Agent缺的不是热度，是尺子|agent|一代版本模型|尺子|智能体|李彦宏|百度|知名企业|调用

微软把数千名工程师从Claude Code迁回自家Copilot时，AI行业里一个流行了大半年的认知发生了变化：Token烧得多，并不等于活干得好。

Meta内部那个被员工叫作Claudeonomics的排行榜更夸张。8.5万在30天里烧掉60万亿Token。数字足够壮观，最后却成了一场闹剧。

Token其实没有失去价值。它仍然记录调用、成本和算力消耗，只是人们逐渐发现，Token量的是成本，不是价值。这东西更像家里的电表：能告诉你有家用电器在用电，但却测不出是哪些家电在工作，它们又究竟做成了什么。

智能体之所以被寄予厚望，多少也和这有关——和Token消耗相比，它似乎离“干活”更近。

可热点一旦形成，泡沫也会跟着来。聊天机器人换个名字，RPA接上模型，商业计划书里再添一个Agentic，一家公司就可以宣布自己进入了智能体时代。

这显然是有问题的，行业需要的不是又一个热词，而是一套能把消耗、规模和交付分开的判断标准。所以，5月13日，百度创始人李彦宏在Create 2026大会上提出了DAA——日活智能体数。

7月10日，成都，百度的一款通用智能体产品，给这把尺子添上第一道更具体的刻度。

——导语

Token退潮，尺子浮出

Token经济学的退潮，是从巨头内部开始的。

微软、亚马逊、Meta，以及国内几家AI大厂，先后开始亮起Token被过度消耗的警号，一次急剧的收缩开始了。于是，Tokenmaxxing从风潮变成疑问，前后只用了半年。腾讯研究院6月底那篇报告，标题只有五个字，却道出其中的真意：《Token不经济》。

这五个字命中的，其实并不是Token本身。

Token很诚实。每一次调用、每一段被塞进上下文的文字，都会被记录下来。模型在后台跑了多少路，账单上写得清清楚楚。

可账单毕竟不是成绩单。

一个团队可以烧掉很多Token，但流程未必缩短；一个应用可以生成很长的答案，但未必解答了人们的困惑——Token衡量的是机器消耗了多少资源，至于它替人省下多少时间、交付了什么结果，Token回答不了。

李彦宏当时讲得很直接：行业里甚至出现了“Token亿万富翁”的说法，但Token代表的是成本，不是收益；它能量出投入，量不出产出。

然后他提出DAA，数每天究竟有多少智能体在替人干活。

他的措辞很谦抑：“我这里抛一个非共识的观点。”

20多年前，我曾经和李彦宏有过一次难忘的交流。我问他，怎样定位自己。他的回答不是企业家，也不是百度创始人，而是“我希望称为一个世界级的科技工作者”。

这句话，我一直记得。这个自我定位里，有他一贯的抱负，也有一个技术人很难放下的东西：他希望自己给出判断的，不只是百度下一步该做什么，也包括整个产业正在往哪里走。

DAA大概就是从这种视角里生长来的。

它没有去回答哪个模型更强，也没有继续放大调用量和参数，而是把问题换了一个方向：每天到底有多少智能体在工作？在完成任务？

DAA是李彦宏给行业拿出的一把尺子，但一把尺子究竟有没有生命力，要看有没有人拿起这把尺子继续用下去。

微软CEO纳德拉拿起了这把尺子，他在一档播客里强调，微软内部也许运行着2000万个智能体……作为世界上最大的软件公司、云服务商以及AI赛道上的重要玩家，他报出的不是Token的消耗量，也不是Copilot的用户数，而是“有多少智能体被创造出来”。紧接着的追问里，他问的也是这些智能体在做什么，是否可检查、可审计。

他也许不会用DAA这个词，但拿起的是同一把尺子。

Salesforce也在用这把尺子，他们提出的标准，叫AWU（一个由AI智能体独立完成的离散任务，one discrete task accomplished by an AI agent）。

种种迹象显示，DAA从提出到现在，仅仅数月，但行业的注意力确实开始从Token消耗，转向智能体数量、任务完成和可审计交付。

虽然，DAA目前还谈不上是产业定律。但是当年，摩尔定律问世时，也不是行业定律，也没有数学证明，它其实是戈登摩尔在杂志上提出的一种观察。

后来，摩尔定律后来成为半导体工业的节拍器，是因为整个行业用了几十年去用这把尺子，反复的验证它、修正它，并据此安排投资和技术路线。

但DAA面对的，偏偏又是一个膨胀速度极快的物种。李彦宏判断，未来全球日活智能体数很容易超过100亿。Gartner也预计，今年四成企业应用会嵌入任务型智能体。

所以这把尺子一定会长出新的刻度，只不过，最开始度量的，未必智能体领最乐观的那部分成绩。

因为智能体发展仍在极早期，增长是真的，泥沙俱下也是真的。所以人们更需要一个判断标准。

市场上有数千家厂商宣称自己在做Agent，真正具备开发高价值智能体能力的，约有130家。剩下的大量产品，只是把聊天机器人、插件和RPA重新包装。分析师给这种现象起了一个很形象的名字：Agent Washing（伪智能包装）。

DAA数出了有多少智能体在动。但一个Agent被唤起、跑了十几步、调用了几个工具，最后只留下半份不能使用的结果，这算不算活跃？

7月10日，成都，百度试着回答了这个问题。

尺子添了一格

成都东郊记忆的一片圆形草坪上，百度把AI Day办成了市集。棋牌局、合作伙伴展台、散落在场地里的互动彩蛋，中间围着当天的主角：百度搭子。

这次展示的东西不少：智能路由、多端记忆、Browser Use、重做的PPT生成、自媒体套件，还有业界首个全自动化Skill上线流程。拆开来看，它们像是一组功能更新；放在一起看，指向的其实是同一件事：一个通用智能体正在从“会调用工具”，走向“会完成委托”。

这也是百度搭子和普通聊天机器人之间最关键的分界。它不是不断追问用户“你要我调用什么工具”，而是更多地自主判断：这件事应该怎样被拆解、怎样被执行，最后怎样交付给用户。

如果说DAA的1.0版本解决的是“该数什么”——不要再只数Token，而要数每天有多少智能体真正开始工作；那么这次百度搭子验证的，是DAA的1.1版本：什么样的活跃智能体，才值得被数进去。

一个任务有没有被接住，结果能不能直接使用，用户愿不愿意认可这份交付。走到这一步，智能体的活跃才是有真实意义的。

老万的故事，从一个极为朴素的角度，说明了这件事。

老万已经70岁了，是一名驻守长白山的野生动物摄影师。但他并不像人们想象的那样，常年扛着长枪短炮蹲守。他更多依靠红外相机和野外监控。

这些相机大部分时候什么也拍不到。风吹过草丛，树枝在夜里晃一下，偶尔才有一只动物从镜头前走过。

几十年下来，他攒了100多TB的素材。

真正折磨人的不是拍摄，是筛选。他要从漫长、空白的视频中，一帧一帧找出动物出现的瞬间。现在他已经70岁了，用自己的话说：“眼神不行了。”

一个偶然的机会，他接触了百度搭子，不会写代码的老万只是用最普通的话交代了一件事：把有野生动物的画面挑出来，建一个文件夹，再照我以前的习惯整理一份监测日志。

话说完以后，他也不知道机器会怎么干。

百度搭子在后台把这句话拆开：识别画面、筛选素材、归集文件、生成日志。老万没有再插手。最后摆在他面前的，是一个装满野生动物影像的文件夹，以及一份沿用旧格式的监测记录。

过去几十年，人一直在学着适应机器。写代码、配参数、画流程图，先把自己的意图翻译成机器听得懂的语言。

老万的用法，把这层关系倒了过来。

这一次，是机器来理解一个老人不太规范、也不够精确的表达。然后给出了他满意的交付。

百度搭子的用户里，还有不少这样的记录：90后缝纫教父杭哥使用百度搭子创建“AI缝纫自习室”，年营收增长5倍；前腾讯产品经理栗噔噔使用百度搭子搭建自动化的内容生产工厂，仅需5分钟即可完成自媒体账号的全套发布流程。

这就是通用智能体和普通聊天机器人的分界。聊天机器人负责回答，智能体负责干活。回答可以很漂亮，干活却必须有结果。

用百度自己的话说，用户的期待，已经从"回答一个问题"，升级为"可靠地做完一件事"。换言之，这就是用户眼里的刻度1，它和百度试图刻上的1，吻合在了一起。

更深的一层是，百度搭子不但有用，而且让用户可以放心用，用得起。

Agent真正进入日常工作以后，Token账单很快就会找上门来。靠Harness引擎和工程调优，搭子把任务执行中的Token消耗降了75%。这个数字的重要性并不在于又创造了一项纪录，而在于它直接决定了智能体能不能从偶尔尝鲜，变成频繁使用。

基准测试则在回答另一个问题：交付能不能稳定、重复。

5月，百度搭子登顶智能体评测基准PinchBench。这项测试包含23个真实工作场景和147项任务，考的是多步推理、工具调用，以及最终能否闭环。百度搭子的两个版本分别拿到93.3%和93.2%，同场景下，Anthropic和OpenAI的成绩分别为91.6%和89.0%。在DeepResearch Bench上，它也排在第一位。

搭子的进步，是以日计算的更新堆出来的，这也是百度的传统了——AI生产力内化。

说的通俗一点就是，用百度自己的业务去打磨这套能力——百度自己先当试验田：内部用搭子串联如流、ERP、工单，任务在系统间流转，人只在关键节点介入，最终沉淀出一套企业级的业务逻辑。

我不久前写过一篇文章，说任何公司里都有两种AI——公司采购的，合规但繁琐；团队甚至员工自己掏腰包充值的，有效果但不合规，还有后门风险——百度搭子的企业版，就针对这种事实上的分裂，用产品的能力粘性把两种路径归并到一起——通过共享、沉淀、打通，再配上权限、审计、沙箱这套安全底座，外加企业级Skill接入标准，让所有的企业级用户，可以在内部按统一规矩建立起企业的智能体应用生态。

而且，是真正跨过生产力门槛的那种。

从一个样本，到一套坐标

Agent Washing之所以泛滥，是因为做一个“看起来像Agent”的产品并不难。

调用一个模型API，接几个插件，包一层界面，产品就能自己规划步骤，也能在屏幕上连续执行。演示的时候，已经“很像智能体”了。

一旦进入真实业务，问题很快就会被露出来：任务可能失败，工具调用可能中断，成本可能失控，企业也不可能把核心权限交给一个无法审计的黑箱。Gartner预计，到2027年底，超过四成Agentic AI项目会被取消。很多项目并不是完全不能运行，而是没有办法在真实的商业环境里长期运行。

所以，通用智能体的竞争，看上去发生在界面上，最后仍然会落到底层。

百度的做法是，搭子的前台尽量做轻，后台的压舱石是“芯云模体”的全栈布局：昆仑芯提供算力，百度智能云承载任务，文心模型负责理解与推理，Harness把任务拆解、调度，再把结果收回来。

更为重要的是，昆仑芯适配的不只是文心大模型，还适配DeepSeek、GLM、MiniMax等主流模型；百度智能云围绕智能体升级为新全栈AI云，Agent Infra 把单位Token的智能水平做到最好，AI Infra 负责提供性能最强、最具性价比的AI算力服务；模型层更直接地指向成本：文心5.1的预训练成本只有业界同类模型的6%，参数规模比5.0明显收缩，效果反而有所提高。

这些提升最后都会落到百度搭子身上——Harness省下75%的Token，模型层压低训练成本，芯片和超节点继续提高吞吐。同样一项任务，需要动用的资源越少，智能体才越有可能被成百上千次地调用。

全球范围内，能同时握住这四层的公司，一只手数得过来。这是百度敢先拿自己去试这道刻度的底气。

但客户希望看到的，显然也不能只有一个“搭子”。极度重视应用驱动的百度，正在把“任务交付”这套逻辑放进不同场景里。

秒哒聚焦无代码开发，已经积累超过100万个应用，其中八成用户并不是程序员；伐谋进入的是更复杂的决策场景，将码头管控指标绝对提升了10.21%；百度一镜替品牌拍摄、生成和分发数字人内容；萝卜快跑走得更远，它把任务执行从屏幕推到了物理世界：车里没有司机，行程自动完成。

这些产品表面上差异很大，有的写应用，有的做决策，有的生产内容，有的控制车辆。放在一起看，它们处理的却是同一件事：如何让AI接过一段完整的工作，而不只是给人提供一个书面答案。

芯片支撑云，云承载模型，模型驱动智能体，智能体在真实任务里留下的数据，再回头修正整个系统。这个循环如果转得起来，百度就不只是在做几款Agent产品，而是在试着建立一套能反复生产智能体的工业体系。

这也是为什么，DAA不会永远停留在一个数量指标上。

数量可以说明智能体是否开始繁荣，却很难说明这份繁荣里有多少工作真正被完成。搭子给出的“1.1”，以及伐谋、秒哒、百度一镜和萝卜快跑，都已经走在这条以终为始的路上——任务是什么，交付在哪里，人因此少做了什么。

这些问题回答得越清楚，DAA这把尺子才越接近行业的“定律”和“共识”。

尾声

干活的才是智能体

贵州镇宁县，一对乡村教师夫妇办了一个叫“微光”的公益组织。