不是DAU、不是Token，李彥宏給出了AI時代的度量衡

出品 | 《態(tài)度》欄目

作者 | 紀(jì)川

編輯 | 定西

看完Create 2026，我驚訝的發(fā)現(xiàn)，李彥宏過去三年的判斷，居然都正在被現(xiàn)實一一兌現(xiàn)。

過去三年，李彥宏在AI上的幾個重要判斷，幾乎都曾是“非共識”。2024年，當(dāng)大模型公司還在瘋狂訓(xùn)練參數(shù)、比拼排行榜時，他開始反復(fù)強調(diào)：“卷應(yīng)用，不卷模型”；當(dāng)行業(yè)還在尋找下一個ChatGPT式超級App時，他判斷，“智能體會成為AI應(yīng)用最主流的形態(tài)”；當(dāng)很多人還在談“超級應(yīng)用”時，他又提出，AI時代真正重要的，不是一個超級App，而是“數(shù)百萬超級有用”。

這些判斷，在當(dāng)時都不算主流。

但到了2026年再回頭看，它們正在變成行業(yè)共同語言：模型能力不再是唯一戰(zhàn)場，AI應(yīng)用開始進(jìn)入真實業(yè)務(wù)流，Agent從概念走向產(chǎn)品，普通人也開始用自然語言開發(fā)應(yīng)用、經(jīng)營業(yè)務(wù)、完成過去只有團隊才能完成的工作。

在Create 2026上，李彥宏進(jìn)一步提出了一個新的概念：DAA，Daily Active Agents，日活智能體數(shù)。

在李彥宏看來，AI時代真正重要的，不再是有多少用戶打開App，也不是消耗了多少Token，而是每天到底有多少智能體，在真實世界里替人完成任務(wù)、交付結(jié)果。

如果說DAU是移動互聯(lián)網(wǎng)時代的度量衡，Token是大模型時代早期的成本刻度，那么DAA更像是智能體時代的價值刻度。它把AI行業(yè)的討論，從“模型有多強”“成本燒了多少”“用戶來了幾次”，重新拉回到一個更本質(zhì)的問題：AI到底替人做成了多少事？

1、DAA是什么？李彥宏想替換掉的，不只是一個指標(biāo)

商業(yè)史上的每一次技術(shù)更迭，幾乎都伴隨著度量衡的重寫。PC互聯(lián)網(wǎng)時代，行業(yè)看PV、UV。誰有流量，誰就有機會。移動互聯(lián)網(wǎng)時代，DAU成為最核心的指標(biāo)。用戶每天是否打開、停留多久、是否形成習(xí)慣，決定了一個App的商業(yè)價值。

到了大模型爆發(fā)的前兩年，行業(yè)又迅速陷入對Token、參數(shù)量、榜單和跑分的追逐。這些指標(biāo)當(dāng)然有意義，但它們的問題也越來越明顯。DAU回答的是“人有沒有來”，Token回答的是“模型消耗了多少”，跑分回答的是“模型在標(biāo)準(zhǔn)測試?yán)锉憩F(xiàn)如何”。

但它們都無法回答一個更樸素、更商業(yè)的問題：AI到底產(chǎn)出了什么價值？

一個AI應(yīng)用可以有很高的訪問量，但用戶可能只是來試一試、聊一聊；一個模型可以消耗大量Token，但Token本質(zhì)上首先代表的是成本，而不是收益；一個模型可以在榜單上表現(xiàn)很好，但它未必能在復(fù)雜、混亂、不可控的真實場景里，把任務(wù)穩(wěn)定做完。

這正是李彥宏提出DAA的背景。

按照他的定義，DAA就是Daily Active Agents，日活智能體數(shù)。更直白地說，就是每天有多少個Agent在給人類干活，并交付結(jié)果。

這個定義的關(guān)鍵，不在“日活”，而在“Agent”。過去移動互聯(lián)網(wǎng)講DAU，衡量的最小單元是“人打開App”。今天講DAA，衡量的最小單元變成了“智能體完成任務(wù)”。

這背后是兩套完全不同的產(chǎn)業(yè)邏輯。移動互聯(lián)網(wǎng)的核心，是搶占人的注意力。一個用戶打開App、停留、點擊、轉(zhuǎn)化，流量就有了商業(yè)化空間。智能體時代的核心，則不是讓人多看幾分鐘屏幕，而是讓AI替人少做幾小時工作。

它的價值不在“占用時間”，而在“釋放時間”。所以，從DAU到DAA，本質(zhì)上是從互聯(lián)網(wǎng)邏輯到Agent邏輯的遷移：DAU衡量的是人是否打開；Token衡量的是模型消耗；DAA衡量的是Agent是否真正完成任務(wù)。

這也是為什么DAA比Token更接近價值。

Token可能意味著更長的上下文、更復(fù)雜的推理、更高的成本，但如果沒有交付結(jié)果，它只是算力賬單上的數(shù)字。DAA則要求智能體進(jìn)入任務(wù)鏈條，承擔(dān)具體角色，并產(chǎn)生可驗證的結(jié)果。

比如，一個智能體幫電商商家處理客訴、清洗銷售數(shù)據(jù)、生成備貨建議、制作營銷海報，并搭建秒殺頁面；一個智能體幫制造工廠識別安全隱患、生成巡廠報告、持續(xù)學(xué)習(xí)產(chǎn)線管理規(guī)則；一個智能體幫銀行員工查流程、找材料缺口，減少客戶等待時間。

這些都不是“聊天”，而是“干活”。

從這個意義上看，DAA并不是一個憑空發(fā)明的新指標(biāo)，而是AI產(chǎn)業(yè)發(fā)展到Agent階段后，對“價值發(fā)生在哪里”的重新校準(zhǔn)。

李彥宏第一次把AI的價值錨點，從“能力”重新拉回“結(jié)果”。

2、這不是突然冒出來的新概念，而是一條連續(xù)三年的判斷線

如果只看Create 2026，DAA像是一個新概念。但如果把時間線拉長，會發(fā)現(xiàn)它其實是李彥宏過去三年AI判斷的自然延伸。

第一階段，是2024年的“卷應(yīng)用，不卷模型”。

那時，大模型行業(yè)的主戰(zhàn)場仍然是參數(shù)、榜單和模型能力。幾乎所有公司都在講更大的模型、更強的推理、更高的分?jǐn)?shù)。李彥宏當(dāng)時的判斷并不討巧：模型本身會逐漸趨同，真正拉開差距的是應(yīng)用和生態(tài)。

這句話放在當(dāng)時，并不是共識。因為行業(yè)仍然相信，只要訓(xùn)練出足夠強的模型，就會自然涌現(xiàn)出類似ChatGPT的超級應(yīng)用。但現(xiàn)實很快證明，模型能力只是起點，真正的難點在于如何把AI嵌入具體場景，變成可持續(xù)使用的產(chǎn)品和工作流。

第二階段，是2024年下半年開始，他反復(fù)強調(diào)智能體會成為AI應(yīng)用最主流的形態(tài)。

當(dāng)時行業(yè)還在尋找“下一個超級App”。但李彥宏的判斷是，AI原生時代的信息、內(nèi)容和服務(wù)載體，不一定是某一個超級入口，而可能是大量Agent。這個判斷的核心在于：AI應(yīng)用不是把聊天框做得更聰明，而是讓模型擁有工具調(diào)用、任務(wù)規(guī)劃、記憶、執(zhí)行和反饋能力，從而真正進(jìn)入人的工作和生活流程。

也正是在這個階段，“智能體”從一個技術(shù)社區(qū)里的概念，逐漸成為AI產(chǎn)品的核心形態(tài)。

第三階段，是2025年至2026年的“人人都是開發(fā)者”和“超級個體”。

當(dāng)自然語言成為新的編程語言，開發(fā)應(yīng)用不再只是程序員的專屬能力。一個普通人只要能描述需求，就有機會把想法變成產(chǎn)品、服務(wù)甚至生意。

這件事的意義被低估了。過去，一個人想做一個軟件，需要產(chǎn)品經(jīng)理、設(shè)計師、前端、后端、測試、運營一起配合。今天，一個普通人可以用自然語言生成應(yīng)用、改功能、上線、推廣，甚至圍繞應(yīng)用完成商業(yè)閉環(huán)。

在Create 2026的素材里，有一個很有代表性的案例：來自溫州的8歲小學(xué)生撲滿，用秒噠做了一個“噠噠打傘”小程序。

這個想法來自校園生活：下雨放學(xué)時，沒帶傘的同學(xué)在走廊上喊“我要噠噠打傘”，帶傘的同學(xué)接單，大家拼傘出校門。但問題是，一個班級的喊聲傳不到全校。于是，他想做一個全校版的“噠噠打傘”。

他不會寫代碼，就用自然語言告訴秒噠玩法和需求。最終，小程序支持“我想搭傘”和“我來打傘”，還能選擇時間、起點、終點，支持獨立打傘或拼傘，并通過積分升級激勵更多同學(xué)參與。

這不是一個宏大的商業(yè)故事，卻非常說明問題：開發(fā)正在從專業(yè)技能，變成表達(dá)能力。

秒噠的其他案例則更商業(yè)化。比如用戶賀濤不懂編程，用秒噠做測評應(yīng)用，跑通“想法—應(yīng)用—變現(xiàn)—教學(xué)”的閉環(huán)；孫昱團隊借助秒噠搭建智慧養(yǎng)老服務(wù)綜合監(jiān)管系統(tǒng)，單人7天搭建整套系統(tǒng)，4名無代碼基礎(chǔ)的業(yè)務(wù)項目經(jīng)理可以1天出原型、半月交付，并已為超9萬老人建立動態(tài)健康檔案。

這些案例共同指向一個變化：AI不只是給大公司提效，也在放大普通個體和小團隊的生產(chǎn)力。

所以，到了Create 2026，當(dāng)李彥宏提出DAA，它其實并不是孤立的概念，而是前面三年判斷的結(jié)果：

既然要“卷應(yīng)用”，就必須衡量應(yīng)用是否真正產(chǎn)生價值；既然智能體是主流形態(tài)，就必須衡量有多少智能體在真實運行；既然人人都是開發(fā)者、人人都是超級個體，就必須讓每個人都能創(chuàng)造和使用Agent；既然企業(yè)會變成人與智能體的混合編隊，就必須用新的指標(biāo)衡量組織里的“數(shù)字員工”規(guī)模和活躍度。

這條線索是連貫的。它從“不要只卷模型”，走到“Agent會成為主流”，再走到“自然語言開發(fā)應(yīng)用”，最后落到“DAA是AI時代的度量衡”。

在科技行業(yè)，真正稀缺的不是提出一個熱詞，而是連續(xù)幾年在非共識階段堅持同一套判斷，并且不斷用產(chǎn)品、基礎(chǔ)設(shè)施和場景去驗證它。

從這個角度看，李彥宏過去三年的AI判斷，正在形成一個不斷被現(xiàn)實驗證的認(rèn)知體系。

3、百度開始全面Agent化

如果說DAA是百度對AI時代價值衡量方式的判斷，那么Create 2026上的產(chǎn)品發(fā)布，則顯示出另一個趨勢：百度的產(chǎn)品線正在全面向Agent邁進(jìn)。

最典型的是DuMate。

DuMate是百度推出的通用智能體。它能看見屏幕、操作軟件、處理文件、串聯(lián)業(yè)務(wù)系統(tǒng)，用戶只需要一句話，它就能從“想法”走向“結(jié)果”。

這和傳統(tǒng)聊天機器人有本質(zhì)區(qū)別。聊天機器人主要負(fù)責(zé)回答問題。用戶問一句，它答一句。即便回答再準(zhǔn)確，也還停留在“建議”層面。DuMate則更接近一個數(shù)字員工。它不只是告訴你應(yīng)該怎么做，而是直接去做。

在Create 2026上我們看到，一個電商服裝品牌創(chuàng)始人同時面對三項工作：處理未讀郵件、分析銷售數(shù)據(jù)并給出備貨建議、生成新商品海報和公眾號預(yù)熱內(nèi)容。

傳統(tǒng)情況下，這至少對應(yīng)客服、銷售運營、市場營銷三個崗位。DuMate的做法是三條任務(wù)線并行執(zhí)行。工具是人來調(diào)度工具。Agent是人提出目標(biāo)，智能體調(diào)度工具。

DuMate背后內(nèi)置百度搜索、秒噠、伐謀、百科等Skill，還支持把標(biāo)準(zhǔn)化執(zhí)行過程沉淀為Skill，并通過日報式反思持續(xù)進(jìn)化。它真正指向的是一種新的工作形態(tài)：不是一個AI助手圍著人轉(zhuǎn)，而是一批數(shù)字員工圍繞目標(biāo)協(xié)同工作。

秒噠則對應(yīng)另一個層面：讓更多人創(chuàng)造Agent和應(yīng)用。

Create 2026上，秒噠發(fā)布3.0，上線企業(yè)版，支持生成App，推出秒噠App，并擴展通用Agent和自定義Skill能力。它試圖降低開發(fā)門檻，讓用戶通過自然語言生成iOS與Android應(yīng)用，完成從開發(fā)、調(diào)試到發(fā)布的全流程。

如果DuMate解決的是“讓Agent替人干活”，秒噠解決的就是“讓人創(chuàng)造更多Agent和應(yīng)用”。

這兩者結(jié)合起來，才有可能形成DAA的增長基礎(chǔ)。因為未來100億個日活智能體，不可能只來自少數(shù)大廠，而必須來自大量普通人、開發(fā)者、小企業(yè)和行業(yè)客戶的持續(xù)創(chuàng)造。

百度一鏡則代表數(shù)字人產(chǎn)品進(jìn)入多Agent協(xié)作階段。

它從原來的直播帶貨數(shù)字人，升級為全場景數(shù)字人平臺，覆蓋直播、視頻、實時互動、電商帶貨、廣告營銷、內(nèi)容創(chuàng)作、影視劇集、服務(wù)培訓(xùn)等場景。

關(guān)鍵變化也不是“數(shù)字人更像人”這么簡單，而是它背后有多Agent協(xié)作。

在視頻創(chuàng)作中，一鏡可以調(diào)度劇本Agent、視頻Agent、剪輯Agent等完成端到端內(nèi)容生產(chǎn)；在直播場景中，它可以調(diào)度主播、助播、場控、運營等多個專家智能體，完成復(fù)雜任務(wù)。

比如在帕梅拉蛋白能量棒帶貨視頻案例中，一鏡不僅生成了形象一致的數(shù)字人，還圍繞健身博主的人設(shè)設(shè)計劇情：一個極度自律的人被“抓包”偷吃披薩，再自然引出蛋白棒作為“解饞、回血、無負(fù)擔(dān)”的替代方案。它不是簡單讀參數(shù)，而是把賣點放進(jìn)故事里。

這說明AI內(nèi)容生產(chǎn)也正在從單點生成，變成多個專業(yè)Agent協(xié)同完成。

伐謀則更偏向企業(yè)決策Agent。

在Create 2026上，伐謀2.0被定義為直接面向業(yè)務(wù)專家的全局最優(yōu)決策工具，不再只是技術(shù)人員使用的算法優(yōu)化工具。它的核心價值在于：企業(yè)不需要一開始就把所有業(yè)務(wù)規(guī)則完整建模，而是在使用過程中，讓業(yè)務(wù)專家不斷指出方案與現(xiàn)實的偏差，系統(tǒng)持續(xù)理解、調(diào)整和優(yōu)化。

這對制造、物流、工藝、金融風(fēng)控等場景非常關(guān)鍵。

因為很多企業(yè)真正的壁壘，并不寫在流程文檔里，而藏在老師傅、調(diào)度員、風(fēng)控專家、工程師多年積累的隱性經(jīng)驗中。傳統(tǒng)軟件很難把這些經(jīng)驗一次性結(jié)構(gòu)化，而Agent可以在持續(xù)交互和推演中逐步沉淀。

青島港案例很典型。碼頭調(diào)度是典型的多目標(biāo)優(yōu)化問題，每個目標(biāo)都不能差，很多權(quán)衡需要把多個方案擺在業(yè)務(wù)專家面前才能判斷。引入伐謀后，A-TOS自動化碼頭智能管控系統(tǒng)在實際生產(chǎn)環(huán)境中持續(xù)尋找更優(yōu)調(diào)度方案，核心指標(biāo)進(jìn)一步提升9.91%。這已經(jīng)不是“AI做輔助分析”，而是AI參與企業(yè)決策鏈條。

這就是Create 2026釋放出的重要信號：百度不是在做幾個孤立的AI應(yīng)用，而是在把整個產(chǎn)品體系A(chǔ)gent化。

4、如何支撐百億DAA？百度的新全棧AI云與“芯”動力

如果未來DAA真的走向百億級，最大的問題不是概念是否成立，而是成本是否成立。

一個聊天機器人每天響應(yīng)幾輪對話，和一個Agent每天執(zhí)行長鏈路任務(wù)，是完全不同的算力消耗。

智能體要完成任務(wù)，往往需要規(guī)劃、拆解、調(diào)用工具、讀取文件、訪問系統(tǒng)、處理上下文、反復(fù)判斷、糾錯和復(fù)盤。一次任務(wù)可能包含幾十步、上百步推理，也可能持續(xù)數(shù)小時甚至數(shù)天。這意味著，智能體時代對基礎(chǔ)設(shè)施的要求遠(yuǎn)高于聊天機器人時代。

如果每一次Agent執(zhí)行都伴隨大量重復(fù)計算、上下文膨脹和推理成本飆升，那么DAA的繁榮就會停留在演示和少數(shù)高價值場景里，很難規(guī)?；?。

所以，Create 2026上百度智能云提出“新需求，新供給，新全?！?，其背后的邏輯非常清楚：當(dāng)客戶需要的從計算、存儲、網(wǎng)絡(luò)，變成高活躍、高價值、規(guī)?；闹悄荏w應(yīng)用，云服務(wù)也必須重新定義。

過去的云，主要賣資源。智能體時代的AI云，必須賣“能讓Agent穩(wěn)定運行、持續(xù)進(jìn)化、安全可控的基礎(chǔ)設(shè)施”。

百度把這套能力拆成兩層：Agent Infra和AI Infra。

Agent Infra解決的是智能體怎么開發(fā)、怎么運行、怎么管理的問題。比如Agent Harness提供長上下文管理、記憶、Sub-agent調(diào)度和評估能力，幫助開發(fā)者快速構(gòu)建能完成復(fù)雜長程任務(wù)的智能體；內(nèi)置Office、瀏覽器等Skills，讓Agent具備跨生態(tài)執(zhí)行能力；Agent Runtime則提供穩(wěn)定、安全、可觀測的運行環(huán)境，讓Agent不只停留在Demo里，而是能進(jìn)入企業(yè)生產(chǎn)系統(tǒng)。

AI Infra解決的是算力和效率問題。在長鏈路任務(wù)中，模型上下文會隨著輪次增加迅速膨脹，動輒達(dá)到百萬Tokens。但其中大量內(nèi)容其實是已經(jīng)計算過的上下文，如果每一輪都重新加載、重新計算，成本會非常高。百度智能云用Agent-first理念重構(gòu)模型服務(wù)，通過長上下文和Cache管理，讓Agent復(fù)用上下文、減少重復(fù)計算。這件事的意義不亞于移動互聯(lián)網(wǎng)時代的云原生基礎(chǔ)設(shè)施。

因為DAA的核心不是讓一個Agent偶爾工作，而是讓大量Agent每天穩(wěn)定工作。只有當(dāng)單位Token產(chǎn)生更高業(yè)務(wù)價值、單位算力支撐更多任務(wù)閉環(huán)，DAA才可能真正成為產(chǎn)業(yè)指標(biāo)。

這也是“芯云模體”全棧能力的重要性所在。

在“芯”層面，百度昆侖芯P800已經(jīng)在大模型訓(xùn)練和推理場景中完成規(guī)?；炞C，并在互聯(lián)網(wǎng)、金融、制造、教育、能源等行業(yè)實現(xiàn)超萬片級交付。Create 2026上，百度還提到256卡昆侖芯版本已在上個月點亮，將在6月正式上市，可將模型推理效率提升50%。

在“云”層面，百度智能云強調(diào)面向Agent的基礎(chǔ)設(shè)施重構(gòu)。例如，義烏“前店后廠”企業(yè)用一見視覺智能體搭建AI廠長。過去廠長要針對不同問題訓(xùn)練模型，再把識別規(guī)則和處置流程逐個配置到攝像頭。現(xiàn)在，商家可以用自然語言把工廠特定的產(chǎn)線標(biāo)準(zhǔn)交給一見，視覺智能體就能快速學(xué)習(xí)管理要求，并接管多個攝像頭，完成安全隱患、設(shè)備異常、人員違規(guī)等巡檢任務(wù)。

在“?！睂用妫?月9日，百度正式發(fā)布新一代基礎(chǔ)大模型文心大模型5.1。該模型采用“多維彈性預(yù)訓(xùn)練”技術(shù)，僅以業(yè)界同規(guī)模模型約6% 的預(yù)訓(xùn)練成本，達(dá)到基礎(chǔ)效果領(lǐng)先水平，登上 LMArena 搜索榜國內(nèi)第一、全球第四，是唯一上榜的國產(chǎn)模型。在多項業(yè)界權(quán)威基準(zhǔn)測試中，文心5.1在智能體、知識、推理和深度搜索等方面表現(xiàn)出色，其中Agent 能力提升較為明顯，超越了 DeepSeek-V4-Pro。此外，其創(chuàng)意寫作能力與 Gemini 3.1 Pro 相當(dāng)，推理能力也已接近業(yè)界領(lǐng)先閉源模型。

在空間智能領(lǐng)域，百度地圖也拿出了面向智能體時代的具體方案。本次大會，百度地圖將正式發(fā)布整車AI座艙智能體平臺DuDuClaw“嘟嘟蝦”，向車企開放底層能力;同時推出百度地圖CLI工具以及國內(nèi)首家發(fā)布的地圖開發(fā)智能體MAPYA，支持自然語言生成代碼與AI調(diào)用。截至目前，百度地圖已服務(wù)超400萬開發(fā)者，其AI副駕也在今年五一期間累計服務(wù)超2億人次。

這些案例共同證明一點：DAA不是消費互聯(lián)網(wǎng)里的“活躍用戶”概念，而是生產(chǎn)系統(tǒng)里的“活躍智能體”概念。

它需要模型、云、芯片、工具、運行環(huán)境、行業(yè)知識和安全體系共同支撐。沒有全棧能力，DAA很容易淪為空洞口號；有了全棧能力，它才可能變成可增長、可運營、可商業(yè)化的真實指標(biāo)。

5、真正的機會，常常藏在非共識之中

AI行業(yè)變化太快，快到很多共識的保質(zhì)期都很短。

昨天所有人還在討論大模型參數(shù)，今天已經(jīng)開始討論Agent落地；昨天所有人還在尋找超級App，今天越來越多行業(yè)開始接受“智能體編隊”；昨天Token消耗還被當(dāng)作繁榮象征，今天大家已經(jīng)意識到，Token首先是成本，只有轉(zhuǎn)化為結(jié)果才有意義。

越是在這樣的周期里，越需要有人回到技術(shù)和商業(yè)的本質(zhì)，提出那些不一定順耳、但可能更接近長期趨勢的判斷。因為在AI這樣高速迭代的時代，共識往往意味著窗口正在關(guān)閉，而真正的機會，常常藏在非共識之中。

Create 2026之后，DAA或許也會經(jīng)歷一個從被討論、被質(zhì)疑到被驗證的過程。它可能還需要更清晰的統(tǒng)計口徑、更廣泛的行業(yè)參與、更真實的商業(yè)案例來支撐。但至少，它把AI行業(yè)帶回了一個值得討論的問題：我們到底應(yīng)該用什么來衡量AI的價值？