李彦宏 11 月 12 日在百度世界 2026 上提出,人工智能的下一幕是智能组织。他讲的是组织形态,我想追问的是这套组织里那本账:十年后稀缺的是证明做对了、出错有人担责。“把东西做出来” 这一步已经不难。
本文先整理他的发言和百度的数据,再写我的预测、证据和局限,最后写对普通人的意义。事实转述自公开报道,判断由我标明;百度内部指标由百度自述,我没有独立核实。
他这次说了什么
他把过去十年定义为 AI 形成独立技术栈的十年,“芯云模体” 四层架构就是在这十年逐步形成的。在他的框架里,AI 技术的上游是能源,下游是组织能力:一个不同于现行科层制的 AI 原生组织体系,他称之为智能组织。
他的比喻是:AI 是新电能,智能组织是 AI 时代的新厂房。很多企业 Token 花费越来越多,收入利润却没有跟着涨,原因是只换了电机,没有重新设计工厂。
他提出了组织进化的三条原则:
-
打破岗位边界,从以岗位为中心转向以任务为中心。
-
沉淀隐性知识:把留在员工脑中的协作、决策、服务经验显性化,沉淀到平台,供员工和智能体复用。
-
设计流程闭环:为任务设定可衡量的标准,再按结果持续调整。他的概括是 “可衡量加 Looping 等于持续进化”。
关于岗位,他认为不会消失,但会收敛为两类:Builder 负责创造新东西,Seller 负责人与人之间的沟通和连接,建立信任。
百度给出的内部数据是,一年内每天活跃的智能体数(DAA)从日均 0.5 万增长到 3.7 万;智能体完成的有效任务从每周平均 8.4 万个增长到一周超过 100 万个;已建设 4300 个 Workspace,沉淀的组织 Skill 超过 2 万个。
十年前的预判与十年后的账本
2016 年,“下一幕” 这个说法是分几步升级的:
-
6 月,在百度联盟峰会上,他提出移动互联网之后的下一幕是人工智能;
-
8 月 25 日,在亚布力夏季高峰会上,他以《互联网的下一幕》为题演讲;
-
9 月 1 日,百度世界大会首次全面展示 “百度大脑”,包含语音、图像、自然语言理解、用户画像四项能力,大会主题是 AI is the new electricity;
-
11 月 16 日,在乌镇,他的表述变成移动互联网时代已经结束,靠移动互联网的风口不会再出现独角兽。
2023 年 3 月 16 日,文心一言启动邀请测试。ChatGPT 是 2022 年 11 月推出的,百度晚了几个月,但它是国内头部科技公司里第一个落地这类产品的。
再看 2025 年的账本:
-
全年营收 1291 亿元,同比下降 3%;归母净利润 56 亿元,同比下降 76%。报道指出,净利润的大幅下滑主要来自第三季度一笔约 162 亿元的长期资产减值。
-
AI 新业务全年收入 400 亿元,同比增长约 48%;第四季度为 113 亿元,占总营收的 43%。
-
在线营销收入自 2024 年第二季度起连续六个季度下滑,2025 年第三季度为 153 亿元,同比减少 18%。从 2025 年四季报起,百度不再单独披露这项收入。
传统业务下滑的原因,各家报道说法不一:有的提到宏观环境和短视频平台的冲击,也有的把 AI 直接回答对搜索广告的影响列为因素。本文不对各因素的权重下结论。
方向和回报是两件事。AI 业务在增长、传统业务在收缩,说明方向的判断没有落空;但文心一言晚了几个月,营销收入连续下滑,说明看对方向和在当期拿到回报之间,隔着很长的距离。换电机和盖厂房,是两笔不同的账。
我的预测:稀缺的是验证和问责
未来十年,AI 领域最稀缺的会是两件事,一是证明结果做对了的能力,二是出错时有人承担责任的机制。
1. 生成越来越便宜。 a16z 2024 年 11 月的分析认为,同等性能的模型,成本大约每年降到十分之一。Epoch AI 的数据(经一篇 arXiv 论文转引)显示,控制基准性能后,每年降幅在 10 到 1000 倍之间,取决于性能档次。但一篇行业分析指出,单个任务的账单降得慢得多,因为推理模型每个任务消耗的 token 更多。
2. 价值和风险控制是智能体项目的卡点。 Gartner 在 2025 年 6 月预测,到 2027 年底,超过 40% 的智能体项目会被取消,原因是成本攀升、业务价值不清、风险控制不足。同一份预测还认为,到 2028 年至少 15% 的日常业务决策将由智能体自主做出。交出去的决定越多,对验证和问责的需求越大。
3. 责任落在部署方。 2024 年 2 月 14 日,加拿大卑诗省民事纠纷仲裁庭裁定,加拿大航空要为其网站聊天机器人给出的错误信息负责,并驳回了 “机器人是独立法律实体” 的说法,赔偿和费用共约 812 加元。
证据的局限
-
Gartner 的数字是预测,不是已发生的结果。它说的 “价值不清”,我解读为 “价值难以验证”,这一步是我的推理。
-
加拿大的案例是仲裁庭裁决,不是法院判决,金额也很小。有报道称各国法院、保险公司和监管机构在往同一方向走,但我只看到汇总性报道,没有逐一核实。
-
三条证据都没有直接证明 “验证和问责会成为最稀缺的资源”。
什么会推翻它
如果模型可靠性提升得足够快,让验证成本随生成成本一起下降,“验证稀缺” 就不成立。我目前没有证据判断哪种情况更可能。
对普通人意味着什么
没有人能保证不被淘汰,但目前的数据显示,冲击并不均匀:主要落在入门级岗位和以 AI 替代为主的工作上。
斯坦福数字经济实验室的研究(2026 年 8 月更新版,数据到 2026 年 6 月)有四条发现:
-
没有发现全经济范围的大规模岗位流失。
-
22 到 25 岁的工作者,在最易受 AI 影响的职业里,就业比相对不受影响的同龄人低 19%,主要是招聘减少造成的,而不是裁员增加。
-
下降集中在 AI 主要替代人类任务的职业;AI 主要辅助人的职业,就业持平或上升,有经验的员工尤其如此。
-
依赖默会知识的职业,中高年资员工的就业增长更强。
研究者自己说明,这些是早期的描述性迹象,不是因果估计。
下面的做法来自我的预测加上这份数据,是我的推断,没有被验证过。我是一个普通人,我会这样做。
-
把自己的工作结果写成可检查的标准。 比如一份报价单要核对哪几项、允许多大误差。能定义 “好” 的人,才能判断 AI 做得对不对。
-
练习审核 AI 的产出,而不只是练习让它生成。 我会记录它的出错率、耗时和成本,这些记录本身就是能力的证据。
-
在一个具体领域积累说不清、写不下来的判断。
-
争取成为在结果上署名的人。 责任最终落在部署方,企业需要能对结果签字的人。
-
刚入行的话,用带指标的小项目代替被带教的机会。 入门岗位的招聘在减少,我会把项目的目标、标准和结果写出来,作为自己的证据。