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一项引发行业热议的新指标——DAA，即日活智能体数。这一概念被定义为每日活跃并完成实际任务的智能体数量，旨在重新定义AI产业的价值评估标准。与当前主流的Token计量方式形成鲜明对比，DAA的提出标志着行业从技术参数竞争转向应用效能比拼的新阶段。
作为AI服务的基础计量单位，Token长期占据行业核心地位。其本质是模型处理文本的最小单元，无论是用户输入指令还是系统输出结果，均以Token数量作为算力消耗的统计依据。字节跳动披露的豆包模型日均120万亿Token使用量，以及OpenAI每月数万亿级的调用规模，均印证了这种计量方式的普及性。但这种统计方式存在明显缺陷：相同Token消耗可能对应截然不同的价值产出——撰写商业计划书与重复生成无意义文本的算力成本相同，但实际效益天差地别。
DAA概念的提出，直接对应移动互联网时代的DAU（日活跃用户）指标。以社交巨头meta为例，其34亿日活用户数直观反映着平台的服务覆盖能力。李彦宏团队将这种逻辑移植到AI领域：当智能体能够自主完成订单处理、客户服务等具体任务时，其活跃数量与任务完成质量将成为衡量AI实用价值的关键指标。据预测，随着企业级智能体的规模化部署，全球日活智能体数量有望突破百亿级，达到当前最高DAU平台的三倍以上。
这场计量方式的变革背后，折射出行业格局的深刻调整。对于在模型参数竞赛中暂居下风的百度而言，DAA体系更有利于突显其在智能体应用层面的先发优势。但从产业规律看，这种转向具有经济学合理性：当AI发展进入任务执行阶段，衡量系统效能的标准必然从算力消耗转向价值创造。某AI企业案例显示，其系统虽保持高Token吞吐量，但因任务返工率过高导致实际效率低下，恰恰印证了单纯追求Token增长的局限性。
两种计量体系并非完全替代关系，而是形成互补的评估矩阵。Token将继续作为评估模型训练成本、推理效率的技术指标，对云服务提供商和硬件制造商具有指导意义；DAA则侧重反映AI平台的应用繁荣度，为应用开发商的市场估值提供参考。这种双轨制计量方式，类似于电商领域同时关注流量规模（MAU）与交易规模（GMV）的复合评估模式。
随着智能体技术的突破性进展，DAA的可测量性正在显著增强。某金融机构部署的200个智能客服，每日可处理12万次咨询并完成3000笔交易，这种具体可量化的服务数据，为DAA体系提供了实践支撑。行业分析师指出，当智能体能够独立完成采购、生产、质检等全流程任务时，其活跃数量将直接对应企业的降本增效幅度，这种关联性是Token指标难以企及的。
这场计量标准之争，实质是AI产业发展重心的转移。当基础模型的技术壁垒逐渐模糊，能够创造实际商业价值的智能体数量，正在成为新的竞争焦点。某制造业企业的转型案例显示，其通过部署智能体系统，在保持原有Token消耗水平的情况下，将订单处理效率提升40%，这种变化预示着DAA体系可能引领的产业变革方向。
