在近期舉辦的百度AI開發者大會上，一個名為“DAA”的新概念引發了廣泛討論。百度創始人李彥宏提出，AI時代的核心度量標準不應再局限于Token消耗量，而應轉向“日活智能體數”（Daily Active Agents）。這一觀點迅速在行業內激起波瀾，支持者認為這是對AI價值本質的深刻洞察，反對者則質疑其是否為百度在模型競爭中的戰略轉移。

Token作為AI模型處理文本的基本單元，長期被視為衡量服務規模的核心指標。無論是字節跳動的豆包大模型日均120萬億Token使用量，還是OpenAI每月數萬億級別的調用量，都成為行業關注的焦點。然而，這種計量方式存在明顯缺陷：它反映的是模型運算成本，而非對用戶的實際價值。例如，生成一封有效郵件與重復默寫古詩百遍可能消耗相同數量的Token，但前者具有實際意義，后者則近乎無效。

李彥宏通過類比移動互聯網時代的DAU（日活用戶數）來解釋DAA的邏輯。他指出，meta擁有34億DAU意味著每天有34億人與其產品產生交互，這是用戶價值的直接體現。同理，DAA衡量的是每天有多少智能體在執行任務并交付結果。一個企業可能同時部署數百個智能體處理不同業務，這種規模效應將使未來的DAA遠超當前任何平臺的DAU水平——李彥宏預測全球日活智能體數可能突破100億。

從商業邏輯看，百度提出DAA的動機與其自身戰略密切相關。在模型參數規模競爭處于劣勢的背景下，百度較早布局智能體應用落地，通過轉換評價體系可凸顯自身優勢。但拋開企業立場，DAA確實更貼近經濟價值本質：衡量智能體的工作量與成果產出，比單純統計算力消耗更能反映AI的實際效益。若某公司Token消耗極高但任務完成質量低下，反而暴露其效率問題。

行業實踐正在驗證DAA的可操作性。隨著企業開始部署能夠自主完成復雜任務的智能體，統計“有多少智能體在工作”已成為可能。這種轉變標志著AI產業敘事重心從模型層轉向應用層——未來競爭的關鍵將取決于誰擁有更多高效智能體，而非誰的模型參數更大。這種邏輯與商業現實高度契合，因為用戶最終關心的是AI能否解決問題，而非技術細節。

兩種度量體系并非相互排斥，而是適用于不同場景。Token更適合評估模型訓練成本、推理效率等基礎設施指標，對算力供應商和芯片企業具有參考價值；DAA則用于衡量AI平臺的應用繁榮程度與用戶價值交付規模，對應用開發商的競爭力評估更為關鍵。正如移動互聯網時代同時關注MAU（月活用戶數）與GMV（交易總額），AI行業未來很可能形成Token與DAA并行的多維評價體系。