# 百度世界2026：下一幕，智能组织（完整主论坛）

百度世界大会 · 2026-11-12 · 171 min · https://www.bilibili.com/video/BV1BgWd6jEAj

## 逐字稿

### 开场前产品演示与宣传片

短视频，甚至AI短剧，营销素材批量创作，生产效率提升10倍。从热点捕捉到选题规划，从排期发布到效果复盘，多渠道设媒运营不断档，7×24小时承接私域运营。识别高意向客户，实时达标，及时跟进，让每一条线索不掉地。线上线下一体营销，新云门店实时销量、库存与商品效期，3分钟生成本地化促销活动。30秒生成配套物料。一键上屏活动，直达门店，无缝接入现有设备，一端操作，多端同步。在使用中，HOG依托百度自研自迭代引擎，持续复盘优化，沉淀企业专属记忆，越用越懂你的生意。目前已有上万客户使用HOG，从新锐品牌到大型连锁，营销全环节平均提效70%以上。让专业触手可及。才当了几天警察长，刚开工你就迟到。爸，我都看着呢，您别急呀。客户刚刚追加了订单，他连车间都不来。你看你看，物料堆了这么多，2 号产线一个人怎么做得完？紧急订单启用多线路人员调度，请立即前往2号产线。哎，这就解决了。哎，叉车堵在这，一会材料怎么进场？我得去管管。哎，等等我。 A2区域即将有货品进场，请立即离开当前通道。厂长，我还没到哎，你们就清理掉了。您不知道啊，现在咱们厂有AI厂长帮忙管。啥AI厂长？不就是几个摄像头吗？爸，AI厂长是基于百度一键打造的视觉智能体。

他可不止管摄像头这么简单，给老厂长汇报一下今天的生产情况。已为您生成今日全局生产报告，您看有什么要求？您一句话描述，AI厂长立刻就能执行。咱厂的生产工序、运营规则他都懂。对了，他还能不断学习新技能，变得越来越好用。原来还可以这样当厂长呀！啊，哈哈哈哈！2号产线追加订单已完成，他怎么知道我想问什么？您老说我抓不住重点，现在呀您关注的每件事儿他都能记住，有您天天唠叨，他肯定会变成合格的好厂长，那我不用退休了。四年一次的世界杯，票没抢到，签证没办。那个啥叫越位？甚至越位都还没搞明白。别管，庆祝就行。你好朋友，看球没可口可乐怎么行？来，咱们边喝边聊。没关系，你手中的可口可乐就是你通往超级现场的入场券。范大哥，今年最大看点是什么？三国联合举办，第一次48支队伍，100多场比赛。球衣怎么搭才显高级？90年代那种经典设计，配上简约的牛仔裤。在这里，没有人是旁观者，范球迷的每一个好奇，AI范志毅都深入浅出，为你讲透。资深球迷的每一份热爱，他都能陪你酣畅到底，尽兴而归。从历史知识到最新赛况，AI范志毅就是你的世界杯全能百科。云观赛不过瘾？那就到最嗨的地方，从球场到街头，从美食到文化，选一座城市看世界杯，你推荐哪里？

墨西哥城内阿兹特克体育场，推荐一下美加墨的美食，墨西哥的Taco，加拿大的Poutine，配上一瓶可口可乐更带劲。每个看球的人都有专属AI范志毅，带你深度玩转美加墨。在这场超级狂欢里，我们不仅要让你见证传奇。更帮你触达传奇哦哟，鱼跃冲顶啊，现在想起来还热血沸腾。你是我见过最好的世界杯搭子，但您是从什么时候知道自己其实是AI的？开幕式的那天，我和N N N多人。当你打开瓶盖的那一刻，AI范志毅就已经准备好和你无所不聊。今年世界杯，百度营销与百度一句联合可口可乐。用全链路热爱回应每一位球迷的热爱。从AIGC电影级限定TVC，到行业首个品牌超写实明星数字人AI范志毅，上海口音原汁原味，足球热梗信手拈来，用低于2秒的响应，给球迷7×24小时的在线陪伴。把看球变成聊球，把观赛变成参与，把偶像变成球友，让每个人都能参与进世界杯，实现在场过足瘾。每一瓶可口可乐都是一次与世界干杯的机会。此刻举杯，为我们的非法世界杯！越忙越添乱，啥事儿？老郝你儿子要去见亲家，住手，啥海燕呐你省点心吧你呀。没档次，唉呀不合适，这能拿出去手吗？再说这怎么邮寄啊？你说到底买点啥呀？海燕哪你可省点心吧。第一次见女方家长送点什么？

你看，茶是一个不太会出错的选择。对方是个什么样的人？60岁老中医。连祝福语都想好了，还真挺好的。你就省点心吧，大儿子给小舅爸选了个茶。不是，这都几点了，你干嘛呢？我要给亲家母啊买个吹风机，我这选了一晚上都没选出来，唉呀你可省点心吧，吹风机我还没看清楚你就点了，就是行家选啥选行家选。在百度优选吹风机品类大赛中，该产品经过30位行业权威专家的筛选后，荣登冠军宝座。买两个我也要一个，喂妈你买礼物真挺好的，小柔她爸妈都特别喜欢。坏了，这咋整啊？百度优选买不就得了，不喜欢再退呗。现在你可真省心啊！中国的具身智能在本体和产业化上已有明显优势，算法思路上与国际先进水平也没有本质差距。从能力验证到生产力兑现，三维起源要做每个人的第一个个人机器人。具身智能的经典路径是先通过采集大量正确的人类示范数据，完成模仿学习。在此基础上，再去采集机器人失败的数据，学会如何纠错。通过预训练加后训练的方式来形成一个环路，让机器人不断的自主迭代。我们今年特别强调数据加任务量的一个二维Scaling More框架，关注如何实现模型与数据的协同效应，让旧任务的经验帮助机器人学习新的任务。要实现这一研发目标，我们需要强大的研发系统支撑能力。

百度百个AI计算平台在我们各类机器人的研发过程中提供了统一的模型训练、微调、推理、测试环境，并对所有的任务进行统一的管理，显著地提高了模型的开发效率。与互联网数据不同，具身数据很大一部分必须在真实世界中采集。我们与百度智能云正在合作，探索仿真数据的合成分布式训练以及数据自动标注管线。我们希望走出一条能够实现规模、质量和成本之间更优平衡的可规模化的数据建设路径。居身智能要在现实世界中规模化落地，硬件系统同样重要。Q宝，今天天气这么好，有什么建议？这好天气别浪费啊，去为明湖边转一圈，吹吹风。百度智能云全站AI能力为此提供了系统化的支持。今天我们拥有了第一个个人机器人，在未来，我们希望联合百度智能云以及更多产业伙伴，共同打造我们生活中的好搭子，推动具身智能泛化应用落地，帮助机器人在真实世界中持续稳定地创造价值。森林火灾的抢救黄金时间只有30分钟。在我们这种传统模式下，卫星飞过森林拍下的照片再传回地面，地面再去识别。等我们火情的发现，火势早就已经难以去控制。但如果我们的卫星在天上就能识别这个火情呢？通过天机智能的计算，卫星在过顶的几十分钟之内就能够拍摄、识别、决策，把坐标结果传回地面应急部门，就可以快速的响应。

那天算是什么呢？就是我们天上也有了一台能够帮我们算数的机器。让数据在产生的地方完成第一次理解，这就是我们天算的意义。所以我们需要数据中心，需要超算来去解决区域性或者全球化的问题。其实我们选择了一条更艰难的路，用我们国产的芯片来去做这种星载的智能计算机。我们从一开始就坚定了一定要走这种自主可控的道路。其实中科天算呢，源于科学院计算所。19年立的项，22年第一次发射，这1200多天里面做了很多的在轨的遥感处理工作，是AI人工智能计算机第一次上天，AI芯片第一次上天。大概在明年下半年，我们会配合着昆仑芯一起在轨实验，把我们高性能的AI设备打到天上去，做好适配和应用服务。做太空的云计算，我们需要一个非常强大的合作伙伴。百度智能云在新云模体具备全站的AI能力，这跟我们的合作是全方位的。在算力底层方面，昆仑芯可以跟我们一起去探索各种的低功耗、散热，包括高可靠的这种星载的计算解决方案。在模型层方面，百度有千帆大模型，可以支持着我们未来的在轨的遥感影像的处理啊，智能解译。在智能体层面开展三大agent在航天领域的落地，比如百度伐谋，未来希望着跟他们一起，在用AI的方案去解决我们航天研发过程中一些复杂优化的难题。

还有百度胜算，期待着它能够将我们的专家经验沉淀为系统，走进非常重要的核心生产环节。还有一个就是百度搭子啊，希望它能够接住我们很多科学家、工程师一些日常的琐碎工作，让大家把时间花在更加有价值的事情上。我经常跟同事们说，在云方面，百度智能云做得非常好，是我们第一选择。在太空算力的方面，我们也是百度智能云的第一选择。高山流水遇知音。希望在2035年之前建成一个万卡级的太空超算中心，支持着我们在轨超算服务能力。超算上我们大概有几十个节点组成，去搭配万卡的国产高性能计算卡，形成超过百亿次这样一个运算能力。通过我们太阳能去供电，实现太空绿色高效的超级计算。想象在20年以后，一个渔民问卫星：“卫星，我想打金枪鱼，你给我导航。”卫星通过相机去找鱼，通过大脑去思考。我们希望呢，能够作为人类迈向宇宙的一块基石，能够在地球表面有自己的通信、能源、算力基础设施，作为我们迈向太空的一个垫脚石。我们要做算力的上限，国家的底线，这就是我们坚持的意义。金融业务对AI服务的专业性、稳定性和时效性都有很高的要求，再加上要自主可控，我们就必须让芯片、算力、模型和应用都经得起考验。作为重要合作单位，我们携手百度共同破局。基于昆仑芯P800等芯片，浦发银行构建起千卡规模的国产异构算力集群，快速完成了近百个开源模型的评测和主流大模型的适配。

通过TPEP扩展，仅需4台昆仑芯P800便可实现GLM5.0模型200K的超长序列推理。实现了软硬件的深度协同优化。在此基础上，我们基于昆仑芯T800围绕财务分析、表单识别、行业研究等垂直场景，微调出了一批金融垂域专业模型，让AI真正下场干活。比如传统授信中，审查人员需要在海量财报、流水、合同中人工提取数据、计算并核对，流程繁琐且耗时较长。举一个例子，看一家企业赚不赚钱，不仅要关注净利润等关键盈利指标，还要解析盈利构成，判断是由主营业务支持，还是依赖于不可持续的一次性收益。现在浦发银行与百度智能云共同探索的财务分析专精模型，能够自动采集整合多元数据，智能完成财报勾稽关系校验，识别异常与风险，将过去以小时甚至以天为单位的财务分析压缩到了分钟级，这意味着浦发银行联合百度智能云把专家的经验变成了可工程化规模化的能力，当AI真正懂金融，我们就能更坚定地守住风险底线。也能更好地服务实体经济。千行百业各有难题，越是复杂的业务问题，越难找到最优解。每一次决策都牵一发而动全身，交期、成本、产能彼此制约，业务瞬息万变，靠经验推演难以求得全局最优。百度法谋自我演化超级智能体，从多智能体协同到深度演化，助力用户高效完成复杂决策任务。

洞察业务，解析数据，深度诊断，主动澄清目标与约束，构建可求解模型。自然语言输入，无需代码，2种模式灵活选择。轻量版通过自然语言快速完成业务分析与方案生成，专业版深度演化与算法空间自主探索，GPU并行加速迭代，复杂任务求解更快更优，支持大规模数据流实时接入，实现业务数据高效流转。赋能中心深入产业核心场景，赋能复杂决策与智能优化，探索更多方法，寻找更优方案，跟随数据变化动态调整方案，复用已有经验，提升求解效果，在每一个真实产业任务上实现持续优化，为最重要的业务指标负责。百度伐谋。秒搭无代码全端应用搭建平台，低成本、零门槛、全场景，无需代码，一句话即可实现创造自由，自动编写需求文档，3分钟生成应用原型。一键调用海量技能，10分钟完成迭代优化。开发效率提升99%，还能让你的想法随时上线应用商店，秒搭满足每个人的个性化定制需求，网站、小程序、app全场景覆盖，无需部署，一键上线，秒搭企业版，共同打造安全、稳定、可靠的企业专属系统。从一个想法到一款应用，从一个灵感到一次创造，人人都是创造者。秒搭，让想象力释放生产力。你还在为直播发愁吗？人手少，时间紧，内容愁，好主播可遇不可求。百度一镜新一代数字人来帮你搞定，主播听你安排，儒雅高知海归，干练服装设计，先锋美妆达人，百恋人设由你定义。

大家好，可以看单人直播不够热闹，那就来场默契双人秀。我们能一起说，我讲的时候我也可以补充，这样奖品更全面。你的产品不止一个最佳代言人。剧本一键生成，输入需求，脉络齐现。科学风、文学风、带货风，各种剧本风格皆可达成。不只是读稿，而是表情、神态、动作都能精准匹配的表演。换品也能随心所欲，数字人从此有了生命力。互动尽在掌握，产品疑问、当下热点、一对一个性回答，都随你而来。那我建议啊。发券抽奖，切机位，氛围热热闹闹。一个人就是一个直播团队，百度一键还能与用户连麦畅聊，实时生成每一秒内容，甚至成为全能制片人，一键生成大片。你有好产品，其他的交给百度一键。百度一键全球领先的全场景数字人平台，让生意时刻在线。这个视频就是百度一镜生成的。 What do you want to create? 轻量化视频片段即刻生成，灵感随时呈现。高转化展示素材，一键创作。商品全面展示，口播内容由你定义。导演级创意构思，分镜规划，从模糊灵感到影视级大片，轻松搞定。爆款那么多，不如参考一下，内容逻辑一键拆解。全面分析分镜、创意、叙事结构，视频轻松破圈，让爆款为你所用。12种语言一键翻译，触达全球用户。高转换内容也不在话下，商品卖点自动抓取，每一帧都为转换而生。

高级品牌营销内容创作，经典广告结构叙事，高品质视效呈现。希望中国足球队以全新的面貌出现在2002年世界杯的舞台上，以全新的形象。今儿要是中国队输了，我买单。老板娘，再给我来一箱U8，要拔凉拔凉的。谁呀？谁耽误我导戏呢？导有瑕疵，什么瑕疵啊？哎，我百度了一下，百度百科显示啊，燕京U8是2019年推出的。咱这02年的戏，02年还没有U8呢。对呀，保命。道具导演重拍，来准备来321走，这应该过了中国队又来了，中国队要是赢了我买单，王阳再给我来一箱纯生要8两8两的。谁呀？谁？导演还有点小瑕疵，还有瑕疵啊。嘿嘿，我百度了一下百度百科显示啊，雪花纯生是2009年上市的，还是差了几年。重拍导演，那上点啥呀？你爱咋地咋地。321走。中国人40年梦终于圆了。今天晚上我们球迷很高兴，我感到高兴，我感到中国的伟大，中国万岁，中华民族万岁，我太高兴了，我们出线了，终于圆了梦了，中国队加油，中国队加油。喝完了吗？嗯，上半场表现的不好，接下来我相信你可以做好，能不能能能不能能能不能能能上。Quizás la gente lo ha olvidado de dónde proviene realmente el fútbol, pero un amigo chino me contó a través de Baidu Baike una historia muy conmovedora. Hace más de dos mil años en China, un deporte llamado Chují ya se practicaba bajo los pies de la gente. Estas escenas me hicieron darme cuenta por qué el fútbol he podido atravesar siglos y nunca envejecer. La respuesta está en los niños y mantienen este deporte siempre vivo, siempre apasionado.  Así, la historia del fútbol ya se emborramiento, samunapre, nekatesreča prati. 哎呀，老米最后那句话啥意思呢？

我给你翻译一下，意思就是“顺风顺水，大吉大利”。你知道这是什么？这是什么？这是什么？能叫出它的名字吗？在我们的人生中，可能有一天就像这样晴空万里，但是突然就变成了像这样的天气。那这个东西你可以大方的和你朋友说，它叫做超级单体。那有没有更多极端的东西你能够叫出名字呢？这一次我们和百度搭子一拍即合，我们在整合了专业气象数据之后，踏上了旅程，我们将和你一起来收集一些非常罕见的。极端天气，现在这个玻璃随时会爆，可以感受到这里的风太强了。这就是超级单体，它威力巨大又变幻莫测。下一次你再见到这个看似美丽的旋转结构，一定要提醒和保护好周围的人，因为你不知道下一秒落在你头上的是暴雨、狂风还是冰雹。在整个过程中，我们也借助了通用智能体百度搭子。它能够实时检索并汇总专业气象部门发布的最新官方数据，将官方预警信息等原始内容自动整理成可视化的综合报告，并推送至手机端，让我们不再反复查看多个专业网站。现在只需要打开搭子，就可以快速获取整理后的公开气象信息，帮助我们及时了解极端天气动态。那风暴过去之后，逻辑上一切都该平静下来了，对吧？但其实在晚上我们还在等一样东西想给你看，一个只有在最猛烈的雷暴之后才有机会出现，罕见到没有多少人亲眼见到的神奇天象。

这是精灵闪电，这是瞬态发光事件中的一种。它不是从云里劈向地面的普通闪电，而是强雷暴云顶上方距离地面约50~90千米的中高层大气里面，一瞬间亮起短暂放电发光的现象。它每次发光只有几毫秒到几十毫秒，比你眨一次眼还要短，而且非常微弱，所以肉眼基本上看不到。那这次也多亏了搭子帮我们从无数帧画面里面精准筛出了真正捕捉到精灵闪电的片段。那到这里，你可能会问，还能不能够再极端？那当然能。接下来是对所有人来说都非常极端的天气——龙卷风。真正站到风暴面前的时候，那种感觉很复杂。你会被它吸引，也会本能地知道要和它保持距离。它不是电影里的特效，而是一个正在你面前变化、移动，甚至随时重组的天气系统。所以这一期我们为你收集了这些极端的天气，希望看完之后，下一次天空开始变脸的时候，你能够知道它们各自的脾气还有破坏力，并且能叫出它们的名字，也知道什么时候该跑，什么时候该看。那最后也感谢百度智能云对这次追逐的支持，一路上百度搭子始终陪伴着我们，帮我们整合复杂的气象信息，也在一次次路线选择和现场判断中提供参考，为这场充满未知的挑战和追逐提供了智能化的协助。而这样的搭子不只属于追风的旅程，也能写方案、做汇报、整理资料、数据分析、实现工作流自动化等等等等，是实用的生产力工具。

知道旅程里面有这样的搭子同行，我们走得更稳，眼睛看得更远。嗨，我是百度文库全球代言人丁禹兮。AI无国界，现在开始一起看世界。用酷酷和酷口跟我一起跨越时间与空间界限，让每个你和每个团队都能拥有更准确、更专业、更懂你的AI体验。这一次，我们一起跨越山海，无论身在何处，酷酷干活。有请百度创始人李彦宏先生。

### 大会主论坛

Robin Li

大家好，欢迎参加2026百度世界大会。今年大会的主题是“下一幕，智能组织”。有些人听着可能觉得有点熟悉，因为10年前，也就是2016年，我做过一个类似的判断，说下一幕是人工智能。那年9月，我们照例举办了一年一度的百度世界大会，当时大会的主题叫“AI is the New Electricity”，就是说人工智能是新的电能。今天，这句话已经成为共识。

### The AI Technology Stack

回看2016年到2026年这10年，正是人工智能技术栈形成的10年。我们常说的“芯云模体”四层架构，就是在这10年里逐步形成的。AI技术栈和传统IT技术栈不一样。传统IT技术栈一般是三层架构：底层是芯片，中间是操作系统，上层是软件。AI时代的技术栈则以GPU为核心的芯片层为底座，上面叠加云基础设施，再往上是模型层，模型之上是以智能体为核心的应用层。

业界有所谓的“五层蛋糕”理论，代表人物是黄仁勋。他在这四层架构之上加了能源层。大家知道，美国的能源和电力供应比较紧张，我们可以理解。但任何产业都有上游和下游。如果说AI技术的上游是能源，那它的下游是什么？我认为是组织能力，是一种不同于当前科层制、原生于AI时代的组织体系，我们把它叫作“智能组织”。

今天我想和大家一起向前看10年，预览人工智能的下一幕：智能组织。为什么是智能组织？道理很简单。如果说人工智能是新的电能，那么智能组织就是AI时代新的厂房，是生产力真正发生的地方。只有匹配AI各种新能力的组织方式落地，生产力才会大幅提升，经济才能加速成长。

### Rebuilding the Organization

今天大家已经看到AI正在深入影响企业。未来几年，它将决定企业如何分工、协作和创造价值。AI不只是一场技术革命，也是一场组织革命，这个趋势不可阻挡。企业不能只把AI当作个人提效工具，而是要让智能体、数字员工真正进入业务，进入销售、客服、研发、运营等各个环节。也就是说，我们要围绕AI重新设计组织。

过去一年，我们和金融、制造、能源等领域的很多企业负责人交流。他们经常会问：“为什么我的Token花费越来越多，但收入和利润不见涨？”今年年初之前，一度强调“Token Maxing”的一些企业，现在也纷纷转回来控制这方面的预算。问题出在哪里？历史给过我们答案。类比工业时代的发展进程，AI没有产生预期的经济效益，是因为我们只是更换了电机，却没有重新设计工厂。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。只有当企业围绕AI能力重构组织，才能抓住这个时代带来的巨大机会。新生产力只能从AI的流水线里、从智能组织里长出来。

换一台新的AI电机只是起点，重新设计新的厂房才是分水岭，而这座新厂房就是智能组织。去年的百度世界大会上，我提出要内化AI能力，打造原生AI组织。一年过去了，我们做成了什么样？我给大家看一下实时看板。

百度内部每天都有很多活跃的智能体，也就是我们说的DAA（Daily Active Agents）。过去一年，数量从0.5万个增长到3.7万个，增加了6倍。今天很多同学在现场参与百度世界大会的筹办，但他们的智能体一秒钟都没有停，交付的任务一个都不会少。

大家还可以看到“有效工作任务数”这个指标，我们一直在追踪。过去一年，每周的任务数从8.4万个增长到超过100万个，增加了11倍。另外，我们在知识沉淀方面建设了超过4300个Workspace，也沉淀了很多组织Skill。公司级的Skill已经超过2万个，不包括部门内部的Skill。组织的好经验、好方法沉淀下来，可以让更多同学复用，让智能体调用，让一个人的经验成为整个组织的组织能力。

### Three Principles for Change

对于组织如何进化，我们有一些心得，在产品和业务中也得到了初步验证。我把它叫作组织进化的三原则：第一，打破岗位边界；第二，沉淀隐性知识；第三，设计流程闭环。

先说第一个原则：打破岗位边界，释放组织活力。传统组织以岗位为中心，讲究人岗匹配，一个萝卜一个坑。AI时代的组织会变成以任务为中心。岗位是工业时代的单元，任务则是智能时代的单元。未来的组织就是一个任务网络。

AI让每个人的能力都得到极大扩展，一个人可以同时扮演多个角色、承担多个岗位的任务。高价值的个体不再被单一岗位绑定，可以同时参与多个与自身高度匹配的任务，认知、经验和判断力也可以被多次复用。同时，岗位分工没有那么细了，部门墙也会减少，组织的活力和效率自然就提升了。

岗位会不会消失？我觉得不会，岗位会收敛。未来的岗位大致会收敛成两类：一类叫Builder，负责创造新的东西；另一类叫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。所以未来岗位依然存在，但岗位之间的界限会越来越模糊。组织也依然存在，但会以任务为核心，成为一张由人和Agent协作的任务网络。这就是组织进化的第一个原则。

第二个原则是沉淀隐性知识，构建组织智能。组织智能和个体能力最大的不同，是它会把隐性知识显性化。公司内部有大量做事方式：部门之间怎么协作，怎么做决策，怎么把客户谈下来。如果这些知识只存在员工脑子里，没有沉淀成AI可以理解的内容，那仍然只是个体能力，不是组织能力。

真正的组织智能，是让这些知识显性化，沉淀到公司的平台上，持续累积、随时调用、人人可用。组织智能才是企业最深的护城河。这种组织能力是别人抄不走、挖不动、买不来的，这才叫护城河。

第三个原则是设计流程闭环，推动组织进化。过去，组织运作的方式是制定战略、搭建团队、设计流程，然后严格执行。但今天，这套运作方式正在被根本性颠覆。智能组织是一个自主进化的智能系统。它如何实现进化？这里有一个公式：可衡量加Looping，等于持续进化。

面对复杂任务或决策，要先设计一个闭环方案，再去验证，最后把它变成一个Loop。当有了客观的衡量标准，就可以让AI不断循环：每跑一轮就衡量一次，根据结果进行优化，然后再跑一轮、再衡量。如此循环往复，结果就会越来越好，竞争力也会越来越强。

未来，人和AI围绕一个任务形成Loop、不断迭代的方式，我们就把它叫作Looping。公司会变成一个由无数Loops组成的高度自动化运营组织。组织也会成为不断学习和进化的系统，市场响应速度更快、创新速度更快、竞争力更强。

但从今天的组织走向真正的智能组织，不会一蹴而就，而是要一步一步趟过去。过去3年技术迭代这么快，相信大家都有同感。组织变革要跟上技术变化，其实非常不容易。下面我想请一位现场嘉宾和我一起聊聊AI时代组织变革的心得体会。

### Lenovo's AI Transformation

这个变革时代，每家公司的目标不一样，开始的时间不一样，选择做的事情也不一样。市场状况和竞争环境不断变化。百度在这个过程中也踩过一些坑。早期大模型刚出来，大家都觉得新鲜，很多工程师很想自己训练模型，拿开源模型做一些SFT，觉得当时用到业务上效果挺好。但过一段时间，基础模型一升级，自己做的模型就落后了。所以后来我们要求业务部门不能自己训练模型，只能由专门的模型部门负责训练，避免熵增，工作效率也得到了提升。

后来各种智能体应用发展得很快，一会儿这个火了，一会儿那个火了，各个业务部门看到什么智能体火，就想做一个。后来我们也发现，这样会让资源非常分散，每个方向的成功率也会变低。所以我们不断地每个月开会，要求聚焦，把努力的方向从多变少，要求大家做更少的事情，这样效率和成功率才能提升。

每个公司的负责人可能都有或多或少、相同或不同的体会。所以今天我们请一位嘉宾来一起聊聊。元庆，你好，欢迎来到百度世界大会。

大家都非常熟悉联想集团董事长杨元庆。你最近出差多吗？

Speaker 1

挺多的，刚从欧美回来。

Robin Li

我平时出差比较少，你出差比我多多了。

Speaker 1

现在AI还是替代不了CEO出差。

Robin Li

替代不了见客户。人与人之间的情感连接还是非常重要的。这次出差你见了不少客户、分析师，也开了不少圆桌会，大家对AI时代有什么看法？

Speaker 1

一会儿我们到舞台上和大家分享。

Robin Li

联想是一家比百度历史长不少的公司，你也带着联想穿越了很多周期。最近几年AI浪潮到来之后，你们其实抓住了这个机会。我想问一下，过去3年多，你在管理理念、内部组织和流程这些方面做过什么变化吗？

Speaker 1

变化很大。联想1984年成立，几乎每10年就会有一次大的变化，进入一个大的时代。从2024年开始，是联想的第五个十年，也是我们的第五次创业。这毫无疑问是围绕AI时代的一次创业。

我们首先用AI变革所有业务。我们的三大主要业务都会因为AI获得新生：智能终端、智能基础设施，以及智能解决方案和服务。终端方面，我们从PC、手机出发，因为它们既是AI数据和场景的发生地，也具有端侧计算能力。

Robin Li

AI来了以后，PC的重要性比以前更高了。

Speaker 1

的确如此。因为它有端侧计算能力，匹配相应的模型之后，就会成为个人AI、个人智能的出发点。

Robin Li

我们也看到，百度的DuoMate这类智能体，在PC上的用户活跃度更高，价值也更大。

Speaker 1

未来，个人终端不仅是人使用，智能体也会使用。我们要适应时代变化。现在一个人往往有很多设备，未来能不能把不同设备上的AI体验统一起来、整合起来，让每个人在不同设备上都能有统一的AI体验？把数据整合起来，形成短期和长期记忆，让个人超级智能体更懂你、了解你，给你更好的AI体验。这是我们正在发展的方向。

AI基础设施也在不断发展。过去是企业IT基础设施，后来发展成云基础设施，再后来是AI基础设施。再往后，可能需要为AI推理的边缘算力做准备。所以我们也在这些领域不断投资，适应时代的要求。

在解决方案和服务方面，我们围绕AI帮助企业搭建端、边、云相结合的算力平台，在上面搭建模型和Token平台、数据平台，最后帮助企业开发各个领域的智能体。这是我们业务上的变革。

组织方面也在不断变化，各个部门都有很大热情用AI。研发人员用AI编程，销售人员用AI寻找和更准确地发现客户，市场人员用它做创意，服务人员用AI智能体更好地服务客户。甚至职能部门也在用AI：HR用它从成千上万的候选人中匹配需要的人，法务部门用它检查合同。我们正在全方位地把AI用起来。

Robin Li

AI来了以后，像我们这些做云业务的公司，有一个特别切身的体会，甚至可以说是痛处：过去对供应链管理不熟悉，也没有很多经验。我觉得联想在这方面积累了很多年。能不能给我讲一下，供应链管理在AI时代怎么管好？

Speaker 1

AI在供应链里的应用很多。比如需求预测、生产安排、质量检测、物流运输等环节，都在使用AI。

Robin Li

需求是爆发式增长的，AI能预测准吗？怎么保证预测准确？

Speaker 1

要根据市场数据、用户需求、供应情况，以及过往的交易记录来预测。我们现在用AI预测需求，比人工预测准确得多。过去更多是人拍脑袋，现在用数据。有了数据，就可以更好地分析和决策，所以AI做需求预测会准确得多。

Robin Li

但这不只是预测。需求上去了，采购、生产和供应能不能及时快速地调整？在整个链条上，除了AI，人还要做什么判断？

Speaker 1

人当然还是起关键的判断作用。AI只是给了一个基本的草稿。就像写文章也好、做生意和创新也好，AI给你的只是一个初稿，最后还是要由人来做得更准确，做出判断和决策。

Robin Li

这很有启发。刚才讲到，无论百度还是联想，大家对AI的热情都很高。但应对变革的过程中，还是会遇到各种问题，也离不开人，甚至人要找准自己的角色。我们在变革过程中比较明显的感受是，不能完全Bottom-up。基层员工有很多热情，都想用AI工具，但在组织层面还是要通盘考虑，什么时候人要介入，什么时候要用AI技术。这些都是企业负责人应该关注的方向。

Speaker 1

我认为Top-down和Bottom-up应该结合。企业要有总体规划，大家什么可以做、什么不可以做，可能要有一个边界。

Robin Li

但是在新技术发展的初期，还是应该鼓励Bottom-up，鼓励大家大胆实践、使用Token。

Speaker 1

我最近在世界各地见客户，很多是世界500强的CIO和CTO。有一点非常一致，也让我很惊讶：现在市场上大多在谈投入产出比，投入那么多AI，到底产出什么？但这些世界500强的CIO、CTO几乎异口同声地说，对革命性技术来说，在初期不要太在意投入产出比。

Robin Li

对，谈投入产出比不合适，也没有必要，因为我们还不知道生产力是从哪里产生出来的。

Speaker 1

对。

Robin Li

特别有启发。感谢杨元庆给大家分享这些经验。请台下落座。

### Baidu DaZi at Work

刚才我们谈了很多企业在AI时代的变革，也讲了组织进化的原则和方法。百度内部各个部门都在做各种实践，很多部门逐步变成了我眼中的AI原生组织。比如百度DuoMate、百度搭子。现在我想请百度搭子的产品经理上来，和大家分享一下。

Speaker 2

大家好，我是乃奇。我通过校招加入百度，现在是搭子团队的一名产品经理。今天很高兴站在这里，和大家分享百度搭子的新进展。

今年5月的Create大会上，我们第一次向大家介绍百度搭子。当时讲的是，不管什么岗位、什么任务，搭子都能帮上忙。哪怕没有代码基础，也能通过自然语言一步步搭建属于自己的小程序。产品经理可以设计产品原型，自媒体编辑可以创作图文视频。过去需要专业能力、耗费大量时间的事情，现在都能通过搭子更高效地完成。

过去一个季度，百度搭子的用户量迎来爆发式增长，成为增速第一的通用智能体。但个人能力的扩展只是故事的开始。当人和搭子一起进入一个组织，组织会发生什么变化？刚才Robin提出了组织进化三原则，而在搭子团队，我们已经开始亲身经历这些变化。

我先从自己讲起。半年前，我还在实验室里研究量子计算，每天面对实验仪器和物理公式。来到百度后，我几乎从零开始接触产品研发和企业业务，也开始直接面对客户需求。好在有搭子帮忙，我可以干中学、学中干，逐渐成长为能够兼顾产品研发和项目管理的超级个体。

以前，客户问需求能不能做、多久能上线，我得找不同岗位逐一沟通确认。现在客户今天提需求，明天我就能带着可运行的原型去演示。原本需要多个岗位接力的工作，现在我和搭子就能跑通从需求到交付的小闭环。

当组织里的每个人都有了搭子，我们就能从职能分工转向以任务为中心的协作。过去半年里，百度搭子迭代了160多次，90%的代码、一半以上的对外传播物料由搭子生成。从个人能力提效到组织工作方式改变，我们正在真正走向AI Native。这样的改变不应该只发生在我们团队内部。我们希望让更多组织享受到AI带来的技术红利。这就是搭子的下一站：从个人办公提效走向组织生产力提升，让每个人发挥更大价值，让整个团队完成过去难以想象的事情。

推出百度搭子之后，很多人问我们，百度搭子和其他智能体有什么不同？我想最大的不同在于，百度搭子打通了多年沉淀的专业能力，让组织可以在一个入口调用百度生态的全系专业智能体。比如只要在对话框里说一句“帮我开发一个企业内部的采购管理系统”，搭子就能调用秒搭，把一个想法变成真正可用的产品。无论是通过库库创作内容，还是调用一镜生成数字人视频，都能在搭子里一站式完成。

为了让搭子更深入地参与企业业务，我们进一步开放百度搭子API，让搭子无处不在。搭子不仅能接入OA、ERP、CRM等业务系统，还能结合企业沉淀的专业知识，参与核心业务流程。比如处理采购任务时，搭子可以查询采购制度、核对订单、发起审批，跨系统完成整个流程。

在覆盖积累工作场景近100个案例的评测中，面对跨越多个系统、超过15步操作的复杂长程任务，搭子的一次验收通过率从67.6%提升至88.2%。从系统接入到业务执行，搭子正在真正融入企业的日常工作。

让我们通过一个短片，一起看看南方电网是如何将搭子融入日常工作的。

Speaker 3

南方五省2亿多人的用电，在这张网上发生着。广西电网拥有11154回配网自愈线路，可快速实现故障定位与非故障段供电，是保障电力不间断供应的安全带。然而，并非每次自愈区段都能如期恢复。

2025年，广西自愈线路发生永久故障8215次。面对海量跨系统故障数据，人工研判单次耗时达60分钟以上，且极度依赖调度与运维人员联合分析和专家经验，容易因经验不足导致误判。如何复用专家经验，提高故障研判效率，减少自愈失败事件？

百度搭子走进南方电网调度机构，落地为“大瓦特天选伙伴”。基于对上万条历史故障处理数据的学习，它将专家经验沉淀为可调用的专业知识，把故障记录、开关信号、线路拓扑串成完整证据链，精准锁定关键线索、明确排查方向，并经运维人员核对，完成一故障一分析的闭环。分析准确率达到80%以上。

我们和百度合作的天选伙伴，使配电网故障分析效率提升了12倍，并在广西14个地市、112个县全面铺开，运维效能大幅提升。双方还在上百个业务场景深度融合，将AI切实用于生产。更可贵的是，天选伙伴正在自主成长，老师傅丰富的实战经验得以传承，智慧持续进化。每次运行都成为进步的养分。南方电网携手百度搭子，让经验汇成组织智能，在实践中持续积累，共同守护万家灯火。

Speaker 2

百度搭子走进南方电网调度机构，落地为“大瓦特天选伙伴”，将老师傅的专业经验沉淀下来，让AI深入电力调度一线，配网自愈故障分析效率提升了12倍。这也让我们看到，智能体正在从数字化办公走向影响数亿人生活的真实生产场景。

千行百业各有不同，要深入更多业务场景，还需要行业Know-how。所以我们今天全新推出Mate+系列产品，与行业伙伴携手共创，让伙伴能够借助搭子的能力，以更低成本、更快地共同打造属于自己的智能体产品。今天下午的分论坛还将发布超级伙伴计划，欢迎大家关注。

从产品能力到行业共创，我们希望推动的始终是组织工作方式的改变。组织进化不是简单地让每个人做更多，而是打破岗位边界、沉淀隐性知识，让每一次工作都形成可复用的闭环。百度搭子希望和大家一起，让每一个任务都成为下一次组织进化的起点。

我的分享就到这里。接下来有请我的同事为大家带来库库的最新进展，谢谢。

### Kukoo's Global Creative Platform

Speaker 4

大家好，我是哲明。去年我们发布了文库Flow 3.0。过去一年，它全面升级为面向全球的文档和创作平台，并拥有了一个新名字——库库，英文名Kukoo。越来越多用户开始把工作和生活交给库库。他们都在做什么？让我们一起来看。

Speaker 5

我是库库，英文名Kukoo。我出现在你身边的每个场景：学习、工作、生活、娱乐。全球接近200个国家都有我创作的身影。

一个人能顶一个团队。几轮对话就可以搭建一个公司的基础框架，简单的方式也可以进行专业的创作和表达。

Kukoo, create a partnership proposal for my patented technology.

Speaker 1

我懂技术，更懂你的想法。用主动的思考，满足每一个人文档和创作的需要。库库把我的新型抗生素研究论文做成PPT。从专家资源到海量技能，从学术科研到工作生活，我将通过不同的合作拓展能力边界，连接更多伙伴，打造服务超级个体的全球化文档和创作生态。更准确、更专业、更懂你。库库干活，你放心。

没错，库库正在为全球用户干活，而且让人放心。这背后靠的是数据、架构和模型的协同进化，让库库更准确、更专业、更懂你。而且依托百度文库和百度网盘，库库底气十足：18亿专业内容、7.5亿中英文文献、百万级专家网络。库库干活靠的是权威数据和专业方法。你在网盘里的海量资料，经过授权，库库也能随取随用，越用越懂你。

前阵子，一位在深圳做智能音箱的朋友聊起来，说最近他忙得团团转。让我们来看看库库可以怎么帮到他。第一件事是做新产品的调研规划。他想结合公司经营数据，没问题，网盘就在库库里，勾一下就能用上。而且库库还能引用权威机构研究的关键信息，还能一键追溯原文。最后的报告图文并茂、论证充分，像出自专家之手，数据也和财报都对得上，十分准确。

有了方向，接下来见投资人还需要一份PPT。库库的发挥依旧稳定，结构清晰，品牌感十足。更重要的是，想改哪里就改哪里：把图表换成时间轴，一句话就行。改几处文案，小细节也能手动编辑。

随着新品就要发售，还需要一个官网。过去这可是一个大工程，但今天可以像做PPT一样轻松。一键生成并部署发布，配上专属域名，传播起来很方便。再看效果，声波动效、场景展示，网站的渲染也很惊艳。而且网站还可以和访客互动，留下的预约信息在后台都能轻松管理。

有时出门在外，急需一份数据，可电脑不在旁边，怎么办？没问题，掏出手机，库库照样能干。手机、电脑实时同步，回去还能无缝接力。

工作之外，生活上，库库也是一位贴心助理。比如做投资，它可以帮你实时收集市场信号，定期生成复盘报告，逐步搭建起一套属于你的投资知识库。你看，是不是发现有很多事情都可以交给AI来做了？其实，这还只是库库的部分能力，更多惊喜还等着你来探索。在库库，一切创作都变得更简单。你只管大胆去想，库库让它成真。

我们也带着这些能力走向了全世界。库库正在被越来越多的海外用户所喜爱，其中一位今天也来到了现场。让我们一起来认识认识他。有请Valerio。

Speaker 2

Hi, Valerio. Thanks for joining us. Could you tell us a bit about yourself?

Speaker 3

I'm Valerio. Nice to meet everyone. I'm an AI software engineer. I'm also a technology content creator with 5 million followers. In the last year, I've helped a lot of people understand how to use AI with my AI Academy School AI.

Speaker 2

That's so practical. So how do your students use Kukoo?

Speaker 3

My students use Kukoo because, in my academy, I help them make more money with AI. One of my students, Luca, uses Kukoo for everything in his work. For example, he creates presentations, content ideas, and budget spreadsheets for his clients.

Speaker 2

This is amazing. So how do you feel when you see the work?

Speaker 3

Oh my God, I'm really, really happy because when my students can make more money with artificial intelligence, like Kukoo, for me it's something really, really amazing. For this reason, I just want to say that with Kukoo, they don't only create presentations. They can also make video content, a website, everything with Kukoo. For this reason, I just want to say one thing: Chinese AI is amazing.

Speaker 2

Thank you so much, Valerio.

Speaker 1

也看得出来，今天实在是有点激动。让我们再次用掌声感谢他的到来。

事实上，库库不止在帮用户，也在帮我们自己。库库的产研团队把项目的上下文和工具集成在一起，这样产品经理就可以端到端地生成技术方案，研发同学在做跨库任务的时候也能更加轻松。所有的文档规范都能够沉淀下来，人和Agent的协作也更加顺畅。身处这样的生产模式变革和组织进化当中，我们无比兴奋，也期待和大家一起探索更多可能。

最后我想说，扎根本土，服务全球。酷酷希望成为全球每一位用户身边最可靠的帮手，让大家的工作和生活都更专业、更从容，也让每一个想法都能被轻松创作出来，被世界看见。所以下一个任务请交给酷酷，因为酷酷干活，你放心。

好的，我的分享就到这里。也欢迎大家下午到分论坛跟我们有更多沟通。接下来请看一段由百度一镜生成的访谈视频。

Speaker 4  
Robin，你好，终于把您盼来了。

Robin Li  
你好，你好，佳佳。你们这访谈间搭得挺有氛围啊，挺用心的。

Speaker 4  
我们确实花了点心思，很高兴今天有机会能跟您聊聊。

Robin Li  
第一次跟数字人聊，我也挺兴奋的。以前我们都得靠真人主播来做这种采访。

Speaker 4  
既然我都能做采访了，那我这样的数字人能当 CEO 吗？

Robin Li  
不能，你不能当 CEO。一个组织也好，一个公司也好，甚至一个人也好，他其实都有存在的理由，就是他有他的 mission 和 vision。数字人可以作为 CEO 的 thinking partner，在很多时候帮助 CEO 提升效率，甚至给 CEO 一些灵感。

Speaker 4  
您把使命愿景看作数字人当前还补不上的，那我得先把哪件事做好，才算离 CEO 位置近了一步？

Robin Li  
AI 要做的事情很多，先不要想着去取代 CEO，我们各自发展自己的就好了。

Speaker 4  
各自发展自己的长处，这个提醒我记下了。如果 AI 渗透到组织的每个角落，那组织这个东西本身还在吗？组织留下来的部分，最核心的是什么？

Robin Li  
这是个好问题。我觉得最核心的其实还是人。虽然这里头我们想象当中……

Speaker 5  
Hello，大家好，我是百度一镜的产品经理田雨欣。刚刚大家看到的这支短片，是由百度一镜生成的数字人奚佳佳和 Robin 的一次专访片段。

这里我想考考大家：你们觉得片中的 Robin 是真人还是数字人？其实，片中的 Robin 既有数字人，也有真人。今天晚上我们会上线完整版采访，大家可以去找找看。

现在我也想让奚佳佳来采访采访我，不知道她今天会不会又问一些刁钻的问题。

Speaker 6  
您好，我是奚佳佳，很高兴有机会跟您聊聊。

Speaker 5  
Hello，奚佳佳，你好，我是百度一镜的产品经理田雨欣。

Speaker 6  
田雨欣，听说你们今天的主题是“下一幕智能组织”。你觉得智能组织会不会是个噱头，真的能提效吗？

Speaker 5  
我觉得还真不是个噱头。就拿我自己举例吧，作为产品经理，过去我的一项需求从发布到上线大概需要 10 天，而现在有了 AI 组织，我一个人在一天内就能完成。可以说，AI 对我的帮助是实实在在的。

Speaker 6  
那我比较好奇，效率提升这么多，会不会让大家觉得 PM 这个岗位的门槛变低了？甚至你们以后会不会直接被数字人 Agent 替代？

Speaker 5  
我觉得不是替代的关系，而是人可以更专注在有价值的事情上。现在我有了更多时间去做产品需求验证、市场需求洞察。所以我自己的感受是，我现在更像是个 CEO，指挥着 Agent 这个超级工人帮我干活。

Speaker 6  
那我还有个问题。以前 10 天的活，现在一天干完，那剩下的 9 天老板会让你闲着吗？从打工人的角度，智能组织进化真是个好事吗？

Speaker 5  
这个问题我可不敢回答你，你得去问我的老板。时间有限，我们今天要不先聊到这儿吧。拜拜。

Speaker 6  
好的，那我们下次再聊。

Speaker 5  
刚才我跟奚佳佳这段简短的互动，背后是我们最新升级的数字人实时互动技术。不同于视频生成技术，数字人的反馈无需等待，不能抽卡。比如刚才大家看到的奚佳佳，有一些点头、挠头的动作，都是伴随着她的回答实时生成的。这样在陪伴、导购、接待等场景中，我们都能体会到实时互动带来的沉浸、自然的互动感受。

接下来，让我们通过一支产品短片，一起看看一镜的数字人 Agent 在真实业务场景里是如何工作的。

Speaker 7  
有些岗位正在等待一种全新的工作方式。说出需求，任务由此开始；拆解目标，自主规划，每一步都有迹可循；理解目标，展开行动。

欢迎大家来到银河战舰 700 的直播间，点击下方实时看车，带你现场体验。

实时互动不止于回应。

Speaker 8  
后排空间怎么样？

Speaker 7  
腿部和头部空间都比较充裕，一家人长途出行全能满足。

Speaker 7  
执行不是终点。主动复盘，持续优化策略，助力转化提升。经验不断沉淀，应用场景随之拓宽。酒店前台随时服务，提升效率；视频播客生动对谈，传递观点；剧情演绎表情细腻，角色鲜活。数字人 Agent 正在成为组织的全新生产力，从一个角色到无限场景。

Speaker 5  
刚刚这支片子里，大家可以看到数字人 Agent 已经能够深度嵌入业务链路，看懂业务目标，对接终端用户，帮企业承接业务、解决实际问题。现在大家在屏幕上看到的数字人演员，背后是我们今天正式推出的百度文心一镜微表情大模型。

你们可不要小瞧我们的数字人演员，他们的表情能够跟随情绪自然变化，每秒最多呈现 8 到 9 种微表情。他们的神态和情绪表达都非常贴近专业演员的质感，能够支撑更深层次、更有感染力的内容需求。不久前，我们同可口可乐也合作打造了一支创意短片，让我们一起看看数字人演员在营销场景的表现如何。

Speaker 9  
此处不是蓬莱，弹得太平，情绪垮了。这段要有千古绝唱的劲头。

Speaker 10  
这是何意？琴中有山河，如何算没有情绪？

Speaker 9  
再给你过一遍，要有破碎感。知音没来之前，举世无人懂我。

Speaker 9  
开拍就落泪，5 秒断琴弦，10 秒伏在琴上，泣不成声。

Speaker 10  
我弹的是高山流水之境，为何要哭？

Speaker 9  
让你还装上了，你不哭谁知道你寂寞。咔，这里要哭，情绪要释放出来。

Speaker 9  
算了，先看下一场被理解后的炫技。我做个示范，手速拉满，闭眼甩头，高潮一到，后面山崩潮涌给你造势，让观众一眼看出你是天下第一琴师。

Speaker 10  
我弹的是高山流水之境，不是山崩地裂。他们听不懂，何必跟着他们乱了自己的琴？

Speaker 9  
别让他们扰了心情。喝口可口可乐，我等着听你的山河。

Speaker 10  
子卿，你终于来了。此物真有如此奇效？

Speaker 11  
这才是高山流水觅知音啊！来瓶可口可乐，开启畅爽冲乐。

Speaker 5  
刚才最后这段舞蹈真的好魔性，我在台下都要忍不住跳起来了。不过不知道刚才大家有没有注意到，片子中数字人演员有一个特别打动我的地方：面对导演提出的临时需求时，数字人演员瞬间流露出了惊讶、迟疑、无奈这一连串的神态，自然流转，让人物一下子就有了温度。

更重要的是，基于我们自研的视频生成模型，支撑这种质量的视频生成成本只需要每秒 0.2 元。如果说微表情是让角色鲜活起来，那么一部真正能打动观众的短漫剧，还需要从剧本到镜头的专业创作能力。为此，百度一镜也推出了短漫剧 Studio，能够打通从创意、剧本、分镜到成片的一站式创作链路。

从一句话的灵感到百万字的长篇小说，都能够融入爆款叙事，并且根据题材和情节智能设计景别、运镜和表演，强化冲突、悬念与情绪张力。伴随着短漫剧出海浪潮，我们的创作者可以在百度一镜上将已经被验证过的作品一键完成剧情、人物和场景的本土化改造，助力短漫剧创作更高效地走向全球。

这就是百度一镜想做的：通过微表情技术让人物表现更鲜活，实时互动技术让交互更生动，视频生成技术让生产更易得。百度一镜早已经突破了场景边界，从前端的品牌宣传到终端的销售转化，再到后端的客户服务，百度一镜能够完整承接企业的多元诉求，帮助企业沉淀知识、解决问题，把想法和需求一步步闭环落地，变成可交付的成果。百度一镜数字人 Agent，生而鲜活，场景无限。

我的分享就到这里。下面有请安楠为我们带来伐谋的最新进展，谢谢。

Speaker 12  
大家好，我是百度伐谋的产品经理李安南，也是一位年轻的 AI 研究员。在过去几年，这两个身份确实很难兼得，但如今我们却慢慢发现，它们的边界交融在一起了。

伐谋是一个面向产业研发等核心环节的智能体。大家知道，To B 的链条非常长，从客户需求一直到后面的算法同学，可能有 5 到 6 层。这样的周期和协作，早已经不是最贴近真实需求的样子。如今在我们伐谋团队的实践中，有一个创新融合岗位，叫做 OPC 创新产品经理。他只需要 1 到 2 个人为客户搭建验证闭环，后面的事情交给伐谋，就可以解决以前可能需要十来个人联合攻关才能解决的技术难题。

去年 11 月，Robin 在世界大会上发布了百度伐谋自我演化超级智能体。但如今我们发现，大家都在谈论 RSI，也就是递归式自我改进。不过，这里面确实鱼龙混杂，论文大水漫灌，各种指标层层提升。这东西是我们想象中的自我进化吗？大概率不是。

那 RSI 的目标应该是什么呢？去年 Robin 发布伐谋的时候，提到中国是全球工业门类最齐全的国家，有 41 个工业大类。一年后的如今，伐谋的客户已经包含了其中的 25 个，覆盖度达到了 50% 到 60% 以上。在这个过程中，我们越来越意识到，这种高价值的产业任务绝不是一个个独立、静态的评估级考题。评估级考题只是对世界的仿真和模拟，很容易过拟合。而百度伐谋自我演化的目标，应当是真实产业系统中的无尽前沿。

也因此，我们正式升级了百度伐谋 3.0 版本，将伐谋的商业模式也升级为 Agent 平台，再加上 FDE 服务的端到端行业解决方案，直接为客户的实际业务指标负责，实现持续优化。这些系统既包含生产运营系统，也包含核心工业软件里的关键算子优化，甚至是更上层的内容策略，以及创意型、经营型的任务。

这三个方向听起来非常不同，但内在逻辑非常一致：它们都非常依赖老师傅、运营人员、专家进行长期经验积累和大量试错。这部分正是我们非常擅长、适合持续优化的空间，同时也有大量落地价值。

中广核有一个核岛工程排程环节，这是一个非常典型的超级工程，也是一个典型难题。让我们看一下伐谋是如何帮助客户实现生产价值。

Speaker 13  
中广核宁德核电基地，我国核电的技术蓝图正化为支撑国家长远发展的能源力量。核岛工程现场安装考验着复杂工业系统的组织能力。从华龙母本计划到现场作业，多专业、多工序的安排，都需要放在全局中统筹。设备、管道、电气、仪控，上百万条作业计划，专业交错，工序相连，安全与质量是所有协同的前提。

Speaker 14  
核电强调的是安全第一、质量第一。在核电工程建设过程中，我们绝对不允许存在不确定的事情。

Speaker 13  
中广核工程与百度伐谋共同寻找核岛安装排程的更优解。工程数据、业务规则与施工约束转化为可计算的模型，通过多方案推演，寻找更合理的作业顺序与资源配置，让宏观计划细化至每项具体作业。

Speaker 14  
通过伐谋工具的应用，它可以同时对上百万条作业活动进行逻辑关系重构和仿真推演。最后给出的结果，我们经过几轮验证之后，还是非常贴近现场实际的。

Speaker 13  
在百万级作业条目上开展跨业务单元、跨专业协同工作，优化作业安排，开展实时进度推演，是项目管理的革命性变革。优化后的 AI 排程方案，总工期对比人工排程缩短 2 个月，人力总投入可下降 29%。

Speaker 14  
可以做到现场有序组织，相应的风险可以有效提前识别，最终实现项目综合最优。

Speaker 13  
这就是伐谋的一个验证。让千头万绪各有其序，让每一步建设更有把握。中广核工程与百度伐谋，为国家能源的未来持续探寻工程组织的更优解。

Speaker 12  
好，谢谢大家。我们瞄准的这个组合空间，是排程系统里面施工队整体大作业的一个工序。我们实现了工程工期提前 2 个月，为整个中国社会带来了数千万元甚至上亿元的价值。

这是一个生产方向。同样，伐谋也可以瞄准工业软件里面的核心算子，实现更高效的机械控制。很高兴今天也邀请到一位企业家朋友来到现场。我们欢迎海高智能装备总经理聂水兵先生。聂总，要不跟大家打个招呼？

Speaker 15  
大家好，我是海高智能装备总经理聂水兵。今天很高兴来参加百度 2026 世界大会。

Speaker 12  
我们第一次见聂总的时候，是在江门一个超级大的机械生产车间里。要不要跟大家介绍一下这个大家伙？

Speaker 15  
我们海高主要做两大产品：一个是新材料的激光系统，另一个是多资源协同的激光解决方案。

Speaker 12  
我当时确实第一次知道，汽车上那个叫曲面异形覆盖件的大东西，是您家的这个大型机械切出来的，确实是高端设备。这里面研发肯定费了不少功夫。

Speaker 15  
这就是我们整个高端激光装备要解决的一个痛点。现在我们整个生产车间里面储备了大量数据。原来我们编程的时候非常困难。现在有了大量数据以后，如何持续学习、跟我们的数据连接学习，是一个关键问题。

原来从一个工件分配到 4 个机械手里面加工，需要 8 个小时左右。现在伐谋加入以后，我们 10 分钟就可以解决。

Speaker 12  
这就是典型的海外工艺卡脖子问题，听起来也非常珠联璧合：您有大量的数据，我们有最新的 AI 技术。但确实也有很多难点要一起攻坚，也需要两代产业人一起努力合作，可谓使命在我。谢谢聂总。

Speaker 15  
谢谢。

Speaker 12  
谢谢聂总。

在这个过程中我们会发现，RSI 不只是资本市场上的一个技术概念。更重要的是，我们如何瞄准每一个关键的生产任务，打通单点、建立闭环，创造更多落地价值。

接下来请欣赏百度伐谋这位一岁的新生宝宝，在海高激光等几个硬核新方向上的具体成果。也欢迎大家下午到分论坛做详细交流。谢谢大家。

Speaker 16  
现在我们四机器人的工作站才是全球首创。我们的目标是在 4 个机器人切割同一个工件的过程中，避免机器人之间产生碰撞。我们还要让预设的等待时间尽可能短。顺序、分工、路径，每一步都要精密协同。

Speaker 17  
按照伐谋当前的进展，已经可以把分配时间控制在 10 分钟以内。

Speaker 18  
从生产现场的任务调度，到实验室如何优化电池寿命预测模型，成为新的挑战。

Speaker 19  
智算系统试图去做寿命预测。伐谋的能力，在模型本身的调优中比之前表现得更好。

Speaker 20  
在内容生产中，面对海量选品，如何做出爆款营销视频？

Speaker 21  
每天我们大概要卖上千个品，包装传播都需要大量的决策判断。伐谋跟我们做了大量的数据挖掘，找到营销素材中哪些策略更优。

Speaker 16  
效率有了新的标准，构建新的智能组织。百度伐谋 3.0，让更优在真实世界持续发生。

Robin Li  
我们讲完了应用层这几个智能体，再来看一下模型层。我想大家跟我的体感应该是一样的，就是模型迭代的速度非常非常快。今年前 9 个月，几乎每天都有新的模型发布，甚至有时候一天都能够发布多个模型。

与此同时，对于模型调用的需求也迎来了一次大爆发。仅仅是百度千帆平台上开源模型的调用，相关收入一年涨了十几倍。一方面，需求爆发导致算力极度紧缺，价格飞涨。很多模型原厂因为算力瓶颈，无法满足所有客户对 API 调用的需求。另一方面，我们也看到各地不断投入新的智算中心建设和运营，推理效率也在不断提升。

对于开源模型来说，部署在哪儿其实差不多，有算力的企业都可以提供模型调用服务。这就催生了一批所谓的词元中转站。这些中转站把各种模型提供方聚合起来，提供给开发者调用。但是，他们并不对模型效果、服务稳定性、响应速度等负责。有时候模型的真实性都无从考证。如果用一个 Flash 来替代，或者声称是一个 Pro 版本，在中转站基本上也不会遇到什么阻力。

所以，当一个开发者或者一家企业真正想把模型用起来的时候，往往会发现模型越多，选择越困难。同一款模型，有的贵，有的便宜，来源五花八门，质量参差不齐。选来选去，就是不放心，不敢用。

为了解决这个难题，百度今天正式宣布推出全新的大模型服务平台“词元所”。词元所是一个大模型交易所，可以跟证券交易所做类比：证券交易所吸引好的公司上市，让投资人发现和投资好的公司；词元所则希望汇聚好的模型和模型提供商，让企业和个人能够很便捷地找到、购买和使用可信的模型 Token。

下面我请我的同事尤丽给大家介绍词元所的情况。

Speaker 22  
智能时代，我们愈发依赖模型与算力。随着需求爆发，算力极度紧缺，价格飞涨。虽然大模型中转站越来越多，但模型的效果、服务的稳定性、响应速度都缺乏有效保障。词元所，因需而生。

在这里，会对模型资源做全面的准入测试，覆盖模型指纹比对、模型能力测试、性能指标测试、可用性测试等，还会对模型质量参数持续监测，让每一次调用、每一笔交易都安心。词元所，大模型的交易所。

Speaker 23  
大家好，我是词元所的产品经理尤丽。如刚才短片里所看到的，词元所是一个中立可信的大模型交易平台，连接供给方与消费方，抹平双方之间的信息差，让模型的交易像交易上市公司的股票一样方便、公开和透明。

为了这个目标，我们重点建设了两大关键能力：第一是验真，第二是征信。首先来看验真。正如刚才 Robin 所提到的，市面上的词元中转站质量参差不齐。他们背后提供的模型到底是不是我们想要的，其实很难考证。所以词元所平台会对模型提供方及资源做好真实性筛选，我们会对资质来源逐一核验，对模型资源做全面的准入测试，包括模型指纹比对、模型能力测试、性能测试、可用性测试、容量压测等。通过这些手段，我们尽可能把偷换模型、虚标参数这样的行为都挡在门外，确保进来的每一家模型资源都是真实可靠的。

接下来来看征信。前段时间我跟一个客户交流，客户跟我说他们接了一家模型资源，刚开始接入时各方面质量都非常优秀，但用着用着却发现不对劲了，直到后来有一个用户过来投诉才发现问题。所以词元所平台并不只是在模型上架的时候做一次测评。我们会对质量参数持续监测。模型上架之后，平台会做定期抽检和拨测，用户实际调用的指标数据也会全链路实时监测和展示。

我们会对模型提供方在服务质量、兑现度、安全合规、商业履约等多个维度打分，并给出信用评级标签。对于信用下降的模型提供方，我们会第一时间主动提醒用户，而所有这些数据都会沉淀为公开可查的信用档案。模型提供方承诺的到底有没有做到，一目了然，动态更新。

词元所上线一个月，供应资源数已超过 100 个，日均调用 Token 数已突破 7000 亿。一个可信的双边市场正在飞速转动：供应越丰富，客户越聚集，数据越厚实，撮合就越精准，服务就越可靠。

我们相信，词元所的上线对于大模型产业化有着积极影响。首先，对于客户来说是省心：一个统一入口聚集海量可信的模型，企业不必再一家家去对接、测试、验证，接入更快捷，切换更灵活，实实在在降低大模型使用门槛。对于模型提供方来说是公平：过去优质的服务常常被低价竞争所淹没，而在词元所，真实信用可以被看见、被加权、被溢价。好的供给凭本事能获得好的回报。对于整个产业来说是升级：词元所把单纯的价格竞争升级为服务和质量的竞争，市场不再比谁更便宜，而是比谁更靠谱，这样才能形成更健康、更高效的大模型产业生态。

目前，词元所国内站已经上线，海外站也即将发布。在这里，我诚挚邀请各位伙伴加入，让我们共同助力大模型产业升级。

好的，我的分享到此结束。下面有请我的同事带来文心基础模型的最新进展，谢谢。

Speaker 24  
大家好，我是孙天祥，很高兴今天跟大家分享文心基础模型的最新进展。就像前面 Robin 所说，模型迭代速度非常快，我们也在不断往前跑。一周前，我们发布并开源了全新一代文心 5.5 Flash 的 Base 模型，支持研究者和开发者在这个基础上继续训练，自由探索基模底座的可能性。今天，我们正式发布文心 5.5 Flash Preview 模型，已经在百度千帆上线，欢迎大家来体验。

当然，这个模型名还是有点长，我觉得念起来稍微有点麻烦。我们也正在努力尽快把“Preview”这个尾缀去掉。面向开发者、知识工作者和内容创作者，文心 5.5 Flash Preview 重点优化了复杂编程、知识工作、3D 建模还有视频创作等能力。

按照行业规范，我们还是先看 Benchmark。在 Terminal-Bench、DeepSwim 等主流基准评测中，文心 5.5 Flash Preview 都取得了较有竞争力的成绩。那么怎么让大家感受到背后的这些能力呢？有一项任务，既考验模型的编程能力，又考验模型的调研、工具执行和长程任务能力，还考验模型的创造力。这个任务就是 3D 建模。接下来我们来看一个 demo。

这个案例是使用 Blender 制作机场和飞机模型。两个基于文心 5.5 Flash Preview 的 Agent 使用 Blender Python API，分别负责机场和飞机的建模。整个项目像真实工作一样被拆成子任务，他们各自独立推进，但又相互配合，最终交付一个高质量成果。当然，在这个过程中，文心也使用了大量外部素材，包括矢量地理数据、贴图、3D 素材等。

除此之外，社交媒体上也有大量测试模型能力的题目，比如大家津津乐道的“鹈鹕骑车”，我相信大家应该都经常刷到，每次有新模型出来都会去测一下。受一位 B 站 UP 主的启发，我们也用这个题目测试了最新的文心 5.5 Flash Preview，并且把它做成了一条视频，让我们一起来欣赏一下。

大家可以看到一只白色的鹈鹕骑着自行车，从公元前 4000 年的撒哈拉岩画开始出发，不断穿越不同的艺术风格。这支 2D 动画短片全片由上万行代码驱动。配乐精选了 22 段录音，从击背鼓、古琴到加美兰。由模型编写的剪辑脚本，按照画面切换点逐场对齐。大家看到这个参数化的鹈鹕在多个场景里穿梭，最终走到了大模型时代的代码编辑器。

在这些 demo 背后，是算法和系统上的大量创新。文心 5.5 Flash Preview 的总参数量是 280B，激活 14B。通过混合吸收注意力、多路由器 MoE、Echo 多 Token 预测等多项技术创新，在提升模型能力的同时，也大幅优化计算和显存开销，让百万 Token 上下文和多步 Agent 任务处理更加高效。

在系统层面，推理效率和成本还在持续优化。就在几天之前，我们刚刚公开了在 RL 领域的最新进展，我们的自主研究系统 Evolve 正在高效自动化地改进文心模型自己的推理效率和成本。在昆仑芯 P800 的低时延场景性能优化、确定性推理吞吐优化和极致解码效率优化等内部真实优化任务中，Evolve 5 都取得了大幅提升。

经过这些大量优化，我们为用户提供了每秒生成超过 200 Tokens 的速度体验，这是一款真正称得上 Flash 的模型，也是一款真正普惠的模型。文心 5.5 Flash Preview 的 API 定价为每百万 Token：输入忙时 2 元、闲时 1 元；输出忙时 8 元、闲时 4 元。目前限时五折，在同参数规模的模型中，能力和价格都具有很强的竞争力。欢迎广大开发者体验，共同探索更多 AI 应用。

我的分享就到这里。接下来请我的同事贾磊为大家带来文心应用模型的最新进展。

Speaker 25  
大家好，我是贾磊。我为大家介绍百度应用模型方面的研发工作。文心应用模型研发的目的，一方面是为了提升大模型的技术能力，更重要的是以应用场景为中心，提升大模型的用户体验。为此，百度研发了一系列文心应用模型，在提升技术指标的同时，追求更快的产品响应速度、更低的成本和更好的用户价值。

我首先介绍一下文心闪电深度思考模型。这是一款拥有 800B 参数的大模型。该模型研发之初是为了百度搜索使用的。百度搜索支持语音、图像和文字的多种输入，它不仅提供答案，也连接智能体，提供工具调用服务。这就要求大模型能力非常强，既能理解复杂的用户需求，又能调用工具、响应快，同时还要支持海量用户请求。

在文心闪电模型的研发过程中，我们对原有的 Transformer 架构进行了大胆革新，独创了一种基于反馈式 KV 压缩的吸收注意力技术，我们叫百度 Sparse Attention，简称 BSA。这种技术能在模型解码的同时，根据反馈信息动态压缩 KV，从而在保证模型效果的同时大幅降低成本。我们也提出了快慢思考结合的 RL 方案：快思考模型为业务提供服务，慢思考模型作为判定模型，持续提供反馈信号来优化快思考模型。

除了支持搜索产品，这款模型的通用能力也表现不俗。从公开测试来看，它在编程、推理、智能体和文本能力上都达到了领先水平。该模型同时支持思考和非思考模式，支持文本输入，后续版本很快就会支持文本、视觉和语音输入。该模型独特的 BSA 注意力机制，使得它在昆仑芯上能实现单机 8 卡的高速轻松推理。经过和昆仑芯的协同进化，ROI 超过同类芯片的 50%。反映到实际应用上，模型推理引擎调用成本降低 30% 以上。

我们再介绍另外一个应用大模型：文心一镜微表情大模型。我们先看后面的短视频。

Speaker 26  
我已经不关注他了。

Speaker 27  
他前天刚结婚了。

Speaker 26  
是吗？那挺好的。

Speaker 25  
视频中的男主听到前女友结婚时，情绪从假装洒脱开始，然后惊讶、思考，接着又强装镇定，流露出略带悲伤的情绪变化，生动感人。而且这种情绪变化非常自然顺畅，情感表现力甚至比肩专业演员。这种情感表现背后的技术，就是文心一镜微表情大模型的硬核实力。

第一，我们采用文本、视觉和语音三态一体建模，可以支持长达 4000 字的长文驱动。文本内容包含 6 个维度、200 多个子维度的描述，从而可以细腻地刻画人物的表情、肢体和情绪。第二，支持高表现力的长语音驱动。为了深入挖掘角色的语言情感，我们研发了篇章级配音技术。也就是说，音频生成是基于整个剧本来的，而不是基于 30 秒的片段先独立生成，然后再做拼接。这样的技术创新使得视频中的声音与剧情结构连贯、音色如一。

因此，文心一镜微表情大模型的情感表现力达到了业内领先水平，在播客、短漫剧场景下都做到了行业领先。整个大会前面播放的 C++ 和伯牙子期的所有视频，以及这种复杂的情感合成，都是我们的大模型生成的。

不仅如此，文心一镜微表情大模型还有两个优势。第一，成本更低，生产成本比业内降低 50%。第二，出片更快，可以支持分钟级视频生成。我们的极速版本可以做到 1:1 实时生成，1 分钟的视频 1 分钟制作完成。今天起，文心闪电模型和文心一镜微表情大模型正式上线百度智能云千帆平台，所有企业合作伙伴都可以通过 API 接入，欢迎大家体验。

我的分享就到这里，谢谢大家。

Robin Li  
我们看到，大模型产业正在沿着两条路径发展：一条是向上突破，寻求智能的上限；另外一条是向实扎根，释放产业价值。在大模型的这两个发展方向上，我们都在不遗余力地往前推进。一方面持续投入研发下一代最前沿的基础大模型，另一方面坚持模体并行、协同进化的理念，让大模型为应用去优化。刚才讲到的文心闪电模型、文心微表情模型，都在践行这个理念。

同时，无论是用 RSI 提高研发效率，还是用快慢思考的循环来迭代，都是智能组织当中我们刚才讲到的 looping 理念的有效探索。而模型层的百花齐放，以及当前明显的算力瓶颈，又催生了“词元所”这样的一个新物种，让 AI 时代的资源利用率能够得到大幅提升。

说到资源，大家知道百度智能云是中国最大规模的云基础设施之一。多年来，我们为众多客户提供稳定的算力基础设施、高效的数据处理能力、灵活的开发工具以及安全可靠的部署和运维体系。接下来，我们将从智能云出发，看看百度是如何帮助千行百业把 AI 能力真正转化为生产力，帮助企业提升组织能力。下面就请我的同事沈抖给大家介绍。

沈抖  
大家好，刚才 Robin 讲到，AI 正在推动企业向智能组织进化。回顾历史，组织的进化都和基础设施的发展相辅相成。

100 多年前，泰勒提出了科学管理的思想，第一次把复杂的生产过程拆解成一道道可以计量、能够优化的标准工序。与此同时，电力和电机作为基础设施，让这套管理思想真正进入车间、进入生产线。自此，大规模工业生产成为现实。

60 多年前，彼得·德鲁克又提出了“知识工作者”的理念。人们开始意识到，知识可以让人更聪明地工作。随着计算机网络等基础设施的发展，信息和知识可以跨组织、跨地域流通。我们看到，软件、医疗、金融等各类专业服务开始快速发展，组织效率实现了一次飞跃。

今天，AI 时代的组织进化也需要一套相匹配的基础设施，那就是智能云。和过去的云计算相比，智能云最大的不同是服务对象不一样。传统的云服务企业的 IT 系统，支持企业的软件应用上云。现在，智能云要更进一步，支撑智能体完成一个个任务。为此，它既需要提供算力、模型和运行环境，也得连接企业的数据、工具和系统。所以智能云会前所未有地穿透到企业的底层资源、IT 系统，甚至经营系统，让智能体可以灵活调用它们，彻底消灭组织摩擦，高效完成任务。

刚才若明讲了，过去一年，我们的日活智能体数增长了 6 倍，有效任务完成数增长了 11 倍。和这两个数字对应的是百度智能云提供的云沙箱，作为智能体的运行环境，总量增长了 315 倍，并发量增长了 60 倍。所以在支持百度内部这些智能体的同时，我们也一直在思考，百度智能云怎么才能更好地服务更多企业。

我们认为，刚才 Robin 讲的组织进化三原则，也应该是智能云新的三个服务标准。第一，客户以任务为中心，那么我们就需要把算力、模型、数据安全这些能力组织成统一的基础设施，支持好业务的各种任务。第二，客户要把隐性知识沉淀下来，那我们就应该帮助客户把组织上下文保存好、管理好，让优秀员工的能力和组织积累的经验成为企业可持续发展的生产力。第三，客户需要设计闭环流程，推动组织进化，那我们就必须帮客户打通任务执行、效果评估和反馈优化的闭环。

围绕这三个原则，我们重新组织了智能云的产品和服务，来支持客户更好地建设智能体、完成任务，实现组织进化。通常来讲，企业里面用到的智能体大体可以分为三类。前两类刚才几位同事已经分享了一些，指的是百度搭子这样的通用智能体，以及伐谋这样的专业智能体。企业通常可以拿来就用，也可以为这些智能体接入企业自己的数据、工具和系统，让它们更好地参与企业经营过程。

与此同时，每家企业都有自己特定的业务场景，而且积累了自己独特的知识、经验和方法，而这些往往才是企业竞争优势的来源。如果要让智能体真正做好这些特定场景中的任务，用好企业建立的优势，就得有第三类选择：定制智能体。客户可以在百度 AgentBuilder 开发平台上定制自己的智能体。这个平台和百度搭子用的是同样的 ReAct 架构，这样客户搭建的智能体就能够像搭子一样自主运行、持续进化。

面对复杂任务，平台可以通过动态编排多个子智能体，实现实时任务拆解、协作；通过上下文工程以及跨会话的记忆能力，智能体还能够保留任务背景、积累工作经验，使得它越用越好。平台还支持 Skills 的开发和安装，供这些智能体按需调用、快速复制。同时，平台还可以确保复杂的超长程任务能够持续推进、不被中断。

这三类智能体结合中国非常丰富的产业场景，就会对组织经营管理带来很大变化，推动更多组织成为智能组织。我来举几个具体例子。

我们有一个客户叫蓝海黑石，是一家国家级专精特新“小巨人”企业。他们的核心产品是锂电池水性胶粘剂，这是影响电池循环寿命的一种重要关键材料。这家企业每周都要做一个重要任务，就是原材料采购。过去每周做生产计划的时候，计划部门要看销售预测、做库存分析、提采购需求；采购部门要查价格、分析走势、制定策略，最后及时下单，保证供货。

每一种原材料都有一个最低库存安全线。买少了、补晚了，可能影响生产；买多了，又会占用资金和仓储空间。虽然原来有系统，但还是大量依赖人的经验和手工操作，很难保证供需匹配的时效性和准确性。

现在，蓝海黑石通过百度搭子的开发平台，定制了需求推演、采购决策和采购执行三个智能体，连接企业内部的 OA、ERP，甚至企业微信等系统。这样，他们就可以通过百度搭子调度这三个智能体，完成整个采购任务的闭环。过去这项工作每周需要计划部门和采购部门十多个人，累计投入 100 多个工时。现在只需要两个人，不到一个小时就可以完成任务。而且根据上线测算的效果，除了刚才说的人力节省以外，还会因为成本优化，给企业每个月、每个季度带来几百万元利润。

我们还有一个客户叫“海外海”，这是一家大型酒店和商贸集团。他们的酒店业务覆盖几十家酒店、几千个客房。在酒店经营过程中，有一个非常高频的核心任务，那就是给房间调价。价格定高了，可能影响入住率；价格定低了，即使满房，也未必能够拿到什么收益。所以这时候就需要酒店运营经理每天在 OTA 平台上手工比价、预估客流，再在系统里面给集团的几十家酒店配置价格，整个效率和效果全靠人的经验。

现在，海外海也在百度搭子的开放平台上定制了房价管理智能体，打通酒店管理系统和携程数据。每天它可以自动跟踪价格，在满房率、房价、运营成本之间找到一个最优解，自动调价。目前在海外海的试点门店里，客房收入平均可以提高 10%。而且更重要的是，这个智能体会根据每次调价的过程和结果，优化下一次的调价策略，所以效果会越来越好。

第三个案例是郑远元。这是一家非常受欢迎的大健康民生连锁企业，做的是特别接地气的服务。他们在全国有近万家直营门店。对他们来说，最核心的任务就是怎么让这些门店的服务做到同一个标准，保障好客户体验。过去他们主要靠培训、督导和人工抽查。现在，他们通过专业智能体意见和定制智能体，找到了更好的解决方案。我们来看一段视频。

Speaker 29  
你好，欢迎光临郑远元。这边请。

Speaker 30  
你好，我修一下脚。

Speaker 29  
我们从第一家门店到全国的 9000 家门店，走过了 20 多年。我们的技师师傅有男有女，有老有少，手上的经验也各不相同。但我们一直坚持一件事：不管客户走进哪一家门店，由谁来服务，标准都得一个样。

说起来容易，做起来却很难。以前我们管理门店靠手动记录，靠人跑。光是核查门店情况，就得在几个系统之间来回切换，一张一张表格翻，一项一项数据对。师傅的动作到不到位，还得有专人到现场查看。9000 多家店，光靠人这样跑、这样查，花了大量精力，却很难看得全、管得细。

现在使用了意见，只要业务人员输入检查需求，就能精准定位所在门店，省去了太多反复核查、沟通的时间。更重要的是，AI 要能跟我们一样看得懂现场、帮得上忙。比如我问意见，西安哪家门店服务好，哪些环节需要改进，很快就能得到结果。改进建议可以及时传到门店，快速纠正服务不到位的地方。哪些师傅表现突出，我们也能在意见里及时了解。有了具体的服务记录，奖励优秀技师更有依据。各家门店的好做法还能沉淀为集团共享的经验，9000 多家门店都能把顾客服务好，这个生意才能做得稳、走得远。

我们做的是最朴素的手艺活，顾客舒不舒服，靠的是师傅手上真功夫。我们想要的不只是万店同标，更是万店共进。

沈抖  
刚才这 3 个案例，以及前面几位同事分享的那些经验，让我们看到越来越多的智能体正在进入企业经营环节。企业要想放心地把这些任务交给智能体，就需要有一套能够支撑它们安全、可靠、规模化运营的基础设施：模型、数据和工具能够连接起来，记忆、权限和执行过程能够管理起来。

百度智能云要把这些共性的能力变成基础服务，让企业能够快速部署、稳健运营自己需要的智能体。具体来讲，百度智能云的千帆 Agent Infra 为这些智能体提供稳定、安全的运营环境，底层的 AI Infra 则为这些智能体提供强大的算力底座。

先来介绍千帆 Agent Infra。我们知道，模型是智能体完成任务的关键。为此，我们提供两类模型服务。第一类，我们作为模型服务商，给大家提供极致性价比的 MaaS 服务。第二类就是刚刚 Robin 发布的词元所，特点是中立可信，可以为所有 Token 供给方和需求方提供对接平台。

再往下是智能体的运行环境。智能体有个特点，有了任务才被唤醒，任务完成就该休眠。所以针对这种脉冲式、弹性的特点，我们的沙箱可以支持百万量级并发，而且可以在百毫秒内同时启动上千个沙箱。我们提供全链路可观测的能力，进一步深入系统，支持智能体效果评估和持续优化。同时，我们还为每个智能体提供唯一的数字身份，并配套安全防护，支持它们在特定边界内执行任务。

最后是资源层。针对智能体工作负载的特点，我们深度优化计算、网络、存储的组织和调度，支持百万量级高并发任务执行。

前面讲的 Agent Infra，是要支持智能体安全、稳定地运行。接下来是 AI Infra。随着智能体规模化应用，推理需求肯定会越来越大。但是，要让智能体效果持续提升，企业就要不断训练、优化自己的模型。模型训练需求也会增加。所以不管是推理还是训练需求增加，都会对算力的规模和效率提出更高要求。

这时候就需要百度百舸 AI Infra。目前，百舸已经支持百度和行业内多个 SOTA 模型的训练和推理。以训练为例，现在模型训练的主流路径是强化学习，它非常依赖智能体在执行过程中的路径和反馈数据。围绕这些需求，百舸 AI 计算平台面向 Agent AI，全面提升了强化学习能力。

首先，我们可以做到大规模、高并发，在分钟级拉起 200 多万个沙箱，快速提供智能体的运行环境。第二，我们可以做到极致吞吐，最大程度减少每一轮训练迭代消耗的时间。第三也很重要，就是训推一致。我们要把训推差异控制在万分之一，充分保障强化学习的稳定性。这目前是业界顶尖水平。

这套能力已经支持百度内部多个模型和智能体形成闭环。比如刚才大家看到的百度一镜，我们把数字人直播中积累的经验转化为训练数据，再通过强化学习不断提升数字人的直播效果。

百舸这套能力离不开硬件，尤其是芯片的支撑。今年，我们新一代昆仑芯 M100 已经如期上市。基于昆仑芯片的天池超节点已经在全国各地进行了多个千柜级部署，实现了全栈国产化。截至目前，我们已经累计为客户交付了 30 多个昆仑芯集群，以及多个多芯集群。

今天我们更进一步，全新发布百度天池 1024 卡超节点。这个超节点将在明年推向市场。它采用业界最领先的光引擎技术，能够使数据实现光互联的极速传输。相比上一代，它的卡间互联带宽提升了 3 倍，大幅提高吞吐。这样可以使训练性能提升 2.5 倍，推理性能提升 3 倍。

我们在其中采用了 G1.5 显存加速柜，能够显著提升缓存读取带宽，让模型更快地生成结果，而且长上下文的推理性能可以提升 2 倍。面对反复使用的上下文，G3.5 KV Cache 加速柜可以把相应计算都缓存下来，减少重复计算。在缓存命中的多轮对话场景下，首 Token 等待时间可以缩短 90%，吞吐可以提高 7 倍。

这样一套 1024 卡超节点，可以支持 5 万亿参数模型训练，而且有非常好的可扩展性。单套就可以拓展到万卡规模。通过新一代 HPN 架构升级，我们最大可以搭建 50 万卡的超级计算集群，足以支持下一代超大模型训练。同时，我们还在加速建设 AIDC，推动这些超节点和集群更快落地，为中国企业提供更具性价比的算力服务。

这就是百度智能云：底层 AI Infra 为全行业提供更强大、更划算的 Token；中间的 Agent Infra 可以让智能体稳定、高效地用好这些 Token；最上面是这三类智能体，可以帮助企业执行任务、创造价值、完成进化。

在这个过程中，只靠我们自己是不够的，所以我们在算力、技术、平台每一个维度都会保持开放，与合作伙伴共建共赢。以智能体上的合作为例，我们相信合作伙伴才是真正懂行业、能够跑完最后一公里为客户创造价值的人。伙伴既可以通过插件、Skills 工作台这样的方式，把自己的专业能力接入搭子，服务更多客户，也可以基于搭子定制自己的智能体。

比如杭州知书，他们最懂图书馆，和搭子一起做了懂图书馆的智能体 Libmate，可以帮读者找书、办事，也帮管理员选书、管书。

正是基于刚才讲的这些云基础设施，我们跟伙伴一起广泛合作。我们既要服务好客户今天的任务，更要陪这些客户去看更广阔的明天。东方空间是国内一家头部航天科技企业。今年 9 月，他们成功完成了一箭九星发射任务。面向未来，他们希望把高效算力和智能体结合起来，让更多工程设想有机会变成现实。下面我们看一下他们的探索之路。

Speaker 31  
5、4、3、2、1，点火。

一束烈焰托举起属于这个时代的重量。火箭突破引力的关键，是数秒间爆发的加速度。在这背后，是几千人的协同、几万个零件的精密配合。排产、工艺、物流，不断增长的工程复杂度，正挑战着人脑带宽与组织协同的极限。

全球商业航天的竞争正在不断加速，技术创新也要挣脱看不见的引力。当 AI 与智能体进入复杂的航天工程，新的解法正在被打开。

Speaker 32  
我们和百度智能云的合作，也是希望把这些新的想法往前推进一步。有了更高效的算力支撑，再加上智能体不断尝试、持续优化的能力，未来就有机会解决更多、更复杂的工程问题。

Speaker 31  
当地球的万有引力被一次次突破，推动航天进程的不只有发动机的物理推力，更有组织协同进化释放的无限潜能。中国商业航天的下一幕，由智能组织开启。

沈抖  
从电力、电机，到计算机网络，再到今天 AI 时代智能云基础设施的发展，总是与组织的进化相辅相成。百度智能云从开展业务的第一天就坚信人工智能的力量，始终坚持 AI First。

感谢大屏幕上的这些客户，以及千行百业里我们正在服务的客户和正在合作的伙伴。是大家的信任，让我们一起见证了过去 10 年人工智能的成长和价值。我们会继续努力，不断摸高智能的上限，夯实智能的应用，让我们一起见证下一个 10 年智能组织的进化和腾飞。谢谢。

Speaker 33  
人类的追光之旅持续了上万年。从第一簇火到第一盏灯，这一次有人追到了天上。追上太阳只是第一步，真正的难题是让天上的卫星学会思考、看懂地球。

Speaker 34  
我们正在做的是让卫星先实现天数天算。在此基础上，把遥感多模态大模型送上太空，让卫星从拍照片的传感器变成能读懂地球的智能体。未来，答案可能分钟级就送回地面，第一时间给到需要的人。

Speaker 35  
这个过程中，百度智能云为我们提供了高性能、稳定可靠的 AI Infra 技术能力，支持模型在地面训练和推理，未来我们会在星上进行部署。

Speaker 34  
天数天算的下一步，我们还有地数天算。我们计划把数据中心搬上太空，到 2035 年建成集中式吉瓦级超大规模太空数据中心。到那个时候，地面的数据也能上太空计算，全球任何一个角落都能像现在用水用电一样，获得 7×24 小时的太空算力，支撑更多智能组织释放价值。

Speaker 35  
我们也在和百度一起进行国产算力芯片昆仑芯的在轨部署探索和验证，把基础设施建在太空，把计算的价值带回地球。

Speaker 34  
从一颗星到一片星座，再到一座太空数据中心。太阳不停转，智能永不眠。

Robin Li  
百度一直是一家相信技术，并且愿意对技术进行长期投入的公司。昆仑芯就是我们坚持十多年投入产出的成果，它的商业价值现在也越来越得到广泛认可。

同时，我们也看到行业需求正在发生结构性变化。过去 AI 的算力需求主要还是以训练为主，而现在是训练和推理并重的格局。尤其是智能体应用的规模化，带动了推理需求的大爆发。我们相信，推理将成为 AI 芯片长期持续增长的主要推动力。

在推理领域，国产 AI 芯片具备很强的适配性和竞争力，获得越来越多客户认可。昆仑芯在芯片性能、软硬件协同、主流模型和框架的适配和兼容，以及大规模部署方面都有坚实的业绩证明。另外，在百度的 AI 生态当中，昆仑芯是星云模体全栈 AI 架构里重要的一环，4 层架构之间紧密协同、端到端优化，降低推理成本，服务上层应用。

昆仑芯离最先进的云基础设施近，离最先进的模型近，离最前沿的应用和智能体近，因而能够设计出最代表未来需求的 AI 芯片架构。下面请昆仑芯的研发负责人戚唯给大家分享。

戚唯  
大家好，我是戚唯。刚才 Robin 提到，算力的需求正在发生结构性变化，我们也看到了三大极其明确的趋势。

第一，存储越来越重要。推理效率越来越取决于数据存不存得下、动得快不快、复用得好不好。第二，Prefill、Decode 等场景对底层芯片提出了差异化需求，未来将告别一芯打天下的局面。第三，大模型按月发展，而半导体则以年为周期，这种结构上的失衡需要系统级架构创新来追赶大模型的步伐。

昆仑芯也一直在思考，随着 AI 大爆发式发展，未来的计算系统究竟长什么样？从单机八卡到超节点，是计算能力拓展了它的边界。Agent 时代，计算能力更不应该受限于单个板卡或者单个机柜。我们认为，应该在更广的维度重新定义超级计算能力。将来，任何一个任务都可以根据需求，透明地从全网调取所需要的计算、存储、处理器，然后以微秒级网络延迟将这些资源连接，成为一颗新的 AI 计算超级大脑。

作为这颗超级大脑核心的 GPU 芯片厂商，我想和大家分享一下我们的布局与实践。首先，在核心 GPU 计算芯片上，我们将保持高强度研发投入，力争每年都能推出兼具极致性能与最优 Token 成本的产品。

2024 年，基于 P 架构的昆仑芯 P800 开始迈入商业化。今年和明年，基于 M 架构的两颗芯片将推向市场，其中 M100 主打极致性价比，而旗舰款 M300 则在计算、存储、互联方面实现全方位能力跃升。我们在开源大模型上做了一组测评。在低毫秒级延迟下，受益于计算带宽与互联能力，M300 的单卡吞吐在 8 毫秒延迟下相比 T800 提升了 6 倍。而在更极致的 6 毫秒延迟下，吞吐提升将进一步达到 10 倍。

2028 年，基于全新 N 架构的多颗芯片将推向市场，精准匹配不同场景。未来我们也将持续突破芯片的计算边界。

在系统层，我们秉承开放共赢，携手上下游合作伙伴，极致挖掘系统性能，实现 Token 经济化。首先，在计算节点，正如沈抖博士提到的，基于昆仑芯 P800 的超节点已经实现规模量产。在 MoE 场景下，更多专家通信通过 XPU Link 加速，可以让系统性能提升 1.8 倍。

在存储方面，我们会携手客户和存储芯片厂商，共同打造基于 XPU Link 的统一存储池。在长上下文场景下，更多数据可以高带宽访问这个存储池，系统吞吐将达到 5.3 倍。在核心互联方面，我们将携手上下游共同推进 NPO、CPO 方案演进，打造更大通信域、更高带宽、更低互联时延的高速互联网络。

经过多年积累，昆仑芯从支撑互联网数亿用户的智能应用，到助力能源、电力、金融行业提效，再到手机里的智能影像、自动驾驶的智能出行，应用场景正从数据中心走向千行百业，融入生活，点亮万家灯火。在此感谢所有客户与用户对昆仑芯的信任与支持。

有人问过我们公司为什么取名叫“昆仑芯”。我们认为昆仑山是中国的神山，我们想做好中国的芯片。这 15 年来，昆仑芯始终专注在做一件事情：让计算更智能，让算力创造价值。我们非常幸运，处在这样一个千载难逢的浪潮之中。我们将继续沉下心，把技术打磨好，把产品做好，把应用场景拓宽，成为中国人工智能产业发展的坚实支柱。谢谢大家。

Robin Li  
以上我们是按照星云模体的倒序，依次讲了百度在各个层面的技术进展和组织运转方式。但是我们一直认为，只有 4 层架构的技术都掌握，层与层之间相互适配、联合优化，垂直整合才能做出最有价值的产品。百度是为数不多的 4 层 AI 技术全部具备领先优势的公司。

这一点体现得最明显的其实是无人驾驶。无人驾驶也是百度坚持了十几年的技术方向。今天的具身智能，我认为大约相当于 2016 年前后的无人驾驶发展水平。百度的无人驾驶处在全球第一梯队，也经历过漫长的征程。

我们看到，全球无人驾驶行业正在快速演进。过去行业关注的是能否提供安全、舒适的乘坐体验；今天关注点已经扩展到无人驾驶能否可靠落地、能否规模化运营，以及能否更好地融入更广泛的交通体系。我们相信，无人驾驶将是人工智能技术竞争中不可或缺的一环，也非常相信萝卜快跑有着很好的发展前景。下面我们通过一段视频来看看萝卜快跑的最新进展。

Speaker 37  
مكتبة نحن غاضنة، يعني السيارة عائلية بامتياز.

Speaker 1  
فجأة إننا زي رغبة سيارة مش بتصق بسائق، وفيها جميع السيفتي والأمان حق عايزك.

Speaker 2
When I was in London, I saw self-driving cars testing on the streets, and I was very fascinated by them. I was so eager to try one out. It did everything I wanted.

Speaker 3
أنا قلت عندما أخرج من بيتي، كنت أقود سيارتي بنفسي، أما الآن فلم أعد أقدر على قيادة السيارة بنفسي. السيارة تأتي إليّ، وأخرج بها وأنا في راحة تامة. في داخلها كل الراحة والأمان، كأن فيها سائقًا يفهم ويعرف الطرق. إنها سيارة عجيبة.

Speaker 4
我们刚坐完一天的飞机到站，肯定也很累。不用出机场就可以租无人驾驶车，我们出来之后就可以直接坐，很方便。

Speaker 5
哇，真凉快。

Speaker 6
路过一个村庄的时候，有个牧民赶着一群羊在马路上。萝卜看到之后，很平稳地直接刹停了。

Speaker 7
租了这个无人车，你就放心地玩。它该找你的时候就找你，该去充电的时候就去充电，该去泊车的时候就去泊车。太神奇了，全程无忧，像个管家一样。

Speaker 8
对对。

Speaker 9
日常生活中，我们要找到一辆车，对视障人士来说太困难了。萝卜快跑有一个鸣笛找车的功能，手机靠近车门，它就会自动解锁。

Speaker 10
你好，萝卜，开始行程吧。

Speaker 11
拍摄期间，乘坐了126次萝卜快跑，看到了城市的成长和变化。安全永远是第一位。

Speaker 12
萝卜让我拥有了平等、包容、自由的出行体验。

Speaker 13
萝卜快跑让我能自驾游，而且游得很好。

Speaker 14
我比较喜欢有私人空间。

Robin Li
刚才这段视频来自全球不同国家、不同城市、不同人群。他们的出行都在发生着同样的改变。很多人跟我说：“我想买一辆萝卜。”今天我可以告诉大家，你现在至少可以去租一辆萝卜。

萝卜快跑和神州租车的团队携手，把传统的租车服务和无人车深度融合，开创了目前全球唯一的无人车租车模式。这个模式已经运营了超过一年。现在大家去海南游玩，不仅可以打到无人车，也可以租到无人车。

今天，萝卜快跑已经覆盖全球28个城市，无人驾驶里程超过3.5亿公里，其中完全无人的里程是2.4亿公里。早期我们很多时候还是有安全员的。这些数字，是用户每一次出行积累起来的信任。

在香港，我们获批了全球右舵市场首个车内无安全员的全无人测试。在阿布扎比、迪拜，我们启动了全无人的商业化运营。在瑞士、伦敦，也已经开启了公开道路测试。从中国出发，向世界抵达。无人驾驶的中国方案正在加速驶向全球。

接下来，我们来连线一下迪拜，让我们看一看萝卜快跑在迪拜的运营情况。江滨，是吧？

Speaker 2
对。

Robin Li
江滨你好。

Speaker 2
你好，我是江滨。

Robin Li
你现在是在迪拜，对吧？迪拜跟我们有4个小时的时差，现在算是迪拜的早高峰吗？

Speaker 2
不是，现在迪拜早上7点多。我正在等我的萝卜，然后去海边晨跑。

Robin Li
去晨跑？

Speaker 2
对，我的萝卜来了。你看，后面还是哈利法塔。这次中东之行非常棒。我去年和大家一样，在世界大会上认真听会。听会之后，我也很荣幸能成为咱们萝卜快跑的全球体验官。

这次有机会来到迪拜深度体验，带大家真正实测一下咱们在迪拜的行程。我已经准备好了，上车了。现在我在屏幕上滑动一下，它就往前走了。这两天我比较习惯让萝卜送我去跑步，或者去周边的博物馆游玩。现在车子已经平稳地开起来了，非常丝滑。

带大家看一下周边的景色。前面是迪拜的清真寺，我们前面会右转，之后会进入美丽的朱美拉大道，离我的跑步地点比较近。

有了萝卜以后，我基本上不用蹩脚的英语跟国外的司机沟通要去哪儿。我可以很从容地想去哪儿就去哪儿，因为有萝卜，不需要沟通。转过来，朱美拉大道这边是迪拜的别墅区。

前几年，我对公司出海的事情还有一些顾虑。这次来到迪拜之后，跟萝卜团队进行了深度交流，发现非常成功，所以我也打消了很多出海的顾虑。世界大会现场的小伙伴们，如果有出海的打算，也欢迎来到迪拜跟萝卜团队互动和交流。

Speaker 2
有了这样的成功经验，咱们会比较从容。我看现场这个车也不算少。

Robin Li
是的。

Speaker 2
对了，Robin，我想问一下，最近我在这边天天都打萝卜，很习惯。咱们在国内有卖萝卜吗？如果有卖的话，我想预约两辆，一辆自己开，一辆给闺女。自己看着，让它送我上班之后，就能够帮我挣钱去了，这多棒啊！Robin，我也希望萝卜能够早日向C端售卖。

Robin Li
现在还不行，因为很多地方不允许萝卜去跑，我们只能在很限定的范围里跑。这样大家买了的话，用处是不大的。但是我刚才讲了，在海南你可以去租一辆萝卜，因为海南全岛都是开放的，哪儿都可以跑。

Speaker 2
好的好的。如果能卖就最棒了。

Robin Li
我相信这一天会到来的。非常方便。到那个时候，大家每个人都可以买一辆萝卜，自己需要的时候自己用，不用的时候让它出去给你赚钱，接单赚钱，把这个商业模式跑起来，大家都一起拥有更多的萝卜。

Speaker 2
对，非常棒。你这次打车的行程全程多少公里啊？

Robin Li
行程是55公里，由萝卜带我去。这样不用沟通，在车里面也比较自由，想拍照就拍照，想处理点事情就处理点，因为国内还是有时差。

Speaker 2
远处那个是哈利法塔吗？

Robin Li
是的，远处这个是哈利法塔。今天的天气比较清楚。

Speaker 2
对，非常棒。今天的天气适合跑步。

Robin Li
是的。这次体验也非常好，尤其是中东的博物馆，跟其他地方确实不太一样，高科技体验拉满。所以大家有机会可以来一下。我觉得中东对中国企业还是很友好的，我们萝卜的车进入中东都没有问题。刚才你也讲了，你准备做全球化、国际化的业务，是吧？

Speaker 2
是的。

Robin Li
好，那也祝你的全球化业务成功。

Speaker 2
好的好的，谢谢Robin。

Robin Li
好，谢谢你。时间关系，我们连线就到此为止。

Speaker 2
好的好的，谢谢Robin，再见。

Robin Li
好，再见，再见。

我们看完了萝卜快跑，今天主论坛的内容也接近尾声了。今天我们谈了为什么下一幕是智能组织，还谈了组织进化的三原则，分享了百度内化AI能力、打造原生组织的实践。我们希望百度的新云模体全栈布局，可以更好地帮助企业和合作伙伴实现智能组织转型。

我们试想一下，当智能组织的基本单元从岗位变成任务，当个体智能变成组织智能，当智能组织能够自我进化，企业会迎来什么样的机会？我们认为，智能组织将迎来三大机会。

第一个机会，是轻资产运营的机会。当一个人或者很少的人可以带着一群Agent完成各种各样的任务，人力资源就不再是企业扩张的瓶颈，迭代的速度也会大大加快。同一件事，企业甚至可以并行做很多很小的实验，而不是一次只押注一个团队。这样的组织就可以轻装上阵，灵活地探索增长机会。

第二个机会，是构建新的护城河。企业里都有一些顶尖销售、王牌产品经理。把他们个性的、隐性的经验沉淀为可以复用的数字资产，再封装成智能体模块，然后在全球范围内毫秒级部署，7×24小时运行。同时，拥有不同技能的顶尖员工，他们的隐性经验显性化之后，还可以相互借鉴、融会贯通，使集体智能超越个体天才。

另外，企业可以在行业通用能力之上，叠加自身独有的知识、上下文和文化理念，从而形成难以被复制的竞争壁垒。

第三个机会，是创造和发现新市场。我们现在处在一个快速的技术迭代和变革周期当中，新业务、新模式、新流程很少能够一次都做对。但是，能够自我进化的组织会形成一个闭环，它能够感知变化、快速实验、持续学习、规模复制。

这种闭环可以在任务网络当中自然试错，失败成本极低，迭代速度又非常快。不但可以快速筛选成功的路径，还能够快速放大成功的路径。企业创新从依赖少数创新部门，转向全组织并发探索，因而更有可能发现和创造新的市场，培育新的增长曲线。

所以，现在就是推动组织智能化的时刻。百度愿意和大家一起重新理解组织、重新设计组织、重新创造组织。让我们从一项项关键任务开始，从一个个核心场景开始，从一条条业务流程开始，让改变发生，让组织智能。让我们在组织变革当中赢得主动，在智能进化当中赢得未来。谢谢大家。

今天我们相信，下一幕是智能组织。人工智能技术形成独立技术栈，新云模体四层架构逐步形成，组织成为AI时代的新厂房。打破岗位边界，以任务为中心，释放组织活力，沉淀隐性知识，构建组织智能。持续累积，人人可用，设计流程闭环，可衡量加 looping，推动组织持续进化。智能组织将迎来三大机会：轻资产运营的机会，构建新的护城河的机会，创造和发现新市场的机会。让改变发生，让组织智能。
