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。

▲ChatGPT高居生成式AI移动端月度独立访客数榜单第一的成绩，而Claude甚至没有进入榜单，但后者营收已超过前者。

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，宣告每个⼩朋友也能成为「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⼩程序「哒哒打伞」。

▲8岁「小孩哥」扑满向李彦宏演示自己用秒哒制作的应用

之前，遇到放学下雨，他们班没带伞的同学，会在教室走廊上⼤喊一声：「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，⼤家挤在⼀把伞下、拼伞出校⻔⼝。

接触秒哒后，扑满开始琢磨：能不能做⼀个全校的「滴滴打伞」⼤喇叭，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。

▲DuMate制作海报和商品展示图

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，不再只是技术⼈员的算法优化⼯具，⽽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结果，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。

▲百度新全栈AI云

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。