在近期举办的百度AI开发者大会上，百度创始人李彦宏提出了一个引发行业热议的新概念——DAA，即日活智能体数（Daily Active Agents）。这一概念的提出，被视为对当前AI行业衡量标准的重大挑战，也引发了关于AI价值评估体系的深入讨论。
当前，AI行业普遍以Token作为核心度量单位。Token是模型处理文本的最小单元，无论是输入还是输出，均以Token数量计费和统计。例如，字节跳动公布的豆包大模型日均Token使用量已突破120万亿，而OpenAI的月调用量也达到数万亿级别。然而，Token的局限性在于它仅反映模型运算量，而非实际价值交付。例如，生成一封有用邮件和重复默写古诗，可能消耗相同数量的Token，但前者价值显著高于后者。
李彦宏指出，AI时代应更关注产出而非投入。他以移动互联网时代的DAU（日活用户数）为例，说明用户活跃度是衡量平台价值的关键指标。类似地，DAA衡量的是每天有多少智能体（Agent）在工作并交付任务结果。他预测，未来全球DAA规模可能轻松超过100亿，远超当前DAU最高的meta（约34亿），因为企业可部署大量智能体协同工作。
这一观点背后，隐藏着百度的商业考量。在模型参数竞争不占优势的情况下，百度希望通过强调Agent应用落地，重新定义行业评估标准。然而，DAA的概念并非毫无依据。从经济学角度看，它更贴近价值交付的本质——衡量智能体完成的任务数量和质量，而非模型消耗的算力。例如，一家AI公司若Token消耗极高但任务完成质量低下，反而暴露其效率问题。
随着Agent应用的崛起，DAA的可测量性也在增强。企业开始部署能自主完成任务的智能体，其活跃数量成为可统计的指标。例如，一个智能体可能负责处理客户咨询，另一个可能优化供应链，它们的活跃度直接反映平台对用户的实际贡献。
那么，Token和DAA应如何取舍？实际上，两者适用于不同场景。Token更适合评估模型训练成本、推理效率等成本侧指标，对算力供应商和芯片公司具有参考价值；而DAA则用于衡量AI平台的应用繁荣程度和价值交付规模，对应用公司的估值和竞争力评估更具意义。二者并非对立，而是互补关系，类似移动互联网时代的MAU（月活用户数）和GMV（交易总额）。
李彦宏提出DAA的更深层意义，在于推动AI产业从模型层竞争转向应用层竞争。未来，谁的Agent数量更多、任务完成质量更高，谁将在竞争中占据优势。这一逻辑，比单纯比较模型参数更贴近商业本质。
