AI 时代，公司的「新厂房」长什么样？

十年前的百度世界 2016 大会上，李彦宏曾站在台上提出「AI is the New Electricity」（人工智能是新电能），提前预判了人工智能浪潮。 那时，很少有人能想到，走进写字楼，程序员用 Agent 写代码，运营用 AI 跑报表，连行政都在用大模型搭报销流程。 不过，索洛悖论也再次产生。你去问企业管理者，十有八九会叹气。据统计 2025 年全球企业在 AI 上砸下超过 2500 亿美元，真正跑出业务变革的公司只有 25%。 每个人手里的活都变快了，Token 烧得更狠了，却没有创造更大的效益。为什么个人效率拉满，企业整体却没有跑出生产力变革？问题究竟出在模型能力还不够强，还是企业仍然在用旧的组织方式，硬塞进一项新技术？ 面对这个全球性的问题，APPSO 在今年的百度世界大会上，听到了李彦宏给出新的答案，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。 时隔十年，李彦宏再次作出预判： AI 的下一幕，是智能组织 。 「新生产力，只能从 AI 流水线里长出来，从智能组织里长出来。所以，换一台 AI 新电机，只是起点；重新设计新厂房，才是分水岭。而这座新厂房，就是智能组织！」 过去，我们习惯用员工数量、人才密度、资本投入来衡量一家公司的实力。但在 AI 时代，能调动多少智能，沉淀多少知识，又能让多少复杂任务高效运转，成为组织生产力提升的必答题。 这场变化，正在动摇公司沿用了上百年的组织逻辑。 从一棵树到两块披萨 1855 年，美国纽约与伊利铁路公司画了一张特殊的图。 这是一棵枝叶繁茂的大树。树上的不同分支，分别对应公司的管理层、职能部门与人员分工。 这张被广泛认为是现代企业最早的组织结构图之一的图表，试图解决当时一个棘手的问题，「公司越来越大，到底该怎么管」？ 工业革命让铁路、工厂和大型企业迅速扩张。几千上万人聚集在同一个生产体系中，必须有人负责决策，有人执行，有人监督。 后来，马克斯·韦伯系统阐述的科层制理论，把这套逻辑变得更加清晰：专业分工、明确权责、层级管理。 到了互联网时代，亚马逊创始人贝佐斯提出了一个有趣的管理原则，一个团队应该小到两块披萨就能让所有成员吃饱。 「两块披萨团队」背后的想法，是让小团队拥有更大的自主权，减少层级与沟通成本，更快地完成任务。 从工业时代的分工管理，到互联网时代的扁平协作，公司的组织方式一直在变化。但有一件事始终没变， 无论组织架构怎么调整，完成复杂工作的主体，仍然是人。 AI 开始打破这个前提。 今年 5 月，李彦宏在 Create 大会上提出「超级个体」的构想：过去一个公司的最小生产力单元是团队，如今，一个人加上一支智能体编队，就可能成为新的生产力单元。 工业时代解决如何组织更多人，互联网时代解决如何让人协作得更快。 到了 AI 时代，问题变成了，「 如果智能也可以像人力一样被组织、调度和协作，公司是不是该重新设计了」。 「新电机」不能再配「旧厂房」 今年 3 月，Block CEO Jack Dorsey 和红杉资本合伙人 Roelof Botha 合写了一篇长文《从层级制走向智能化》（From Hierarchy to Intelligence）。 Dorsey 认为，从古罗马军团「8 人小队、80 人百人队、5000 人军团」的嵌套指挥链，到 1806 年普鲁士军队在耶拿战役惨败后创建的「总参谋部」，现代企业里「中层管理」的底子早就打好了。 两千年来的层级制，本质上是一套建立在 人类局限之上的「信息路由协议」 。 可人脑带宽有限，一个主管能有效管理的人数只有 3 到 8 人。想缩小管理幅度就得增加指挥层级，而层级越多，信息流动就越慢。 过去几十年，Spotify 试过敏捷小队，Zappos 试过彻底取消管理头衔的合弄制，可只要公司规模越过几百人的门槛，最终全都会退回层级制。 Dorsey 希望建立一个持续更新的「世界模型」，理解公司内部的工作状态、资源配置和客户需求，再由智能系统帮助协调任务。 他甚至提出，要把公司变成一个类似「mini-AGI」的智能系统。 Dorsey 抛出的问题，确实击中了当下企业 AI 转型的一处痛点， AI 已经越来越聪明，公司却不一定变得更聪明。 李彦宏即将在百度世界大会提出的「新电机、新厂房」，正是对这一矛盾的回应。 如果只给旧厂房换上一台更强的电机，却不重新设计生产流程，新技术的威力就很难完全释放。 企业如何自己长成智能组织，今天李彦宏也提出了三个原则，其实就能当作一套完整的组织进化路径： 打破岗位边界，释放组织活力； 沉淀隐性知识，构建组织智能； 设计流程闭环，推动组织进化。 传统组织是「固态」的，按部门和职位切分工作，而智能组织则是「液态」的，未来的公司就像一张围绕目标动态聚散的任务网络， 从「以岗位为中心」，转向「以任务为中心」。 可个人变得更能干，不代表公司就能跟着受益。 企业里最宝贵的往往是那些没写进文档的「隐性知识」：资深销售为什么放弃某个看似优质的商机，老工程师为什么先排查某个故障点。 员工积累的经验，如果只能由自己使用，换个人接手，很多事情还是得从头摸索。 在李彦宏看来， 真正的组织智能，必须让隐性知识显性化，通过 Skill、Workspace 等方式沉淀到公司平台上，持续累积、随时调用、人人可用。 这意味着组织里的信息和能力，开始摆脱原有的部门边界。 从让一个人变得更能干，到让整个公司拥有更多可复用的知识，AI 才开始从个人工具走向组织资产。 不过，知识能够沉淀，还只是开始。 如果一家企业每次都能调用过去的经验，却无法根据新的业务结果调整工作方式，那么它仍然只是一套更先进的自动化系统。 真正的智能组织，还需要具备不断学习和自我改进的能力。 李彦宏将这种机制概括为一个公式： 「可衡量 + Looping = 持续进化」。 简单来说，AI 不仅要把任务做完，还要有明确的业务标尺来检验结果，让每次执行产生的经验、偏差和反馈回流进下一轮循环（Loop）。 在李彦宏的设想中，未来人和 AI 围绕一个任务形成一个 Loop，公司就变成一个由无数 Loops 组成的、高度自动化运营的组织，组织，就变成一个不断学习和进化的系统。 这场实验先在百度内部跑通了。 百度数字人创新业务部推动全员向 Builder 转型，打破产品、研发、设计、测试等岗位边界，让员工借助 AI 承担更加完整的工作流程。 今年第三季度，团队完成了 564 次产研迭代，沉淀 130 个 Skills 和 729 篇组织资产，产研人均吞吐提升 125.3%，交付周期缩短 28.8%。 其中，一名校招新人借助 AI，仅用一天便完成了过去需要五个角色、至少十天才能交付的一项需求。 比起这个颇具冲击力的效率数字，更值得注意的是，团队并没有让这些经验随着任务结束而消失。 智能组织不是往公司里塞进越多 Agent 越好，工作过程中积累的 Skills、规则和方法，可以继续被其他成员调用，成为下一次任务的起点。 今年百度世界大会上，百度数字人希加加还取代真人主播采访李彦宏。希加加向李彦宏抛出了一个非常犀利的问题： 既然我都能做采访了，那我这样的数字人能当 CEO 吗？ 这听起来像是一句玩笑，却提出了一个值得思考的问