作者 I 王彬

封面 I AI 生成

过去几年，AI 产业总喜欢用参数规模、算力或者 Token 消耗来证明 AI 的繁荣。模型越做越大，调用量越来越高，似乎就意味着 AI 离产业落地更近了一步。

但随着智能体时代的来临，这套指标似乎已不再有效。企业可以统计消耗了多少算力或者 Token，也可以标榜自己用了多大参数量的模型，却很难用这些数字来判断 AI 到底完成了多少实际工作、带来了多少真实回报。

智能经济时代，我们格外需要一把新的标尺。

7 月 15 日，《人民日报》刊发百度创始人李彦宏署名文章《为智能经济打造科学评价体系》，文章提出“日活智能体数”（Daily Active Agents，DAA）可以作为衡量智能经济实际应用和产出的重要指标。两天后的 WAIC 2026 上，IDC 发布行业首份《DAA 研究报告》，进一步将 DAA 定义为智能经济时代企业 AI 价值的新度量衡。

两个月前，李彦宏在百度 Create 2026 大会上首次提出 DAA 时，称这还是一个“非共识”的观点。彼时，全球 AI 产业仍沉浸 Token 的消耗竞赛中，DAA 更像是百度抛出的一个新概念。

如今，从《人民日报》的署名文章到 IDC 的研究报告，从科技企业对“Token 不经济”的反思到智能体在产业场景中的快速增长，DAA 或许正在逐步成为行业共识。

DAA 时代可能真的来了

“Token 不一定代表终局。”百度 Create 2026 大会开场没多久，李彦宏就在台上抛出论断。

他说，Token 只是代表成本但不代表收益，能够衡量投入但无法衡量产出。他提出 DAA 才是更有代表收益的度量衡，比无谓的 Token 消耗更接近价值和本质。

彼时行业对 DAA 的讨论更多体现在概念定义上，争论多于共识。但仅仅两个月后，行业就发生了明显变化。无论 DAA 是否被接受，Token 指标都已经开始松动。

7 月 15 日，《人民日报》刊发李彦宏署名文章。文章表面上是在讨论 DAA，但实际探讨的是全球 AI 竞争进入应用时代后最本质的问题：AI 到底该用什么来衡量？

《人民日报》刊发李彦宏署名文章

AI 价值的衡量标准至关重要，因为它直接关乎行业发展方向——我们到底要看重消耗，还是要看重产出？

现在，中国 AI 在模型竞争层面已经不落后于美国。在 AI 进入应用时代后，首先要争夺的就是 AI 价值的定义权。《人民日报》刊发李彦宏的署名文章，其实也代表着中国在全球 AI 竞赛中的一次 AI 价值标准的探索。

这也符合国家政策的引导方向。前不久，国家网信办、国家发展改革委及工业和信息化部联合印发《智能体规范应用与创新发展实施意见》。

意见尤其提出要“强化应用牵引”，推动智能体进入产业和民生等真实场景，赋能实体产业。这与 DAA 呼吁的以 AI 真实产出为评判的新价值标准不谋而合。

DAA 正在受到越来越多行业机构的认可。刚刚开幕的 WAIC 2026 大会上，IDC 发布《DAA 研究报告 》，进一步将 DAA 定义为智能经济时代企业 AI 价值的新度量衡。

IDC 发布《DAA 研究报告》

IDC 认为，DAA 并非突然出现的新概念，而是 AI 超级周期下企业价值衡量方式变化的结果。当 AI 从模型调用走向智能体执行，单靠 Token 已经难以判断 AI 是否真正创造价值。而 DAA 真正的价值，就在于衡量高质量智能劳动。

两个月前，李彦宏在提出 DAA 标准时曾预测，未来全球日活智能体可能超过 100 亿个。彼时大家可能还觉得数字有所夸大。现在，IDC 在研究报告中给出了相呼应的判断，认为 2026 年全球活跃智能体数量将达到 7940 万，到 2030 年将增长到 22.16 亿个。

事实上，智能体进入企业的速度可能已经超出很多人的想象。微软 CEO 萨提亚·纳德拉近日在访谈中透露，微软内部可能已经运行着约 2000 万个智能体。作为对比，微软全球员工总数也不过 22 万人左右，智能体数量已经是真人员工的百倍。

纳德拉真正关心的也不是这些智能体到底消耗了多少 Token 和算力，而是一连串更实际的问题。这些智能体都在做什么、真正产出了什么价值，又该如何管理他们？

微软没有正式采用 DAA 的表述概念，但已将活跃智能体数量作为评判企业 AI 智能化的重要指标，可以看作是对 DAA 价值的变相认可。

短短两个月，DAA 从百度提出的“非共识”概念，走进《人民日报》的智能经济讨论，又被 IDC 写入研究报告，并在全球科技企业的实践中得到侧面印证。它还未成为全球通行标准，但至少已经不再是一个孤立的概念。

DAA 时代，可能真的来了。

DAA 能为产业带来什么？

70 岁的老万在长白山拍了大半辈子野生动物，积累了超过 100TB 的视频素材。真正让他疲惫的并不是拍摄，而是每天对着红外相机和监控设备传回的画面逐帧筛选素材。

“我现在看素材比拍摄都累。”老万说。

后来，他用百度搭子创建了一个视频筛选智能体。只要说一句“帮我把视频中有野生动物出现的画面挑出来，建个新文件夹，再按我平时的习惯整理一份监测日志”，智能体就会自动筛选片段、建立文件夹并生成日志。

如果沿用 Token 指标，这项工作可以被描述调用了多少模型、消耗了多少 Token。但对老万来说，真正有意义的是，智能体替他看完了素材，并交付了一份可以直接使用的结果。

百度搭子

这也是 DAA 试图带给产业的变化，AI 的价值不能只看消耗了多少资源，而是要看它究竟完成了什么。

李彦宏发表在《人民日报》上的署名文章写道，“如果 AI 的价值标尺仅停留在‘投入了多少’‘消耗了多少’，就容易形成‘重投入、轻产出’的倾向。比如盲目追风，不顾实际应用搞大模型，一哄而上搞‘Token 排行榜’‘烧 Token 比赛’等。”

李彦宏认为，如果说 Token 衡量的是智能消耗，DAA 衡量的就是智能生产力。科学评价体系的意义，也在于引导更多资源从技术的自我循环，流向产业问题、真实需求和生产效率。

不过，产业也不能简单地把 Token 排行榜换成智能体数量排行榜。一家企业部署了上万个智能体，如果大部分任务都以失败告终，或者任务结果仍需员工重新修改，那么再多的智能体也没有意义。数字劳动力和人一样，不能只统计有多少人打卡，还要看工作完成得怎么样。

IDC 在研究报告中将 DAA 拆解为活跃规模、任务执行、结果交付、有效 Token、人机协同、治理与风险等六个维度。智能体数量只是起点，结合任务完成率、人工接管率、单位成本以及业务采纳率等指标综合考量，才决定这些智能体有没有创造价值。

《DAA 研究报告》还提出了 Token、DAA 与业务结果的三层价值框架。Token 记录资源消耗，是成本语言；DAA 衡量有多少智能体在工作，是生产力语言；收入增长、成本下降和效率提升，则是最终的财务语言。

企业由此可以看清一项 AI 投入的完整链路，到底花了多少钱、驱动了多少智能体、完成了多少任务，最后又带来了多少真实业务回报。DAA 并不是要取代 Token，而是把 Token 放回投入产出的正确位置中。

IDC 甚至为企业列出了落地智能体的大致时间表，前 6 个月建立指标认知，中间 6-18 个月进入平台化部署和运营，最后 18-36 个月再根据智能体调整组织架构。落地方向则可以先从高频、高价值、高风险和高协同任务开始，而不是一上来就追求数量。

如果单靠这套 IDC 给出的“DAA 落地价值公式”，你仍然无法找到一条合适的 DAA 产业落地方法，那么你或许可以参考下百度的实战经验。

老万利用百度搭子搭建的智能工作流是个人效率的提升，最新发布的百度搭子企业版，则试图将这种效率提升进一步放大为组织生产力的重塑。百度搭子企业版升级了共享协作、资产沉淀、流程打通以及安全与高可用等诸多企业优化功能，并在已在百度内部实践应用。

类似的价值验证还在百度内部不同产品中发生。WAIC 期间，百度智能体全家桶集中亮相。百度搭子获评“镇馆之宝”称号，在大会期间重点展出。秒哒将业务经验变成可运行的应用，生成应用累计服务超 3500 万用户。百度一镜把智能体带进内容生产，最新成果是首创数字人视频播客解决方案，实现质量与效率双提升。

支撑这些产品的，是百度从昆仑芯、智能云、文心大模型到智能体应用的“芯云模体”全栈能力。算力、模型和云服务解决智能体能不能稳定运行，应用层则检验这些能力能不能进入场景并创造结果。

百度昆仑芯

这些百度已经跑通的经验，也将会逐渐向行业外溢。对于产业而言，DAA 的落地或许并不需要从一套庞大的组织改造开始，也可以从一项具体的任务、一个智能体应用起步。

中国企业重新定义 AI 价值

硅谷的科技公司们已经在为 Token 指标的错判买单。

年初至今，包括亚马逊、Meta 等科技巨头一度在公司内部大搞 Token 消耗排行榜，员工为了冲榜毫无节制地调用模型，甚至为了上榜而产生大量没有实际价值的任务。

短短一个月时间，Meta 就消耗了超 70 万亿个 Token，大概相当于近 10 亿美元。荣登榜一大哥的选手，单月 Token 消耗量高达 2810 亿个，造成大规模的算力空耗。

一段时间的算力空耗后，亚马逊及 Meta 先后叫停了 Token 排行榜。亚马逊的高管不得不提醒员工，“不要为了使用 AI 而使用 AI。”

即便是那些没有大搞 Token 排行的公司，也被 Token 结结实实上了一课。

Uber 在年初给公司的 5000 多名工程师部署了 Claude Code，结果 4 个月不到就耗尽了全年的 AI 预算。Uber 首席运营官后来承认，Token 消耗与最终发布的有价值的产品之间，并不存在显著的直接关联。

越来越多美国科技企业开始给 Token 热潮踩刹车。Palantir CEO Alex Karp 公开批评大模型公司的 Token 计价方式，认为企业正在为大量没有转化为业务价值的消耗买单。Anthropic 旗下 Claude Code 及 Cowork 的团队负责人 Fiona Fung 也指出，行业正在从 token maxing （Token 竞赛）转向 ROI，真正重要的不是产出了多少内容，而是 output 最终有没有导向 outcome。

Token 当然是 AI 时代最重要的成本指标，但它显然不是合适的价值指标。如果只看重 Token，最终只会导致大量无意义的算力浪费。自 2023 年以来，单个 Token 的价格已经下跌超过九成，但大模型的算力支出却比去年底以来翻了一倍。

哪怕只看 Token，美国头部模型的优势也在松动。彭博社援引 OpenRouter 和 Exponential View 数据称，谷歌、OpenAI 和 Anthropic 三家美国公司的 Token 请求量占比，一年间从约 70% 降至 30%。以 DeepSeek 为代表的中国模型凭借更低价格和更快迭代，正在获得更多开发者调用。

彭博社统计数据

但中国 AI 如果只是把 Token 做得更便宜、获得更多调用，仍然没有跳出美国大模型公司设定的竞争框架。中国在模型层面的性能追赶已经取得进展，下一步更重要的是如何将技术优势转化为产业价值。

这也是当下行业重申 DAA 价值的意义所在。AI 竞争已经从消耗转向价值落地，Anthropic 能够凭借更小的用户体量以及更少的调用反超 OpenAI，一定程度上也是得益于 Claude Code 在真实任务场景中的价值优势。

李彦宏在《人民日报》的署名文章中提到，中国拥有全球最丰富的应用场景、最完整的产业链和最庞大的数字消费市场，每天都在产生海量真实需求。这既是中国产业能够更早认识到 DAA 价值的土壤，同时也是中国 AI 能够更快赋能产业、更早落地应用的独特优势。

百度率先提出 DAA，很大程度上也来自其长期的应用驱动路线。搜索、智能云、百度搭子、秒哒和一镜面对的，始终是 AI 能否解决真实问题，而不只是 Token 消耗的虚假繁荣。

这种应用价值也不只是体现在数字世界。WAIC 开幕前一天，萝卜快跑与哈萨克斯坦企业 Turlov Private Holding Ltd.（TPH）签署战略合作协议，计划在当地引入无人驾驶出行服务。这是中国无人车首次进入中亚市场。此前，萝卜快跑已经在迪拜、阿布扎比等多个海外地区落地运营，覆盖全球 27 座城市，累计完成超 2200 万次服务。

如果说 DAA 回答的是智能体时代如何衡量 AI 生产力和产出的问题，萝卜快跑解决的就是 AI 在物理世界的执行力问题。二者最终指向的是同一个判断，AI 竞争已经从能力展示进入到价值交付阶段，而百度正在率先成为全球 AI 价值的前瞻定义者和率先验证者。

正如李彦宏所说，“AI 不能只在实验室里‘刷榜’，必须到工厂车间里‘干活’。”AI 的价值不应该只停留在模型或者参数的比拼上，必须要回到真实世界，用真实的结果交付证明。

AI 的竞争远未结束，但下半场的比拼绝不会停留在参数和 Token 上。改变，或许就从 DAA 开始。