过去一年的科技圈里，最火爆的东西，可能不是涨价爆了的内存、不是英伟达家的 GPU，也不是哪款AI公司新出的模型，而是 Token。

　　你可以看到的包括但不限于：发布会上讲Token，财报上聊Token，各路媒体报Token。。。甚至你会觉得，公司不晒一晒自家的Token消耗天文数字，都不算赶上了新时代的船。

　　卷到后来，甚至整出了Token消耗排行榜这种行为艺术。

　　今年 4 月，Meta 一名员工做了个内部榜单“Claudeonomics”，给全公司超过 8.5 万名员工统计 Token 用量，甚至还给前 250 名来了个从夯到拉的评分。

　　为了冲榜，有员工专门让AI Agent连跑几个小时，执行一些根本没必要的任务。

　　这股风气还不止硅谷有，国内的很多大厂也考核过Token消耗量，直接跟转正、绩效、晋升挂钩。

　　但最近几个月，大家发现事情不太对劲了。

　　最先踩下刹车的是那些手握海量算力的硅谷巨头们，像是Meta，内部短短30天，全员刷掉60万亿Token，榜一大哥单月消耗2810亿，按公开定价折算，一个人就烧掉了上百万美元，于是榜单火速下架，内部的Token消耗大赛也在上个月停摆。

　　亚马逊做得更绝，他们本来也整了个AI使用排行榜，还要求八成以上研发员工每周都得用AI，结果还是被刷排名整麻了，高管只好取消排行榜。微软和Uber，也因为AI编程工具的账单严重超支，开始收紧内部使用权限。

　　大佬们的集体反思，戳破了当前 AI 行业的一个核心泡沫：Token 计数只能衡量你消耗了多少资源，压根无法证明你产出了什么实质性的商业价值。

　　说白了，Token有点像是厨子做饭用的燃气，你厨王争霸赛不比谁的菜好吃，转头比谁用的燃气多，这能对吗？

　　既然Token这把尺子量不准AI的真实价值，那科技圈是不是得换把新尺子了？

　　于是，就在7月17日开幕的WAIC 2026（世界人工智能大会）上，IDC发布了行业首份《DAA研究报告》，似乎就给全球AI圈送上了一份新的度量衡。

　　DAA全称Daily Active Agents，也就是日活智能体（Agent）数。这个概念由百度创始人李彦宏在今年5月13号的Create2026百度AI开发者大会上首次提出。

　　他当时敏锐地指出：Token不一定代表终局，它只代表成本、不代表收益，衡量的是投入而不是产出；进入智能体时代，衡量一个平台和生态的繁荣，更该看有多少Agent在给人类干活、并交付结果，“这比无谓的Token消耗，更接近价值，也更接近本质”。

　　我们可以把它类比成移动互联网时代的DAU 日活用户数。

　　过去，通过DAU，大家能很直观地看到用户的注意力、精力花在了哪儿；DAA的逻辑类似，它不再盯着你跟 AI 聊了多少句废话、消耗了多少算力，而是转而计算：每天到底有多少个智能体，真正在帮人类干活，并且成功交付了结果，也就是用来帮助确定AI生产力。

　　就在IDC发布《DAA研究报告》的两天前，7月15日，《人民日报》发了李彦宏的署名文章《为智能经济打造科学评价体系》。文章里写道：Token是智能经济消耗的"电费单"，DAA是智能经济增长的"成绩单"——前者算的是用了多少资源，后者算的是创造了多少价值。

　　而在WAIC上，IDC和百度进一步强化了Token失效的观点，并且给出了DAA这个新度量衡的解决方案。

　　严格来说，DAA如今已经不仅仅是“一个好懂的概念”，而是正向“可以被企业实际采用的标准框架”推进，它包含了指标体系、价值框架、技术架构和落地路线。

　　不仅如此，百度还在内部进行过实操验证，他们通过自己的智能体应用，跑通了逻辑闭环、为DAA标尺刻下了刻度。一套丝滑小连招下来，百度实际上站上了一个位置：全球AI价值标准的前瞻定义者。

　　看到这儿，你可能想杠了，提出个新名词、造个新概念很简单，但最核心的问题是：DAA 真的好使吗？

　　说实话，知危编辑部一开始也想过：

　　一个Agent每天被启动一百次，算不算一百份生产力？

　　Agent看起来一直在工作，但结果全靠人返工，算不算有效DAA？

　　企业会不会从刷Token，变成刷智能体数量？

　　《DAA研究报告》和百度的内部验证已经解决了这些疑问，DAA并不是简单地把Token替换掉，而是要和有效Token、业务KPI放在一起看，其中Token像电表，DAA像开工率，业务结果才是产值，三个数字缺一不可。

　　所以 DAA 的指标体系并不只统计 Agent 数量，而是继续向下拆成六个维度：

　　活跃规模：到底有多少智能体真正进入了业务流程，而不是躺在后台吃灰；

　　任务执行：干了多少活，成功率如何；

　　结果交付：有没有形成能直接使用的结果；

　　有效Token：完成同样的任务，花了多少成本；

　　人机协同：需要多少人工接管和返工；

　　治理与风险：结果是否安全、可控、可追溯。

　　按这套算法，DAA 真正要数的，不是你开发了多少个半成品 Agent，而是有多少 Agent 能把活干完、干对，而且企业愿意为这个结果买单。

　　这么说可能还比较虚，用百度已经实践过的例子就好理解了。

　　最近升级过的百度搭子就是很好案例，百度搭子作为 DAA 的第一个可观察样本，是产品承载和场景验证，DAA关注有多少Agent在给人类干活，并交付结果，产出了什么价值，百度搭子的定位与此高度匹配；百度搭子也在生产级场景，印证、跑通了DAA的价值逻辑。

　　在百度搭子里，有一位70岁的长白山野生动物摄影师老万，他常年布设红外相机记录野生动物，攒下了100多TB的视频素材。

　　但对他来说，最累的环节不是拍摄，而是看素材，以前他只能靠人眼逐帧回放，从拍摄的海量视频里筛出有动物出现的画面，但随着年纪上来了，他也有点顶不住了："70岁了，眼神不行。"

　　而如今，老万用百度搭子创建了一个视频素材筛选智能体，只要老万告诉它筛选目标，智能体就会识别包含野生动物的片段，把相关画面归档到新文件夹，再按照老万过去的习惯生成监测日志。

　　如果用 DAU 来看，这个故事只留下了“一个用户打开了产品”；如果用 Token 来看，处理长视频可能反而是一笔不小的消耗。

　　但用 DAA 的逻辑来看，这个智能体真正进入了老万的日常生产流程，完成了从识别、筛选、归档到生成日志的整套任务，所以就能被DAA纳入考量。

　　还有个 90 后吕杭是服装科班出身，在杭州国际服装城经营“杭哥缝纫教室”。他的学员大多是零基础，往往只能说出“想要通勤一点”“想要显瘦”或者“复古但别太夸张”之类的模糊需求。

　　过去，吕杭需要把这些口语化的描述翻译成具体的风格、版型和服装细节，再反复沟通、画图、改稿。一张设计效果图，有时就能耗掉一天。

　　后来，他用百度搭子做了一个“AI 缝纫自习室”。学员说出穿搭灵感后，智能体会先提炼风格、场景和版型偏好，生成服装效果图；接着给出面料、工艺、打版和成本建议，最后还能整理出课程步骤、课件大纲和短视频脚本。

　　这个 Agent 不只参与设计沟通，也进入了吕杭的教学和运营流程。过去一个缝纫工作室想同时处理设计、打版、备课和获客，通常要靠一个团队；现在，一名主理人也有机会把这些工作串成一条可以反复调用的流程。

　　从 DAA 的角度看，这个案例真正值得统计的，不是 AI 生成了一张看起来不错的服装图，而是它有没有把学员模糊的想法，一路推进成设计方案、教学内容和传播素材。

　　类似的变化正在更多工作流里发生，根据百度公布的数据，百度搭子升级以来，日均提问次数增长了20倍。越来越多人开始把具体任务交给 Agent，而不是只拿它聊天。

　　但提问次数增长，依然只能说明 AI 被用得更多。它有没有把任务干完、结果能不能直接使用、又创造了多少价值，才是 DAA 真正想回答的问题。

　　从这里再看 DAA，它就不只是统计表里多出来的一项数字。一个指标一旦成为行业的通用语言，就会反过来决定企业优化什么、资源投向哪里，以及资本愿意为什么买单。

　　移动互联网时代，DAU 成为核心指标之后，都在绞尽脑汁优化打开率、使用频次和停留时长，资本也顺理成章地用这套语言来给互联网公司估值。

　　同理，当 Token 成为早期最显眼的指标时，行业自然会陷入一种路径依赖：

　　拼命采购算力、制造更长的上下文、刷出海量的模型调用。

　　毕竟在这套衡量标准下，只要 Token 消耗量涨了，就约等于企业的 AI 化进程加速了。

　　而DAA的到来，就是想告诉大家，别再盲目卷 Token 消耗了，把精力放回到真正落地的业务产出上。

　　眼下，大家在聊AI发展的时候，更多还是讨论芯片、算力、规模、跑分等等，如果把这场 AI 军备竞赛比作一场大考，大家都在拼命死磕考题的答案，但 DAA 则是跳出题海，直接尝试定义这场大考的打分标准。

　　这背后释放了一个更深层的信号：在这场全球科技浪潮中，中国企业正在试图掌握 AI 价值标准的话语权。

　　如果这套答案最终成为行业共同语言，中国公司就不光是考生，更是阅卷老师了。

　　当然了，这套标准最终能不能成立，不看它在发布会上被喊得多响，最终还要看它能不能进入企业报表、影响预算，并改变产品。

　　或许过不了两年，当企业老板复盘业务时，问的就不再是“咱们某某业务上没上 AI？”，而是会直截了当地问一句：

　　"咱们某某业务的DAA，是多少？"

　　撰文：八戒

　　编辑：大饼

　　设计：子曰