“为什么Token花费越来越多,但收入和利润不见涨?”这是不少企业一把手面对AI时的共同疑问,也是百度创始人李彦宏在“百度世界2026”上谈到的一个行业共性问题。他的判断是: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。
百度的2026年第三季度财报为这一判断提供了观察窗口:AI业务收入132亿元,占百度一般性业务收入53%,已连续三季占比过半。同期,AI云基础设施收入同比增长94%,较上一季度50%的同比增速明显加快。这意味着AI已从投入项变成决定报表成色的业务,百度建设“智能组织”成效初显。
内部跑通的能力,也正在变成赋能企业朝着智能组织进化的服务:词元所通过验真、征信把模型调用的筛选与验证集中到一个入口,百度搭子、百度伐谋等把智能体配置和生产系统优化交给客户……收入结构、组织方式、对外产品指向一处,百度的AI故事正从“能不能卖出去”走到“怎样被用起来”。
变化先发生在组织内部
财报首先呈现的是收入结构的变化。三季度,AI云基础设施成为百度一般性业务收入扩张的主要驱动力,AI业务收入占百度一般性业务收入的53%,进一步巩固了AI在公司业务中的核心地位。
过去几年,市场习惯把AI业务看作投入项;现在它撑起收入的一半,讨论重点也从“投多少”变成“能留下什么”。
AI云的表现可以看几个坐标:百度智能云连续六年位居中国AI公有云市场份额第一;2026年前九个月,其以超过15亿元的中标金额排在行业首位;在央国企大模型、金融大模型、具身智能AI云等细分市场同样领先。虽然份额不完全等同于利润,但也说明在真实的采购清单里,百度的AI能力已被反复选中。
资本市场也在调整判断。高盛研报写道,百度云业务的经营效益正在改善,来源包括提高既有算力利用率而非单纯新增采购、经营杠杆与MaaS带来的更高价值业务组合,以及客户预付款和更长期合同等。瑞银测算,GPU云投资的现金回收期可能在3年左右。新街研究判断,百度AI云基础设施收入增速将继续超过行业整体增长。这条曲线不只是变长,也在变厚。
财报显示,三季度百度AI云基础设施收入82亿元,同比增长94%,其中GPU云收入在上年同期较高基数下仍同比增长191%,环比增长43%;百度千帆MaaS平台外部客户的Token调用收入同比增长1159%。
回顾2016年到2026年,李彦宏说,这十年正是人工智能技术形成独立技术栈的十年。“如果AI技术的上游是能源的话,AI技术的下游是什么?我认为是组织能力,是一个不同于现在通行的科层制的AI原生组织体系,我们把它叫做智能组织。”
百度给出的进度条是一组内部数据。过去一年,百度内部的日活智能体数(DAA)从日均0.5万增长到3.7万,涨了6倍多;智能体每周完成的有效任务从8.4万个增长到超过100万个,涨了11倍;同时建成4300个Workspace,沉淀的组织Skill超过2万个。
DAA衡量有多少智能体在真正承担工作,有效任务数衡量产出规模,Workspace和Skill则衡量经验有没有留下来。
第三项最容易被忽略,却最接近“组织”的本意:一个员工和AI磨出来的做法,如果只留在自己的对话记录里,下一个人还得从头再来;写成Skill、放进Workspace,下一次任务才能直接调用。李彦宏的说法是,让一个人的经验变成整个组织的能力。
具体业务里的变化,比总量数字更能说明问题。例如,百度数字人创新业务部做了一场AI Native的组织重构,打破产品、研发、设计、测试的边界,推动全员向Builder转型。基于自研的BiuBiuAgent,团队已有6个以上需求由单人完成全流程交付。仅三季度,数字人业务产研完成564次迭代,沉淀130个Skills和729篇组织资产,人均吞吐提升125.3%,交付周期缩短28.8%。一名校招新人借助AI,一天完成了原本需要5个角色、至少10天的工作。
财务内审团队做的是另一件事:把Looping装进审计流程。审计计划、风险排查、问题核查这些过去依赖专家经验的环节,逐步交给AI参考业务资料与历史案例,先判断该查什么、怎么查,再由人工审核和专家反馈修正,规则与标准在每一轮审计后沉淀。目前,百度内部审计流程的AI自动执审率达到40%。审计是典型的经验密集型工作,规则写不进系统,就只能靠人带人;规则写进系统之后,判断标准才开始具备复用的可能。
研发环节的变化,发生在模型自己身上。11月9日,百度文心首次披露RSI进展,公布参与文心5.5 Flash研发的自动研究系统ERNIE Evolve,能够围绕目标与约束自主提出研究方向、开展实验、验证结果并积累经验。目前,ERNIE Evolve已应用于即将发布的文心5.5 Flash推理优化,包括昆仑芯P800低时延场景的性能优化、确定性推理吞吐优化和解码速度优化。
经验能不能被复用,还有一个更小的样本。据百度披露,内部一个十来人的小团队做出AI助手dodo,上线7个月覆盖99%的正式员工,并推动300多个企业平台完成AI友好化改造,该团队今年摘得百度最高奖、获得百万美金奖励,dodo也成为百度智能组织实践的典型案例之一。
把这些案例放在一起,可以看出AI进入组织的方式大致有三种:进入协作,进入专业判断,进入研发流程。但它们成立的前提是流程被拆开、经验被写下、结果可衡量。这或许也解释了为什么只看Token消耗或者智能体数量,很难判断一家企业是否真的完成了组织升级。
这表明,AI先进入的是任务,不是岗位;先改变的是经验的留存方式,不是汇报关系。岗位仍然存在,但边界在变薄。李彦宏判断,未来岗位会收敛为两类:负责创造新东西的Builder,以及负责人与人之间沟通和连接的Seller。
从内部试验场到企业市场
内部实验解决的是百度自己的问题,能力如果要变成生意,还得回答企业客户的疑问:当模型被接入一条长期运行的流程,买到的究竟是什么。
例如,一家要部署AI客服的企业,可能同时需要接入负责理解用户意图、负责复杂推理、负责低成本高频问答的几种模型,逐个测试、比价、验证、盯服务,本身就成了一笔不小的管理成本。买到的究竟是哪个版本、实际表现怎样、供应商能否稳定交付,这三问不解决,模型服务就很难被纳入日常采购与管理。
现实是,模型供给正在快速膨胀。李彦宏在百度世界2026上提到,今年前9个月,几乎每天都有新模型的发布,甚至有时候一天能发出多个模型。与此同时,对模型的调用需求也迎来大爆发,由此催生的一批词元中转站,“并不对模型的效果、服务的稳定性、响应速度等负责,甚至连模型的真实性都无从考证”。
词元所试图把这些问题收进一个平台解决。词元所重点做两件事:一是“验真”,核验入驻模型提供商的资质,对资源做准入测试,防范模型偷换、参数虚标;二是“征信”,定期抽检上架模型的服务质量,全链路监测用户的实际调用指标,并沉淀为公开可查的信用档案。企业选择模型时,除了价格,还能看到版本、时延和稳定性的记录。
试运行一个月,词元所入驻的供应资源超过100个,日均调用次数突破5000万,日均调用Token超过7000亿。平台已上架40余款模型,覆盖DeepSeek、Kimi、智谱GLM、MiniMax等主流模型及视频模型,也包括百度自研的文心系列,入驻方既有模型原厂,也有第三方推理服务商。11月14日,百度披露,词元所发布首日,新增申请入驻的供应商超过100家,新增接入客户超过1000家。
这个平台切中的是算力配置里的一处结构性矛盾。工信部信息通信经济专家委员会委员盘和林表示,“我国算力的核心矛盾是结构性错配,通用算力阶段性过剩、高端智能算力持续紧张,一批中小算力中心有资源却接不上客户。词元所让具备模型服务能力的供给方进入公开市场,等于为存量算力增加了一个可被检索、可被比价的变现出口,提升的是算力的可售性与配置效率,这一通道对优化全国算力资源配置的价值会进一步显现。”
对三方来说,收益各不相同。客户得到的是一个统一入口,接入、测试和验证的成本下降,切换供应商也更灵活;供应商的服务质量被记录、可加权,优质供给能拿到更好的回报;对产业来说,竞争焦点从单纯的价格,转向服务与质量。
而这已是全球性的题目。据麦肯锡、BCG、微软等机构公开披露的研究与动作,麦肯锡提出“智能体组织”;BCG主张“为AI重新设计公司,而不是让AI适应公司”;微软提出“前沿企业”,投入25亿美元组建FDE团队嵌入客户。虽然方法各异,但共识很清楚:只买工具、不改流程,回报不会自己出现。
即便各家切的角度不同,也都把问题从“模型够不够强”挪到了“能力进了组织之后怎么落地”。百度把词元所放在这个位置上,逻辑是通的:先让企业能放心地买到、管住模型调用,再谈把模型接进流程。
词元所是百度“智能组织”向外延伸的一环,却不是唯一一环。把三季度的收入表现、内部工作方式的变化,以及面向企业的产品与服务放在一起,“建设智能组织成效初显”才有了完整的轮廓。
产品这一侧,第三季度AI应用收入26亿元,内部跑过的能力正被封装成企业可以采购的服务。例如,百度搭子开发平台通过Agent API开放智能体配置、工具和技能配置、智能体运行三类能力,支持公有云、VPC和私有化部署。库库企业版上线三个月覆盖超过60万个组织,日均任务量增长至上线初期的9倍,月访问量增长至14倍。百度伐谋3.0以“Agent平台+FDE服务”直接为实际生产系统中最终业务结果的持续优化负责,产业客户已覆盖中国41个工业大类中的25个,覆盖度超60%。
这些案例背后的商业逻辑是一致的:客户买的不是模型,而是被组织过的能力。模型谁都能调用,能不能把模型嵌进采购、审核、排程、巡店这些具体流程,才是差异所在。反过来也说得通,如果经验不能在百度自己的流程里沉淀,也很难让客户相信它可以被复制到别处。
结语
从2016年“AI is the New Electricity”,到2026年“智能组织是AI时代的新厂房”,李彦宏的表述换了几次,指向没有变:技术得先在企业里跑起来,才可能变成收入。
电力进入工厂时也走过相似的路。经济学家保罗·戴维研究电气化时指出,早期工厂曾把电动机嵌入原有的生产布局,直到后来电机分散驱动设备,厂房布局和工序才有条件重新安排,电力的生产率潜力也逐步释放。AI现在所处的,正是“重新安排厂房”这一步。
对百度来说,这一步或许有三重含义:收入结构先动了,AI成为通用业务收入的半数左右;内部的工作方式在动,经验从个人流向平台;对外的产品在动,能力被打包成可采购、可验证的服务。三者放在一起,“成效初显”就站得住了。
风险提示:本文内容基于公开信息整理,不构成任何投资建议。

