在近期舉辦的百度AI開發者大會上，百度創始人李彥宏拋出了一個引發行業熱議的新概念——DAA，即日活智能體數。這一概念的提出，被視為對當前AI行業主流度量方式的一次重要挑戰，也預示著AI產業競爭焦點的潛在轉移。

長期以來，Token消耗量一直是衡量AI服務規模的核心指標。無論是字節跳動的豆包大模型日均突破120萬億Token使用量，還是OpenAI每月數萬億級別的Token調用量，都成為行業關注的焦點。然而，這種以模型運算量為基準的統計方式，正逐漸暴露出其局限性——它更多反映的是技術投入，而非實際產出價值。

以具體場景為例：當用戶要求AI撰寫一封商務郵件時，消耗1000個Token可能產生高價值內容；但若讓AI重復默寫同一首古詩100遍，同樣消耗1000個Token卻幾乎無實際意義。這種差異揭示了Token統計體系的根本缺陷：它無法區分技術消耗與用戶價值創造之間的本質區別。

DAA概念的提出，正是為了填補這一評估空白。其設計邏輯借鑒了移動互聯網時代的DAU（日活用戶數）指標——正如DAU衡量真實用戶活躍度，DAA則聚焦于每天有多少智能體（Agent）在有效執行任務并交付成果。李彥宏預測，隨著企業級智能體應用的普及，未來全球DAA規模可能突破100億，遠超當前meta約34億的DAU水平。

這一預測背后蘊含著深刻的產業邏輯。在AI發展初期，模型參數規模和Token消耗量成為主要競爭點；但隨著技術成熟，應用層價值開始凸顯。一個企業可能部署數百個智能體協同工作，每個智能體都可能創造超過單個用戶的價值產出。這種轉變使得DAA成為更貼近商業本質的評估維度。

從經濟視角分析，DAA確實比Token更能反映AI的實際價值創造。當某AI公司的Token消耗量持續攀升，但任務完成質量低下導致用戶重復操作時，高Token數據反而成為效率低下的警示信號。相反，DAA的增長直接對應著有效任務交付量的提升，這種產出導向的評估方式更符合企業估值和競爭力判斷的需求。

兩種指標的適用場景存在明確分工：Token更適合評估模型訓練成本、推理效率等基礎設施層面的問題，對算力供應商和芯片制造商具有指導意義；而DAA則聚焦于應用生態的繁榮程度和用戶價值交付規模，是AI應用企業估值的重要參考。這種互補關系類似于移動互聯網時代MAU與GMV的共存，未來可能形成雙軌并行的評估體系。

李彥宏提出DAA的深層意圖，在于推動AI產業競爭焦點從模型層向應用層轉移。當行業開始比較誰的智能體數量更多、任務完成質量更高時，參數規模競賽將逐漸失去主導地位。這種轉變不僅符合商業邏輯，也預示著AI技術正在從實驗室走向真實生產環境，其經濟價值將通過實際任務交付而非技術參數來衡量。