在近期举办的百度AI开发者大会上，一个名为“DAA”的新概念引发了广泛讨论。百度创始人李彦宏提出，AI时代的核心度量标准不应再局限于Token消耗量，而应转向“日活智能体数”（Daily Active Agents）。这一观点迅速在行业内激起波澜，支持者认为这是对AI价值本质的深刻洞察，反对者则质疑其是否为百度在模型竞争中的战略转移。
Token作为AI模型处理文本的基本单元，长期被视为衡量服务规模的核心指标。无论是字节跳动的豆包大模型日均120万亿Token使用量，还是OpenAI每月数万亿级别的调用量，都成为行业关注的焦点。然而，这种计量方式存在明显缺陷：它反映的是模型运算成本，而非对用户的实际价值。例如，生成一封有效邮件与重复默写古诗百遍可能消耗相同数量的Token，但前者具有实际意义，后者则近乎无效。
李彦宏通过类比移动互联网时代的DAU（日活用户数）来解释DAA的逻辑。他指出，meta拥有34亿DAU意味着每天有34亿人与其产品产生交互，这是用户价值的直接体现。同理，DAA衡量的是每天有多少智能体在执行任务并交付结果。一个企业可能同时部署数百个智能体处理不同业务，这种规模效应将使未来的DAA远超当前任何平台的DAU水平——李彦宏预测全球日活智能体数可能突破100亿。
从商业逻辑看，百度提出DAA的动机与其自身战略密切相关。在模型参数规模竞争处于劣势的背景下，百度较早布局智能体应用落地，通过转换评价体系可凸显自身优势。但抛开企业立场，DAA确实更贴近经济价值本质：衡量智能体的工作量与成果产出，比单纯统计算力消耗更能反映AI的实际效益。若某公司Token消耗极高但任务完成质量低下，反而暴露其效率问题。
行业实践正在验证DAA的可操作性。随着企业开始部署能够自主完成复杂任务的智能体，统计“有多少智能体在工作”已成为可能。这种转变标志着AI产业叙事重心从模型层转向应用层——未来竞争的关键将取决于谁拥有更多高效智能体，而非谁的模型参数更大。这种逻辑与商业现实高度契合，因为用户最终关心的是AI能否解决问题，而非技术细节。
两种度量体系并非相互排斥，而是适用于不同场景。Token更适合评估模型训练成本、推理效率等基础设施指标，对算力供应商和芯片企业具有参考价值；DAA则用于衡量AI平台的应用繁荣程度与用户价值交付规模，对应用开发商的竞争力评估更为关键。正如移动互联网时代同时关注MAU（月活用户数）与GMV（交易总额），AI行业未来很可能形成Token与DAA并行的多维评价体系。
