DAU已死，Token无用：李彦宏用DAA终结了AI的度量衡之争

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。