在人工智能领域，一场关于价值衡量的变革正悄然兴起。长期以来，Token消耗量被视为衡量AI繁荣的关键指标，但这种逻辑正受到越来越多的质疑。meta公司内部曾推行过一个名为“Claudeonomics”的排行榜，以30天为周期，对8.5万名员工的Token消耗量进行排名。结果令人咋舌：全员30天消耗了60万亿Token，榜首员工单月就消耗了2810亿Token。然而，这种以Token消耗论英雄的做法，并未带来实际业务价值的显著提升，反而导致了算力的空耗和资源的浪费。
Token消耗量之所以被质疑，是因为它仅仅反映了计算活动的规模，而非经济或战略影响力。Gartner的报告明确指出，Token消耗是衡量AI市场领导力的误导性指标。它发生在AI价值链的最早期阶段，远早于决策形成或业务成果实现。以Anthropic和OpenAI为例，Anthropic旗下Claude全系产品的日活跃用户数（DAU）总和仅为OpenAI ChatGPT的约2%，但其年化营收却在2026年初反超了OpenAI，从2024年的10亿美元飙升至2026年4月的300亿美元，5月更是达到440亿美元。这一反差背后，是两者不同的商业逻辑：OpenAI追求用户规模，而Anthropic则专注于高价值任务交付。
面对Token消耗量的局限性，行业开始寻找新的度量衡。在Create2026百度AI开发者大会上，李彦宏提出了“DAA”——Daily Active Agents，即日活智能体数。这一概念的核心在于，它不再关注“人用了多少次AI”，而是聚焦于“AI替人交付了多少结果”。DAA的提出，标志着AI产业从“堆算力”向“交结果”的范式转移。李彦宏直言：“Token不一定代表终局，它代表的是成本，不是收益。”这一观点得到了业界的广泛共鸣。
DAA与DAU、Token的区别在于，它衡量的是智能体的实际工作成果，而非用户的注意力或计算活动的规模。例如，一个智能体如果能够自动完成一份财报分析，那么它所消耗的Token可能并不多，但其创造的价值却远高于与AI闲聊一百句。这种以结果为导向的度量方式，更符合AI作为生产力工具的本质属性。Salesforce提出的AWU（Agentic Work Units，智能体工作单元）与DAA异曲同工，都旨在通过更少的Token消耗实现更多的任务交付。
谷歌在Agent时代的布局也进一步印证了这一趋势。在I/O 2026大会上，谷歌宣布全面进入“Agentic Gemini Era”，推出了一整套智能体基础设施，包括Antigravity 2.0编排框架、Gemini Spark个人智能体等。谷歌甚至专门为Agent设计了芯片和通信协议，以支持AI之间的协作。这一系列举措表明，谷歌正押注于一个未来：AI将不再是人与机器的对话，而是机器与机器的协作，人类只在关键节点进行决策。
要实现DAA的普及，离不开全栈基础设施的支持。百度的打法提供了一个典型案例：其昆仑芯3万卡级集群和天池256卡超节点为智能体提供了强大的算力底座；中国AI公有云市场连续六年第一的地位则确保了智能体的规模化运行；文心5.1大模型在搜索能力上的领先和预训练成本的降低，使得智能体既强大又经济；而DuMate通用智能体、秒哒无代码平台等则覆盖了从个人到企业再到复杂决策的各个场景。这四块拼图共同构成了DAA生态的基石。
随着企业级智能体市场的快速增长，DAA的普及已不再是遥不可及的愿景。Gartner预测，到2026年，40%的企业应用中将嵌入任务型AI智能体。在中国，企业级智能体市场规模已经达到480亿元，为智能体的广泛应用提供了肥沃的土壤。从个人助手到企业管家，智能体正在渗透到人们生活的方方面面。未来，一个人拥有多个智能体、一家企业部署成百上千个智能体将成为常态。届时，DAA的数量将远远超过DAU，成为衡量AI产业繁荣的新标准。
