今年 4 月，AI 行业出现了一组让投资人坐立难安的数据：Anthropic 年化营收突破 300 亿美元，正式超过 OpenAI 的约 250 亿美元。

但反常的是，据第三方机构估算，Claude 的月活用户仅约为 ChatGPT 的 2.44%。以及，Anthropic 的模型训练投入只有 OpenAI 的四分之一。

更低的投入、更少的月活，却做到了更高的收入。

按移动互联网的 DAU（日活用户数）铁律：用户规模越大、网络效应越强、商业化效率越高。然而，这套曾催生微信、抖音、拼多多的逻辑，已无法解释当下的现实。

Anthropic 80% 的收入来自企业端，超千家企业年付费超百万美元；OpenAI 虽坐拥 9 亿周活用户，多为写作业、写周报、闲聊的免费用户，维护流量需要天价的推理成本。C 端流量漏斗和 B 端订阅引擎的真实差距，说明 DAU 不再适合作为 AI 时代用以度量价值的尺子了。

今年 4 月底，百度发布通用智能体 GenFlow 4.0 时，披露了一个新的计量数据：一年四轮迭代的 GenFlow 月任务交付量高达 2 亿次。不是普通的对话、点击量，而是 PPT 生成、数据报表、文档处理这类实际落地任务的完成量。

“任务交付”突然就成了房间里的大象，它直接把那个本应该被所有人看见的问题推到台前：当 AI 开始干活了，你该用什么尺子来量？

DAA（Daily Active Agents，日活智能体数），是李彦宏在 Create 2026 大会上提出的一个新的度量单位。

DAA 的规则很朴素：每天有多少个智能体在真实场景中完成了至少一次任务闭环。所谓任务闭环，是指智能体不仅完成了与用户的交互，还切实产出了一个可交付的结果，比如自动完成了报销流程、生成了可用的数据分析报告、独立处理了一个客服工单。

简言之，这把新尺子，量的是“干了多少活”，而不是“来了多少人”或“烧了多少电”。它试图回答一个更本质的问题：AI 到底创造了多少真实价值？

这不是一次简单的指标更换。它背后反映的，是一种不可逆转的变化。

Token：成本单位，不是价值尺度

有人会问那 Token 呢？这不是大模型时代最热门的指标吗？

Sam Altman 在 2025 年 OpenAI 开发者大会上提出“万亿 Token 俱乐部”，一时风头无两，"Token 消耗量”被硅谷视为衡量 AI 需求的黄金标准。逻辑很简单：模型按 Token 计费，Token 用得越多，收入越高。

可以明确的是，Token 是当下最接近“共识”的基本单位。大概没有人能否认，一个日均消耗 140 万亿 Token 的行业，和一个日均消耗 1000 亿 Token 的行业，处在完全不同的发展阶段。"Token 消耗量”可以看作是大模型高速发展阶段大力出奇迹故事的一个注脚。

可到了 AI Agent 的阶段，"Token 消耗量”就不那么因地制宜了。打个比方，大模型是水坝，Token 是开闸放出去的水，衡量水量之后是不是应该度量一下，这些水究竟灌溉了多少良田、起到了多少作用。

正如全球权威咨询机构 Gartner 分析文章称：Token 消耗正在被越来越多的 AI 厂商视作反映 AI 规模、采用度和市场领导力的信号，但这一指标并不能有效体现业务价值、效率或可持续性。

无论企业还是个人，必然要回归一个朴素的追问：

烧了这么多 Token，到底有多少转化成了真实的生产力和业务价值？

这就是 DAA 的切入点。

DAA 这套新度量衡的底层逻辑不是另起炉灶，而是往 Token 这座地基上再搭一层楼。当 Token 消耗指数级增长，当企业的账越算越细，从业者们需要记录的就不再只是流水，而是每一笔流水对应的交付。

这件事在行业里已经有人开始做了。部分 SaaS 厂商开始在年报里同时披露 Token 消耗和任务完成数，两者的增速并不总是对齐。有的时候 Token 翻了三倍，任务完成数只涨了 50%。

这中间的差值，就是 AI 落地到产业时最现实的效率损耗。而 DAA 要做的就是把这部分不可见的损耗，变成可见的指标。

如果说 Token 让 AI 有了成本意识，DAA 的意思很明确：是时候补上价值意识了。

DAA 开始衡量 AI 的“交付”

DAA 的核心视角转换可以浓缩为三个对照：

DAU 看的是“来了多少人”：登录、打开、浏览，就算有效行为；

Token 看的是“消耗了多少”：模型推理了多少步，生成了多少字符；

DAA 看的是“干了多少活”：从“使用”转向“交付”，从“过程消耗”转向“结果产出”。

这不是换个名词的文字游戏。三种衡量方式的底层逻辑，分别对应着三种不同的商业世界观：DAU 是流量逻辑，Token 是成本逻辑，DAA 是价值逻辑。

DAA 之所以在这个时间点被提出，背后是 AI 智能体正在从实验品走向生产力工具的质变。

仅百度千帆平台，目前就已累计服务超 46 万家企业客户，支撑企业构建超 130 万个 Agents，覆盖智能硬件、制造、交通、能源等主流行业。当智能体数量以百万计、并行运作时，交付量就是最直观的产能指标。

关键在于，DAA 的价值并非停留在概念层面，它对于不同角色，有着各自精准的锚定效应。

对行业而言，DAA 校准了 AI 落地的评价标准。

过去判断 AI 成不成功，往往看模型发布时的跑分和榜单排名，或者看产品覆盖了多少用户。但这些指标距离实际的产业 AI 进化，隔着一层厚厚的模糊地带。

DAA 直接锚定任务交付，让行业有了一个统一、可比较的价值标尺。它把讨论从“谁的模型更强”拉回到“谁的 AI 真正在生产环境中跑通了闭环”，后者才是衡量技术落地程度的硬指标。

对企业而言，DAA 把增长逻辑从规模驱动拉回到结果驱动。

中小企业和传统行业客户真正需要的是“把事做成的 AI"，而不是一个 Token 消耗黑洞。DAA 让企业在采购 AI 服务时有了更精准的评估维度，不是模型参数大小，而是智能体实际任务交付情况。

更进一步，DAA 将推动组织形态的演变：当一家公司能够清晰计量每个 Agent 的产出时，组织设计、岗位定义、绩效考核都将被重构。未来每一家公司，在某种意义上都将成为 AI 智能体公司。

对个体而言，DAA 帮助判断 AI 是否真正成为可依赖的生产力工具。

一个人一天里跟 AI 互动了 100 次，但只有 3 次产出了有效结果，传统 DAU 会把他算作一个活跃用户，DAA 则会揭示出 AI 对真实效率的提升不足。

这把尺子倒逼 AI 产品从“让用户上瘾”转向“让用户有结果”，也让个体能够更理性地评估自己的 AI 投入产出比，进化为真正意义上的超级个体。

从更宏观的视角看，DAA 与 AI 普惠的命运息息相关。

移动互联网之所以创造了巨大的社会价值，本质上不是因为它有高 DAU，而是因为电商让交易效率飞升、社交让信息流通加速、支付让金融门槛降低。

AI 时代同理，如果整个行业只盯着 Token 消耗量和用户数狂欢，等泡沫退潮，留下的可能只是一地鸡毛的推理账单。必须从一开始就锚定真实有效的生产力指标，技术效益才能转化为社会红利。

李彦宏的进化论

风投机构 Benchmark Capital 的联合创始人安迪·拉奇夫，有一个著名的“非共识”投资哲学，核心思想模型是一个简洁有力的 2x2 矩阵，解释了为何“非共识”决策能带来超额回报：

正确且共识：人人都认同这是对的，竞争白热化，最终陷入同质化和价格战；

错误且共识：集体误判，典型如泡沫；

错误且非共识：别人都看懂了你没看懂，孤家寡人是有原因的；

正确且非共识：你看到的东西别人没看到，或不愿承认，这是唯一通往超额回报的一条路。

要把这个理论落到实处，百度和李彦宏其实是一个值得探讨的案例。近年来，当行业普遍追求参数规模、关注用户量时，李彦宏多次提出一系列“非共识”判断：

早期预判（2023 年 9 月）：率先看空单纯的“卷模型”，提出“卷应用”才是未来。

路线选择（2024 年 7 月）：在行业追逐“超级应用”高 DAU 时，提出“超级能干”比“超级应用”更重要，并“最看好智能体方向”。

中期定调（2025 年 3 月）：首次提出"AI 智能体爆发的元年”，强调“当 AI 能力被内化，智能就不再是成本，而是生产力”。

建立新标准（2026 年 5 月）：基于智能体的应用爆发，在业内首次提出以 DAA，即“日活智能体数”作为衡量 AI 价值的新指标。

这背后，是安迪·拉奇夫和彼得·蒂尔都推崇的长期主义，也是推动技术进步、穿越周期的真正内核。

从“卷应用”到“避开超级应用陷阱”，从“最看好智能体”到“智能体爆发元年”，从“倒金字塔”到如今提出 DAA，这些观点不仅印证了"起大早"的百度走在前面，关键是贯穿其中的产业定论：

AI 的终极价值不在技术本身，而在技术真正落地为生产力。

沿着这条思路再看 DAA 的提出，其实本质就是当 AI 能干活了，你需要一把能衡量产出而非投入的尺子。

那么，为什么是百度？为什么它能反复完成“前瞻—验证”的循环？

答案藏在底色里。

百度从 2010 年起深度投入 AI，自然语言处理、深度学习研究院、文心大模型，这条路走了十几年。它不是浪潮来了才上车的，它本身就是造车的。

这决定了百度看 AI 的第一性原理跟移动互联网时代的赢家不同：它更习惯从技术根系出发看应用长成什么样子，而不是从流量逻辑出发看技术怎么为流量服务。

李彦宏去年讲"AI 内化”今年讲“自我进化”，皆与此有关。甚至 DAA 度量标准的诞生，也是“自我进化”整体趋势下的水到渠成。

李彦宏提出，当下的底层基础设施，必须为智能体这个全新的主体重新搭建，方便智能体来调用。

为此，百度今年提出了“芯云模体”新全栈布局。具体拆分来看：

“芯”的层面，昆仑芯 P800 已完成规模化验证交付多个万卡集群，基于昆仑芯的天池 256 卡超节点已经在上个⽉点亮；

“云”的层面，百度千帆平台已支撑创建超 130 万个智能体，日均调用数千万次；

“模”的层面，最新发布的⽂⼼ 5.1 登上 Arena⽂本榜、搜索榜国内第一，预训练成本仅为业界 6%；

“体”的层面，以伐谋、秒哒、一镜、DuMate 等为代表的各类智能体，已实现多任务并行执行、自主开发应用甚至自我进化的能力。

这套全栈体系让 DAA 不是空中楼阁。“芯云模体”齐头并进，为 DAA 的规模化推广提供了底层保障。

尾声

每一轮技术革命，最终胜出的往往不是技术最强的玩家，而是那些敢于提出新范式、并用体系化能力把它落地的玩家，正如 19 世纪西门子那句判断，“谁掌握了标准，谁就掌握了市场”。

移动互联网时代，“用户数 + 使用时长”和 GMV 这些衡量标准本身就是生产关系的核心构件，它决定了资源往哪里流、资本怎么定价、玩家怎么竞争。

AI Agent 时代的序幕正在拉开。当智能体不再只是陪聊，而是真正开始干活，帮会计做账、帮律师审合同、帮工程师调代码、帮客服处理投诉，整个社会的生产关系都会被重塑。

如果说 DAU 是流量思维的终极体现，那么 DAA 就是效能思维的原生语言。

对资本市场而言，DAA 所锚定的“任务交付”将成为一个新的价值信号：

收入质量和用户粘性，不再取决于“谁吸引了最多眼球”，而取决于“谁的 AI 真正融入了生产流程”。

对普通用户来说，DAA 背后的超级个体思维，则意味着 AI 时代的创造力不再掌握在少数超级应用手中，而是分散到每一个能驾驭智能体的个人手中。

那些率先理解并践行 DAA 逻辑的公司和个人，将更有可能在新周期中占据先机。

特别声明：本文为合作媒体授权 DoNews 专栏转载，文章版权归原作者及原出处所有。文章系作者个人观点，不代表 DoNews 专栏的立场，转载请联系原作者及原出处获取授权。(有任何疑问都请联系idonews@donews.com)