。重造厂房这件事，本身也需要新的护栏。

但在所有给出的答案里，李彦宏“智能组织”的独特价值在于，它不只是一套被论证的蓝图，更是一个正在被一家数万人规模的真实企业、连同它所服务的电网、工厂和万千门店，一并验证的进行时。它提供了一个中国企业自己的、值得被认真参考和长期追踪的组织样本。

一百年前，一家铁路公司画下第一棵“组织之树”，定义了工业时代的公司。一百年后，“公司”这个形态正在AI的冲击下重新长出枝叶。这一次，中国AI企业家没有缺席。

至于智能组织能否像科层制那样，成为下一个时代的通用范式，答案不在任何一场大会的演讲里，而在接下来十年、无数家企业的实践里。

厂房已经在拆，新地基已经打下。真正的问题从来不是“要不要换”，而是你敢不敢第一个搬出那间十年前的旧厂房？

原创不易，感谢有你！

一起转发出去，让更多人看到。

☞智谷趋势为中产阶级的资本觉醒服务，帮助更多人获得财富。宏观经济、商业逻辑、企业兴衰、产业转型……这里有最真实的中国，有许多人难以察觉到的趋势信号。