撰文 | 吴先之 编辑 | 王 潘 2016年，国内科技公司的主线叙事是互联网，而百度那年世界大会的主题是“AI is the new Electricity”（AI是新电能）。 大会上百度第一次对外展示了百度一系列AI新产品和新技术，在日后要么为百度AI打下了核心基础，要么成为了小度、萝卜快跑等业务的技术基石。 “移动互联网之后的下一幕是什么？其实现在已经很清楚了，就是我们所说的人工智能。”李彦宏当时提出的反共识预判，放到就今天已是人所共知的常识。 今天，百度世界2026的主题“下一幕，智能组织”，已经拿到十年前答案的李彦宏给出了新的预判。 “如果说人工智能是新电能，那么智能组织就是AI时代的新厂房，是生产力真正发生的地方。只有匹配AI各种新能力的组织方式落地了，生产力才会大幅度提升。” 他认为AI技术大规模落地之际，接下来整个行业需要把注意力放到组织上。为此他提出了智能组织三原则，分别是打破岗位边界、沉淀隐性知识、设计流程闭环。 当下百度完成“芯云模体”的全栈体系，持续向G、B、C输出各类AI产品。李彦宏在此时的发言，显然是意识到智能组织既是百度内部的下一站，也是AI浪潮下，全行业的下一站。 换电机就得建新厂房 一次大规模的生产力革命爆发与价值显现往往并不会同时发生，因为技术先至，与之适配的组织系统还没有出现。 18世纪70年代，改良后的蒸汽机出现，生产场所选址不必再将河流作为选址的刚性要求。 当时的管理者们认为，把蒸汽机接入到作坊既有的设备上，工匠们按照老办法继续生产即可。由于动力从自然的水能替换为了蒸汽动力，但组织仍然停留在过去。所以机器并没有如预料那般，迅速提升生产效率。 直到半个世纪后，现代工厂制度才在拆分工序、固定工位、固定排班、统一管理等一系列完善后，技术才真正兑付生产力价值。 此后由能源驱动的技术革命大多会经历类似的循环。 新的电机进入到工厂，但对应的组织形态要等到1913年福特的T型流水线。这套组织体系，将电力分散驱动和工序排定组织出现，打破了束缚生产力的瓶颈。新电机的出现跑在新厂房之前，在互联网时代同样不例外。 从信息化建设到后来的数字化革命，企业上线一套又一套系统，对应的组织能力，如OKR这类配套体系到上个十年才姗姗来迟。 如今，AI应用喷涌，再一次出现了技术与组织的弱环效应。模型能力不断出现代际变化，短短两年时间，智能体已经从对话Bot走向长链路任务。反观企业端，由于适配AI的组织体系尚未跟上，企业资本开支的曲线与收入增长的曲线并没有同步上升。 微软在《2026工作趋势指数年度报告》中，梳理了过去几年企业AI应用落地时，发现了一个悖论：员工开始使用AI工具提升个人效率，团队也在全面拥抱新工具，而业务流程、协作方式、评价机制都还停留在前AI时代，组织本身没有发生任何变化。 提升局部效率，组织生产力与AI工具数量没有直接关系。工具部署和试点成果很容易装裱为一份好看的成绩单，也容易让人误以为转型已经完成。 但在企业实践中，员工依靠AI省下的时间，最终会在跨部门对齐、层层审批、反复复核等组织流程中被消耗殆尽。这导致企业的Token账单越来越长，利润曲线并未随之升高，很大原因是卡在流程、协作、评价上，而这三点仍然保持着上个时代的状况。 波士顿咨询公司在《Design Your Company for AI,Not AI for Your Company》（为AI设计公司，而非为公司设计AI）的文章中，研究了一家欧洲能源企业的案例颇为典型。 这家公司早期曾进行了大量AI试点，即便单点测试跑通，整体收益的表现并不显著。于是企业放弃了不改制度只改工具的策略，转而重构客户流程，业务才来到改善的拐点。 国内也有类似案例，去年不少大公司用一种大干快上的叙事全面AI化，包括Token不限量供应等等，到今年画风陡转。 其中一家巨头的高管在8月将其总结为四重错配，认知上，企业对AI要么夸大要么轻视；效率上，大模型用于日常事务而未触及核心；场景上，AI仍游走在边缘，未能融入经营核心；考核上，追求立竿见影却忽视企业内部适配程度。 局部成功，不等于组织增效。李彦宏在演讲中表示，没有一家公司会因为用了几个AI工具，一夜之间就变得更有竞争力。 AI是提供动能的新电机，智能组织是与之配套的新厂房。电机可以自己采购，也可以外部采买，唯独厂房需要企业自己量身规划。既然换了电机，就必须更换厂房。 组织，AI竞争的下一个赛点 许多企业管理者以为上的AI工具越多，就能在AI竞赛中领先。 这很大程度上受到了海外“AI五层蛋糕”说的影响。该理论将AI产业拆解为能源层、芯片层、基础设施层、模型层、应用层，五层产业链环环相扣、上下游联动。这套框架其实是回答“智能从何而来”，以及聚焦到了能源竞争上。 有观点认为AI竞争的本质是能源博弈，没有回答怎么让AI真正变