“为什么我的 Token 花费越来越多，但是收入和利润不见涨？”百度创始人李彦宏在 2026 百度世界大会上抛出了一个不少企业正在面对的问题。
他观察到，一些年初还在强调 Tokenmaxing 的企业，如今也开始掉头控制预算。AI 工具用得越来越多，Token 消耗持续增长，业务收益却没有同步提升，问题究竟出在哪里？李彦宏将这一现象类比为工业时代的电气化：早期工厂只是更换了电机，却没有重新设计生产线，因此电气化并没有立即带来预期的生产力提升。
“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了。”李彦宏认为，企业需要围绕 AI 重新设计组织和业务流程，让智能体真正进入销售、客服、研发、运营等环节。
“新生产力只能从 AI 的流水线里头长出来，从智能组织里头长出来。”这是李彦宏今年提出的核心判断。他将 2026 百度世界大会的主题定为“下一幕：智能组织”，并认为 AI 带来的变化将逐渐从技术和工具层面延伸到企业的分工、协作和价值创造方式。
回顾 2016 年，李彦宏曾在百度世界大会上提出“AI is the new electricity”（人工智能是新的电能）。过去十年，人工智能逐步形成了以芯片、云基础设施、模型和智能体为核心的独立技术栈。李彦宏认为，如果能源是 AI 产业的上游，那么组织能力就是其下游。未来企业需要建立适应 AI 能力的组织体系，让人和智能体共同完成工作。
过去一年，百度也在内部推进这一转型。李彦宏公布的数据显示，百度内部每日活跃智能体数量（Daily Active Agents，DAA）已经从约 5000 个增长到 3.7 万个，增长约 6 倍；每周有效工作任务数从 8.4 万个增加到超过 100 万个，增长超过 11 倍。在知识沉淀方面，百度已经建设超过 4300 个 Workspace，并沉淀了超过 2 万个公司级组织 Skill（技能），不包括部门内部的 Skill。
李彦宏表示，沉淀这些知识和技能，是为了让组织中的经验能够被更多人复用，也能够被智能体调用，“让一个人的经验成为整个组织的组织能力”。
组织进化“三原则”，任务才是智能时代的单元
基于百度内部实践，李彦宏将 AI 时代的组织进化归纳为三个原则：打破岗位边界、沉淀隐性知识、设计流程闭环。
首先是打破岗位边界，让组织从以岗位为中心转向以任务为中心。
“岗位是工业时代的单元，任务则是智能时代的单元。”李彦宏认为，传统企业强调人岗匹配，一个岗位对应一组相对固定的职责。AI 时代，一个人的能力可以得到极大扩展，同时承担多个角色、参与不同任务，个人的认知、经验和判断力也能够在多个业务场景中复用。
他判断，未来岗位大致会收敛为两类：一类是 Builder，负责创造新的东西；另一类是 Seller，负责人与人之间的沟通和连接，让对方产生情感、建立信任。岗位本身不会消失，但岗位之间的界限会逐渐模糊，组织则会转变为由人和 Agent 共同组成的任务网络。
第二个原则是沉淀隐性知识，构建组织智能。
企业内部存在大量难以通过正式文档表达的经验，例如部门之间如何协作、如何做出业务决策、如何与客户谈成合作。这些知识如果只存在员工个人的经验中，就很难被其他人和智能体复用。
李彦宏认为，企业需要将这些隐性知识显性化，沉淀到组织平台，让员工和 Agent 都能够持续调用。他强调：“组织智能才是企业最深的护城河。”这种能力来自企业长期积累的经验和做事方式，“别人抄不走、挖不动、买不来”。
第三个原则是设计流程闭环，让组织持续进化。
李彦宏提出了一个公式：“可衡量+Looping=持续进化。”面对复杂任务，企业需要先设计执行流程，建立客观的衡量标准，再让 AI 根据每一轮执行结果不断调整。每完成一轮任务，就进行评估，根据结果优化方案，再进入下一轮执行。
李彦宏认为，当人和 AI 围绕一个任务形成持续循环，企业就会逐渐变成由大量 Loop 组成的高度自动化组织，业务响应和创新速度也有机会随之提升。
百度内部经历过模型训练和 Agent 开发的弯路
智能组织的建设并非一蹴而就。李彦宏也分享了百度过去一年在 AI 组织转型中遇到的两个问题。
第一个问题是业务部门各自训练模型。
大模型刚出现时，百度内部不少工程师都希望尝试训练模型，使用开源模型进行监督微调（SFT）。这些模型在初期的业务应用中表现不错，但随着基础模型持续升级，原有微调成果很快就落后了。
李彦宏回忆：“基础模型一升级，它那个东西就又落后了。”此后，百度调整了管理方式，要求模型训练由专门的模型部门负责，业务部门不再各自开展模型训练，以减少重复投入和资源分散。
第二个问题是 Agent 开发方向过于分散。
随着各种智能体应用迅速兴起，哪个方向热门，各个业务部门就跟着开发相应的 Agent。李彦宏形容，当时各部门“什么智能体火，他就要去做一个什么智能体”。结果是资源被分散到大量项目中，每个方向获得的投入有限，成功率也受到影响。
百度随后开始按月复盘，要求各业务团队减少同时推进的方向，将资源集中到更少的项目上。李彦宏总结，企业需要“做更少的事情”，才能提高资源使用效率和项目成功率。
这两个经历也反映出 AI 组织转型中的实际难题：员工使用 AI 的积极性很高，但企业仍然需要统筹模型训练、技术资源和业务方向。
杨元庆：AI 转型需要自上而下规划，也要自下而上探索
在大会现场，李彦宏还邀请联想集团董事长兼 CEO 杨元庆分享企业 AI 转型经验。
两人谈到，AI 目前还替代不了企业负责人出差见客户。李彦宏开玩笑说：“AI 还是替代不了 CEO 出差。”杨元庆也认同，客户沟通和人与人之间的情感连接仍然非常重要。
杨元庆表示，2024 年开始是联想的第五个十年，也是联想围绕 AI 展开的第五次创业。目前，联想的智能终端、智能基础设施，以及智能解决方案和服务三大业务，都在围绕 AI 进行调整。
在终端方面，PC 和手机既是 AI 数据和应用场景的重要入口，也具备端侧计算能力。杨元庆认为，随着个人 AI 的发展，PC 的重要性正在提升。未来一个人可能拥有多种设备，联想希望整合不同设备上的数据和使用体验，形成短期与长期记忆，让个人超级智能体能够更好地理解用户。
他还提到，未来个人终端不仅由人使用，智能体也会使用。如何让用户在不同设备上获得统一的 AI 体验，并让个人数据和记忆能够跨设备衔接，是联想正在探索的方向。
在基础设施方面，联想正在从传统企业 IT 基础设施、云基础设施向 AI 基础设施延伸，并为 AI 推理和边缘算力进行投入。面向企业客户，联想则提供端、边、云结合的算力平台，以及模型、Token 和数据平台，帮助企业开发不同领域的智能体。
AI 也已经进入联想内部的多个岗位。研发人员使用 AI 辅助编程，销售人员借助 AI 寻找和识别客户，市场团队利用 AI 进行创意生产，服务团队通过智能体改善客户服务，HR 使用 AI 从大量候选人中匹配合适人选，法务部门也开始利用 AI 检查合同。
杨元庆还重点谈到了 AI 在供应链中的应用。联想正在将 AI 用于需求预测、生产安排、质量检测、物流和运输等环节。以需求预测为例，过去企业更多依靠人工经验判断市场需求，现在可以结合市场数据、用户需求、供应情况和历史交易记录进行预测。杨元庆认为，AI 预测的准确性已经明显优于传统人工判断。
不过，预测只是供应链管理的起点。李彦宏追问了需求预测准确之后，人的作用是什么？对此，杨元庆认为，需求变化往往“牵一发而动全身”，采购、生产和供应都需要及时调整。AI 可以提供预测和方案，但最终仍需要人来判断和决策。
谈到企业如何推进组织变革，杨元庆提出，自上而下的整体规划与自下而上的实践探索需要结合。企业需要明确 AI 应用的范围和边界，同时鼓励员工在技术发展的早期积极尝试。
他近期与多家世界 500 强企业 CIO、CTO 交流后的感受是：不少企业负责人对 AI 发展初期的投入产出比有着相似看法，即对于一个革命性的技术，在它的初期就来谈投入产出比，那其实是不合适的。
在他看来，企业目前还不完全清楚 AI 生产力究竟会从哪些环节释放出来，如果过早要求每项投入都产生明确回报，可能限制员工探索新技术的积极性。
这也呼应了李彦宏提到的企业开始控制 Token 预算的现象。企业需要避免盲目扩大 Token 消耗和重复建设，也需要为新技术探索留出空间。如何在鼓励尝试和集中资源之间找到平衡，成为管理者需要面对的问题。
李彦宏也表示，百度在内部转型过程中逐渐认识到，员工使用 AI 的热情需要得到鼓励，但企业仍然需要统筹资源，明确哪些工作适合交给 AI，哪些环节需要人参与。
