AI 圈最近有一种很魔幻的氛围。
一边，中美科技大厂们疯狂晒 Token 消耗——有的宣布自家大模型日均 Token 使用量突破百万亿，有的忙着给年消耗超万亿 Token 的客户发奖杯，还有的发起 Tokenmaxxing 竞赛，对公司员工「烧 Token」量进行实时排名……仿佛谁消耗得更多，谁就更接近 AGI。
另一边，越来越多用户开始发现：AI 越来越能聊了，但不一定越来越有用。有人让 AI 写周报，结果改了 40 分钟；有人让 AI 写稿，却发现文思泉涌背后暗藏逻辑陷阱；有人挂着几十个 Agent 工作流，烧了大几百块钱的 Token，产出却一言难尽。
于是，一个新问题开始浮出水面：当 AI 跳出聊天对话框、化身生产力效率工具，我们究竟该如何衡量 AI 的价值？
在 Create 2026 百度 AI 开发者大会上，李彦宏给出了一个颇具非共识意味的答案：DAA。所谓 DAA（Daily Active Agents），即日活智能体数。
相比过去移动互联网时代的 DAU（Daily Active Users，日活用户数）、AI Agent 爆发初期的 Token 调用量，DAA 关注的不再是多少人打开了 App、用户跟 AI 聊了多少轮，而是有多少 Agent 在给人类干活，并且交付结果。
这个观点背后，是 AI 产业价值锚点的一次切换。随着智能体开始具备自主执行复杂任务的能力，AI 的价值正在从「交互」转向「结果交付」。
若 DAA 有机会成为下一个行业共识，许多 AI 产业规则或许将被改写。
01 Token 只对成本负责 AI 价值急需新的度量衡
自 2022 年 11 月 30 日 ChatGPT 上线引爆全球 AI 热潮以来，每当 AI 行业行至每一轮关键节点，都伴随着行业对于新的度量体系的讨论，期待一个新的价值锚点的出现，但一直缺乏一个统一的标准。
从大模型训练参数量到沿用移动互联网时代的 DAU 去评估 AI 应用，再到 Agent 爆发初期的 Token，现在行业又到了形成「新共识」的前夜。
此时，李彦宏提出的 DAA ，一个值得关注的地方在于，它可能会改变整个行业看待 AI 价值的方式。
在大模型能力差距逐渐收敛后，市场一度将 DAU 视为衡量 AI 公司增长潜力的核心指标。在这个过程中跑出来的全球优等生便是 OpenAI，它用免费高性能模型吸引用户，目前周活用户已经突破 9 亿，其中免费用户占比超过 95%。
但现在，OpenAI 的营收和估值都被 Anthropic 反超，后者凭借 Claude 全系产品的「干活」能力脱颖而出。
a16z 在今年 3 月发布的数据显示，Claude 的移动端用户规模仅约为 ChatGPT 的近八十分之一，但市场按近几周数据推算的 Anthropic 年化营收即将突破 450 亿美元。而 OpenAI 的年化收入，截至今年 2 月底，刚超过 250 亿美元。
两家 AI 独角兽市场声量的一升一降，恰好揭示了一个日益清晰的事实—旧时代的 DAU 越来越难以准确衡量 AI 产品的核心价值。
这是因为，AI 并不是一个典型的注意力生意。
互联网平台的核心逻辑是尽可能占据用户时间，再将注意力二次售卖给广告主、电商商家或转化为增值服务。但抛开少数陪伴型 AI，大多数 AI 应用都需要帮用户「省时间」，用户只关心结果是否可靠。
另一方面，互联网产品每增加一个 DAU 的边际成本趋于零，但 AI 应用的规模效应并不明显，每一次调用都在消耗 Token，免费模型在快速堆高用户规模的同时，推理成本也会同步飙升。
认清现实后，OpenAI 传出内部正在弱化 DAU 指标的「纠偏」消息。
伴随 DAU 的失效，行业开始转向 TPD ( Token Per Day，日均 Token 消耗量 ) 作为替代指标，硅谷近期甚至掀起 Tokenmaxxing 竞赛。
毕竟大模型使用按 Token 计费，在跑出成熟的商业模式之前，用户消耗了多少 Token 很容易成为直观的指标。它直接关系着 AI 公司估值想象力。
但用 Token 调用量来衡量 AI 的价值，容易混淆过程成本和交付价值。Token 调用量仅能衡量 AI 的成本或者说 AI 公司的投入，并不能代表 AI 的产出价值，Token 调用量膨胀也有可能是执行路径不够短、模型不够聪明。
企业或许会为新技术阶段性的「想象力」买单，但不会永远为 Token 消耗买单。 当 AI 开始真正进入工作流，企业最终关心的还是它在降本增效上的本事。
比如 Uber 最近发现，公司今年头 4 个月，已经花光了 2026 年全年的 AI 工具预算，内部开始重新评估对 AI 的投入。此前还有科技行业高管提出，现阶段 AI 并未在劳动力成本上为企业节省开支，其实际投入反而高于现有员工的薪酬成本。
放之更广泛的社会层面来看，AI 要想真正实现技术普惠，从新鲜概念变成社会级生产力，它最终仍需要回到一个问题：到底替人干成了多少事。
百度便是在这一技术平权背景下提出的 DAA。相比 DAU 指标关注有多少人使用 AI、TPD 关注消耗了多少资源，DAA 关注的是有多少 Agent 在给人类干活，并交付结果。
它将 AI 的价值判断从流量逻辑和成本逻辑，拉到生产力效率和价值创造的标尺下。每天有多少 Agent 在真实场景中被激活，又有多少 Agent 真正完成了任务闭环，这些都可以具体衡量。
对于 AI 行业而言，DAA 能够有效衡量 Agent 是否真正落地为价值创造。AI 公司的估值也将从单一的算力消耗规模转向有效产出规模，从而打开更具想象力的增长叙事空间。
相较之下，Token 更像一个阶段性指标。
02 DAA 究竟要改变什么？
从 Token 到 DAA，是 AI 行业走向更加「务实」的一个写照。
「以 Token 论英雄」的姿态背后是一种惯性思维：只要调用足够多，产出自然会增长。但如果直接关注 DAA，AI 产出将从不可知转向可预期、可规模化。
AI 公司卷「交付结果」的结果，是生产力的深度释放。Agent 们越能干、交付的结果越好，AI 时代跑出超级个体的概率和绝对数量就越大。
在 Create 2026 大会上，浙江温州 8 岁小学生扑满用自己的脑洞实践，宣告每个朋友也能成为「超级个体」。扑满自己并不会写代码，但他借助编程工具「秒哒」，用自然语言生成了一个校园互助打伞程序「哒哒打伞」。
之前，遇到放学下雨，他们班没带伞的同学，会在教室走廊上喊一声：「我要打伞。」带伞的同学就会问：「你东门还是西门？」顺路的同学「接单」后，家挤在把伞下、拼伞出校。
接触秒哒后，扑满开始琢磨：能不能做个全校的「滴滴打伞」喇叭，作为同学之间的雨天互助提供信息撮合平台？
他把想法、玩法都输进秒哒，很快得到一个可以直接用起来的小程序。同学只要选好时间、起点，是想搭伞还是来打伞，就开始进入匹配环节。
这个创意看起来特别「微小」，但在雨天，它为没带伞的每一个同学提供「托底儿」。
在工作场景，百度智能云旗下的通用智能体 DuMate 也在朝着打造职场超级个体的方向发力。全新发布的 DuMate 进化成一个统一的入口，通过集成搜索 AI API、秒哒、伐谋等百度核心能力，进而实现接管工作流。它能够看懂屏幕、操作软件、处理文件、串联业务系统。用户只需一句话，DuMate 便会自动拆解任务，并跨平台执行。
有一位电商服装品牌创始人，过去需要同时兼管客服、销售运营、市场宣传三种角色。如今，DuMate 像「三个数字员工」一样并行开工，同时完成处理客诉、分析销售数据、生成营销页面等多项任务，该创始人得以将更多精力专注到产品设计上。
当 AI 进入生产力领域，超级个体也会成为超级组织的组成部分，人和智能体的混合编队将成为未来组织的主流结构。公司 CEO 们下一个阶段的关注重点，有可能要从督促「全员用 AI」变成「智能体优先」，究竟有多少 Agent 跑在工作流里？一个 Agent 每天完成多少任务、交付多少结果、替组织节省多少协同成本，都会逐渐变成新的管理指标。
未来，组织间的竞争有可能从「人效竞争」进一步走向「人机协同效率竞争」——谁能更早建立 Agent 优先的工作流，谁就更有机会把 AI 从辅助工具变成真正的生产力。
这也是百度在上述大会上提出「自我进化」的原因之一。按照李彦宏的说法，自我进化包含三层：智能体的自我进化、个体的自我进化，以及企业组织的自我进化。智能体从被动响应走向主动执行，个体从普通人走向超级个体，组织则从人与人的协作，逐渐走向人与智能体的混合编队。
而 DAA 与「自我进化」其实是一体两面，前者回答了 AI 价值该如何衡量，后者回答了这种价值如何持续增长。
在定义 AI 价值度量新标准的同时，百度全栈 AI 产品体系也在加速自我进化—— DuMate 发布移动端 App，实现与 PC 端远程实时互通；秒哒 3.0 带来秒哒 App、企业版、APP 生成能力等系列发布；数字人智能体百度慧播星升级为「百度一镜」，从主要应用于直播带货场景的数字人，升级为以数字人为特色、包含直播、视频、实时互动等多形态的全场景数字人平台；自我演化超级智能体百度伐谋推出 2.0 版本，不再只是技术员的算法优化具，是直接面向业务专家，在企业生产排程、工艺优化、物流规划等领域实现全局最优决策……
通过这些 AI 产品助力一些人成为超级个体、超级组织的路径来看，尽管 DAA 还是刚提出的新概念，但其核心理念其实已在行业中有迹可循。个体、组织正在从关注 AI 使用逐渐开始关注 AI 果，未来 AI 行业或将走向按结果付费。
03 百度再当「预言家」？
从应用出发，从应用实践中提炼趋势并将其上升为方法论，也是百度屡次提出前瞻判断的根本原因。
自大模型爆发以来，百度多次提出「非共识」，并提前押注 AI 方向。在这些非共识变成「共识」的过程中，百度也成为行业公认的「能起大早」的 AI 公司。
比如 2023 年前后，在全球 AI 行业沉迷于「大模型参数竞赛」时，李彦宏强调模型的价值在于应用。这个观点在当时显得有些小众，但仅仅一年之后，行业风向就开始变化。
随着基础模型能力逐渐收敛，AI 行业开始从「卷模型」进入「卷应用」。2024 年时，大多数 AI 产品仍停留在聊天机器人阶段，但李彦宏已经开始密集谈论智能体，甚至直接给出预言，「智能体是 AI 应用最主流的形态」。
今天回头看，几乎整个行业都在朝这个方向狂奔，尤其在年初兴起的龙虾热潮中，智能体驱动 Token 消耗大幅增长。
而在 Token 消耗量一度被当做 AI 价值指标的时候，李彦宏又提出了 DAA 才是 AI 价值的度量衡。
在科技行业里，「非共识」本身就是一种稀缺能力。因为大多数公司更擅长追风口，而不是提前定义风向；而百度之所以能反复完成「前瞻—验证」的循环，核心是背后始终有一套长期投入的全栈 AI 布局作为支撑。
在 AI 领域，发明一个新词并不难，难的是让它真正跑进产品、场景和产业，成为某种「共识」。DAA 也是如此，要想成为 AI 价值的度量衡，前提是有足够多真实运行的 Agent、有足够多任务场景、有足够稳定的底层能力来承接。
以此反观百度的 AI 战略——从底层昆仑芯、智能云到模型层、智能体应用的新全栈布局，恰好为 Agent 的大规模运行，提供了完整的技术验证和趋势加速作用。在芯、云、模三层基础设施之上，DuMate、秒哒、伐谋、百度一镜等 AI 产品，合力把 Agent 进一步推向真实业务场景。
在 Create 2026 大会上，李彦宏不仅提出 DAA，还进一步判断，未来 DAA 规模或将达到 100 亿。这意味着每个人、每个组织都可能创造和调用大量 Agent。
或许，未来的 AI 普惠就是人人都能拥有一组「数字员工」：一个普通人，可以借助 Agent 完成写作、编程、设计、数据分析等工作；一家中小企业，也可能通过 Agent 补齐过去只有大公司才具备的研发、营销、客服和运营等能力。
AI 不只是巨头之间的军备竞赛，也可能成为普通个体和小组织的生产力杠杆。
拉长时间轴来看，若 DAA 有机会成为下一个阶段的通用标准，AI 商业模式、产品设计以及竞争格局都将直接受到影响。
未来可能会涌现更多按任务定价的 AI Agent，反过来驱动 AI 厂商去优化任务成功率。当 AI 从卖工具转向卖服务效果，买家购买确定性，卖家也保有高议价空间。类似于从卖芯片到卖解决方案，AI 厂商的服务深度将加强。
产品形态上，AI Agent 可能逐步从对话入口，演变成任务管道或直接设计成任务面板，像 DuMate 这样的多 Agent 并行模式将成为标配。
AI Agent 公司可能从卷模型能力、卷性价比转向卷任务履约率，大批有特长的 Agent 平台会先吃到红利，比如擅长编程的 Claude Code，在最近六个月内的年化收入已经达到 10 亿美元。
在这个意义上，DAA 更像是 Agent 时代的方向盘，而那些率先理解并实践 DAA 逻辑的公司和个人，将更有机会在新周期中占据先机。
每一轮技术革命，最终胜出的，都是那些敢于提出新范式、并持续推动体系化创新的玩家。尽管 DAA 现在仍然是一个新概念，能否成为行业通用标准还需要更多实践验证，但它至少提出了一个足够关键的问题——
当 AI 进入 Agent 时代，我们究竟在为什么买单？这个答案，应该是价值。
广瑞网提示：文章来自网络，不代表本站观点。
