11月12日的北京，已经有些冷了。国家会议中心外，风从建筑之间穿过，让刚从外地赶来的我忍不住打了个哆嗦。

进入百度世界2026会场后却是另一番景象，人声鼎沸，媒体记者、开发者、行业人士，还有不少科技爱好者，从各个方向涌进来。走廊里不时碰见熟悉的面孔，大家打着招呼，聊着最近的AI进展。

这样的场面，这几年在科技圈其实已经见过太多次了。所以，我一度认为，这可能又是一场AI技术肌肉秀。

直到上午9点多，百度创始人李彦宏走上台。他抛出的一个判断，让我突然想起了十年前的百度世界大会。

2016年，很多人对AI的印象更多还停留在科幻电影里，那一年，李彦宏像一个技术行业的“赊刀人”一样，在众人诧异的目光中指出“下一幕，人工智能”。

后来，大模型浪潮席卷全球，人工智能从实验室走进千行百业。当年百度培养和积累的不少AI人才，如今已逐渐成长为行业里的中坚力量。

十年过去，人工智能已经从一个多少有些陌生的技术概念，变成了人人都在谈论的风口。就在这个时候，李彦宏又提出了一个新判断：“下一幕，智能组织”。

智能组织，短短简单四个字，但我认为它可能比发布一款新模型，更值得所有人尤其是企业管理者琢磨。

这两年，AI技术进步得实在太快了，有时候快得让人有些跟不上，昨天还觉得不可思议的事情，今天可能已经成了一个普通功能。几乎每天都有新产品冒出来，前阵子大家还在争论大模型写代码到底靠不靠谱，转眼间，讨论的重点已经变成了智能体能不能替人跑完一整套业务流程。

技术越来越聪明，这当然是好事。但一个有些尴尬的现实也慢慢浮现出来，AI是更智能了，但人却未必因此变得更有效率。

这不是我坐在会场里凭空想到的。

近几年，作为一个科技爱好者，我帮不少开公司的朋友折腾过数字人，装过龙虾，搭建过AI工作流，也经常跟他们聊过AI到底给公司带来了什么变化。

刚开始用上AI的时候，大家都挺兴奋。市场部用AI写文案，设计部拿它出图，程序员用它补代码，管理人员让它整理会议纪要。几乎每个人的电脑里，都多了一个随叫随到的助手。

但过了一段时间再聊，情况似乎没有想象中那么乐观。很多朋友的反馈都差不多，AI工具确实多了，有些工作效率确实有提升，但公司整体好像并没有发生什么根本性的变化。

该扯皮的会一场也没少开，该层层签字的审批还是得一关一关过，部门之间还是存在一堵无形的墙，员工靠AI省下来的时间，也没有自动变成公司的生产力，有个朋友前几天还跟我吐槽，“现在很多AI工具确实不错，但总觉得很工作流程比用AI之前还复杂许多。”

这就有点尴尬了。公司花了不少钱买工具，员工花了大量时间研究模型，AI在电脑里忙得热火朝天，可一旦回到真实的业务场景，很多事情还是要按照过去那套规矩来。

所以，李彦宏提出人工智能的下一幕是智能组织，我是比较认同的。

过去一段时间，很多企业都在琢磨怎么把AI塞进现有的工作流程里，写方案做表格开会等工作都用上AI，AI就像一个不知疲倦的小助手，但或许我们更应该做的是，借助AI重新设计整个工作流程，甚至重新思考一家公司的组织方式。

李彦宏在大会上打了一个比方，他说“人工智能是新电能，智能组织才是AI时代的新厂房。”

一百多年前，电力刚刚普及的时候，很多人以为不需要改变厂房和生产线，只需拆掉中央蒸汽机，换上一台电机，产能就能立刻翻倍，但换上后发现除了省掉烧煤的麻烦，生产流程、产能规模和蒸汽时代几乎没有多大区别。直到后来，人们开始围绕电力重新设计生产线，改变工厂布局，整个工业生产才真正迎来效率上的飞跃。

今天的AI落地，其实和当年的电力革命很像。

很多公司现在对AI转型的理解，还停留在比较表面的层面，给员工开几个模型账号，搭几个智能体应用，组织几场培训，似乎就算完成了AI升级。但实际上原来的组织架构本来就不是为AI设计的，所以有了AI的加入后，整体并没有太大的效率提升。

还有一个非常残酷的事情，以前一件事可能需要三个部门接力完成，中间有大量的信息传递、沟通确认和重复劳动。现在AI可能一口气就能吞掉中间大半个流程，那么很多岗位似乎存在的意义就不大了，但你也不能因此就把一些员工的经验不当回事。

我之前就遇到过一个情况，曾经有个小老板装了龙虾后，立马开启裁员了，结果半个月时间不到，又高薪把原来的员工请了回来。

李彦宏提出了三个动作，打破岗位边界、沉淀隐性知识、设计流程闭环。就是在AI时代，不要把工作切得太碎，也别让部门之间的交接耗掉太多时间，那些原本只掌握在少数老员工脑子里的经验，要想办法留下来，变成组织可以反复调用的知识。然后让AI真正进入业务流程，从接单、处理到交付，尽可能把整个链条串起来。

我觉得这里面更需要关注的，是他对未来岗位的一种判断。

在李彦宏看来，岗位是工业时代的产物，任务才是智能时代的基本单元。未来的岗位不会完全消失，但会发生剧烈收敛，最终可能主要留下两类人，一类是Builder，负责创造新东西，另一类是Seller，负责与人打交道，建立信任。

我倒不觉得未来的写字楼里，真的会干净到只剩这两种人，但有一点是肯定的，过去那种依靠细分岗位、层层分工来维持运转的工作方式，正在受到挑战。

就拿营销来说。以前做一套像样的营销方案，背后可能要配一个小团队，文案、设计、策划、运营等各有各的分工，一个环节接着一个环节往下走。现在，只需要一个懂业务、有点审美、知道自己想要什么的人，再加上几个顺手的AI工具，可能就能把过去一个小团队才能完成的事情做下来。这对小团队和创业者来说，诱惑实在太大了。

以前创业，业务还没真正跑起来，光是养团队和承担各种固定成本，就足以让很多人喘不过气。现在不一样了，一个人加上几个AI工具，可能就能干出过去一个小团队才能完成的活儿。

某种意义上，AI正在拆掉一些工作门槛。过去只有大公司才养得起的团队，才承担得起的专业分工，才有能力完成的复杂工作，如今正在被AI一点点拆解，再分发到普通人手里。

这可能才是AI带来的一个真正值得关注的变化：它不只是让原来的人干活更快，而是让一个人的能力边界，第一次有机会被大幅度拓宽。

当然，机器可以帮人写方案做设计，搞数据分析，却不一定知道客户为什么在最后一刻改变主意想要最初那版方案，也不一定懂得一场谈判中那些没有写在合同里的东西。所以，真到了拍板做商业判断、死磕审美细节，或者坐下来喝酒谈客户、为结果承担责任的时候，人依然有自己的位置。

不过，比起岗位缩编，我个人觉得“经验沉淀”这件事更值得重视。

一家公司的真正家底，往往不在那些固定资产上，而是在一个个具体的人身上。一个干了七八年的销售，知道哪个客户吃软不吃硬，一个在生产线上待了十几年的老师傅，听设备响几声，就知道问题大概出在哪里，一个做了多年内容的人，看一眼标题，就能判断它有没有可能成为爆款。

有些些东西很难写进制度，也很难通过几场培训就传授给新人。它们藏在一次次失败里，藏在那些外人看来微不足道的细节里，甚至藏在一个人多年养成的直觉里，这就是经验。

但人是会走的，时间也是会过去的。

一个核心骨干离职，带走的可能不只是一个工位，还有他过去几年积累下来的经验、判断和那些没有留下记录的教训。新来的人坐在同一张办公桌前，面对同一套系统，却可能要把前任走过的弯路重新走一遍。这大概是很多企业都经历过，却很少认真计算过的一笔账。

百度自己也在尝试解决这个问题。

李彦宏现场晒了一组内部账本，过去一年，百度内部日活智能体从每天5000个飙升到了3.7万个，每周能完成超过100万件实事，他们建了4300个Workspace，沉淀出了2万多个组织Skill。

这些数字不能直接等价于利润率，但可以看出百度正在尝试把原本散落在员工个人身上的经验，变成组织可以反复调用的能力。

这件事，仔细想想，挺有意思。

过去，一家公司想留住一个人，往往要靠待遇、职位和各种激励。现在，企业还需要想办法留住这个人身上那些经过时间打磨出来的经验。

模型和算力，只要肯花钱，很多企业都可以买到。可一家企业十几年积累下来的业务手感、客户关系和组织经验，却不是买几张显卡，接入一个大模型就能复制的。

如果AI真的能把这些东西沉淀下来，那么它带来的价值，可能远比多写几篇文案、多做几张图片要大得多。

顺着这条线再看百度当天发布的一堆新品，就能深刻认识到李彦宏的前瞻性。

文心5.5 Flash Preview、词元所、百度搭子、库库、百度一镜、伐谋3.0，再加上天池1024卡超节点和昆仑芯，看着眼花缭乱，其实都在做一件事，把AI从一个会聊天的工具，变成一个真正能够干活的系统。

比如百度一镜新推出的短漫剧Studio，从写剧本、画分镜到生成成片，可以一条龙完成，还能一键做海外本土化适配，把生成成本直接打到了每秒0.2元。百度搭子则更像一个调度中枢，把底下各种专业智能体串联起来，让它们协同完成任务。

背后有一个很明显的变化，过去我们跟AI说“帮我写一条文案”，现在企业希望它做的是“帮我把这个工作搞定。”两句话听起来差不多，实际上一个是回答问题，一个是对结果负责。前者只需要模型吐出几段漂亮话，后者却要盯着数据、改素材、选渠道、看反馈，甚至根据执行结果不断调整策略。

这也是为什么李彦宏把“设计流程闭环”单独拎出来，给出了“可衡量 + Looping = 持续进化”的公式。

只要标准足够清晰，AI就可以在后台不断执行、检查、试错和优化。过去需要专门拉一个项目组，折腾几个月才能完成的复盘工作，未来有可能变成一个持续运行的自动循环。

当然，这里面还有很多现实问题要解决。毕竟，AI可以按照既定目标不断优化，但如果一开始目标就错了，跑得越快，可能离正确答案越远。

至于产业端，百度依然在铺大网。用“词元所”给混乱的模型中转市场做验真和征信，用昆仑芯和超节点兜底算力。而在物理世界里，萝卜快跑已经跑通了3.5亿公里，甚至跟神州租车搞起了无人车自驾游。

李彦宏还顺带给当下火热的具身智能降了降温，说它大概相当于2016年的无人驾驶，话糙理不糙。技术的发展从来不是一条笔直向上的曲线。实验室里的惊艳演示，和真正走进工厂、走进家庭，往往还隔着很长一段路。热闹归热闹，产业最终还是要回到成本、效率和真实需求上来。

走出国家会议中心的时候，北京的天色开始暗了下来。

会场里的灯光依然明亮，关于算力和智能体的讨论还在继续。只是走到室外，风一吹，那些热闹的技术名词似乎又离现实远了一些。

我忽然觉得，这场大会最值得琢磨的，或许根本不是百度又发布了多少个新模型，而是李彦宏把一个很多企业不愿意正面回答的问题丢到了大家面前。

当AI已经能扛起很多业务流程时，大家手底下那套沿用了十几年、甚至几十年的管理架构，是不是要做一些变化了。

大公司船大难掉头。部门墙和管理层级之间的各种盘根错节，不是买几个大模型账号就能自动瓦解的。小公司虽然船小好调头，却又常常缺数据和家底，想转型也未必有足够的底气。

重新复盘AI兴起至今的各种表现，我发现，AI时代真正有意思的地方，可能并不是机器又学会了什么新本领，而是它开始让人重新审视自己过去习以为常的一切。

那些曾经被认为天经地义的岗位分工，那些层层传递的信息，那些靠个人经验维持的工作方式，突然之间都有了重新计算的必要。

新电机已经送到了每家企业的厂房门口。只是，电机再好，也不会自己拆掉旧机器，更不会替人重新设计厂房。

真正的变化，最终还是要由人来完成。而这一次最难被改变的，可能不是机器，而是人。