百度近期在AI领域再掀组织架构调整浪潮，新设立的百度模型委员会（BMC）成为核心焦点。此次调整中，此前新成立的基础模型研发部（BMU）与应用模型研发部（AMU）将直接向BMC汇报，同时保留向CEO李彦宏的汇报线。这一双线汇报机制，标志着百度在AI研发领域构建起更灵活的统筹架构。
BMC的成员构成颇具特色，由一群对大模型有深刻理解的年轻研究员组成。这种人员配置并非简单的年轻化尝试，而是百度试图打破传统管理链条对技术判断的过滤。在大模型研发领域，模型路线选择、训练数据优化、算力分配策略等环节均需快速响应，若决策层仅依赖层层加工后的总结报告，极易错失关键技术细节。BMC的设立，正是要让一线研发判断直接触达决策中心。
回顾百度在AI领域的发展轨迹，其战略眼光向来领先。从智能音箱到自动驾驶，再到如今的大模型，百度始终走在技术前沿。然而，这种先发优势并未完全转化为市场胜势，"起大早赶晚集"的质疑声不时出现。以开源与闭源之争为例，李彦宏曾坚定看好闭源模型，这一判断在全球主流商业模型路径中确有依据，但当文心大模型的市场表现未能形成绝对优势时，该论断反而成为外界调侃的素材。这反映出百度在战略执行层面存在信息失真问题——组织惯性可能对研发进度、模型指标等关键信息进行过滤或乐观化处理，导致决策层难以掌握真实情况。
BMC的设立正是对这一问题的直接回应。通过构建独立于传统技术管理体系的大模型研发线，百度试图缩短信息传递链条，确保李彦宏能直接获取基础模型的真实能力、产品体验的实际反馈以及市场竞争的真实差距。这种调整带有明显的内部创业特征，BMU与AMU的协同机制便是典型体现：基础模型团队与应用模型团队不再各自为战，而是通过BMC实现研发与落地的统筹。例如，编程类应用的开发质量既取决于应用层设计，也依赖于基础模型的代码能力，这种天然的依赖关系需要通过统筹机制来保障。
在Create 2026大会上，李彦宏提出的DAA（Daily Active Agents，日活智能体数）概念，进一步凸显百度对AI竞争规则的重构意图。他认为，AI时代的价值衡量应从"人类访问次数"转向"机器完成任务量"，这一观点与移动互联网时代的DAU指标形成对比。然而，DAA的推行面临现实挑战：智能体数量可被快速扩张，但低质量智能体可能制造信息噪音。例如，社交媒体上的AI评论虽增加互动，却未必提供有价值的内容，反而可能加重用户的信息负担。这反映出，智能体的价值评估不能仅看活跃度，还需考量其实际任务完成质量。
百度当前面临的深层矛盾在于，组织架构可重建，但原生AI应用场景难以通过架构调整自然生成。百度App、搜索等成熟产品虽拥有庞大用户基础，但其功能与商业模式已固化，AI改造更多是功能增强而非颠覆性创新。Create 2026上展示的秒哒、DuMate等智能体矩阵，虽覆盖通用、代码、决策、数字人等多个领域，但仍需证明其能形成稳定、高频的付费应用场景。这种应用场景的缺失，将成为BMC机制发挥效能的边界条件，也是百度在AI竞争中必须突破的关键环节。
