转自：长安街知事
2026年的夏天，全球AI产业的空气里弥漫着一股微妙的紧张感。
大洋彼岸，曾经热衷于“烧Token”的科技企业不约而同踩下刹车。Uber将Claude Code（一种AI编程工具）部署给约5000名工程师，仅四个月就耗尽了全年的AI预算；亚马逊关闭了内部AI使用排行榜，公开告诫员工“不要为了使用AI而使用AI”；微软收紧了内部AI工具的使用权限，逐步关停大部分Claude Code授权，并表示Token成本已高于员工成本；一家海外大数据分析公司直言，Token利用最大化“模式已经出了问题”。
这些信号汇聚成一个强烈的疑问：当AI的演示光环逐渐褪去，而财务回报成为硬指标，行业究竟该如何衡量其价值？争论与摸索之中，国内传来一种回答。7月15日，2026世界人工智能大会暨人工智能全球治理高级别会议（WAIC）开幕前夕，《人民日报》刊发了百度创始人李彦宏的署名文章，并主张以“日活智能体数”（Daily Active Agents，以下简称DAA）作为衡量智能生产力的重要指标，引导AI发展从“重投入、轻产出”转向服务实体经济。
DAA这个新名词引出了一个亟待解决的议题：在全球AI产业从模型竞赛进入应用落地、成本约束和治理协同的新阶段，衡量AI的“尺子”，是不是该换了？
“烧Token”好像“失灵”了
过去两年，AI行业几乎形成了一种共识——Token崇拜。Token，是大模型处理文本的最小计量单元。Token之所以重要，是因为AI行业需要一个可量化、可追踪的指标来评估模型的使用规模和活跃度。就像互联网时代的PV（页面浏览量）、移动互联网时代的DAU（日活跃用户数量）一样，Token形式直观、易于统计，因而成为AI时代的第一个“通用度量衡”。
在AI发展早期，能够调用更多Token，往往意味着更强的算力、更长的上下文和更复杂的推理能力。于是，Token消耗量逐渐从一个纯粹的技术指标，演变为一个隐形的实力象征。大模型公司按Token收费，企业按Token采购，Token也随之成为组织管理和商业价值的标尺——用得越多，显得越积极，企业开始下意识地把“消耗得多”等同于“做得多、做得好”。
然而，Token只忠实记录机器运转，却无法回答运转带来了什么。据了解，Meta曾在其内部设立Token消耗榜，30天内全员累计消耗Token达60万亿，许多员工为冲高排名盲目调用模型，造成算力空耗。
机器在“空转”，企业在为此买单。一位经济学家观察到，尽管自2023年以来，单个Token价格下跌超过90%，但自2025年起，大型语言模型的支出却翻了一倍。企业和员工效率提升刺激了更大规模的使用。而随着AI从简单的“一问一答”进化为需要自主规划、调用工具的“智能体”，一次看似简单的任务可能触发几十次模型调用，企业支出成本呈指数级增长。
Token消耗越来越多，但每一笔增量投入是否带来了相应的商业回报，却成了一个悬而未决的问题。投入在膨胀，价值却在稀释。这也迫使海外科技企业开始收紧AI预算，不再只问“有没有用AI”，而是追问“账单带来了多少业务结果”。
打一个比喻：Token是AI的“电表”，但不是“产值表”。电表跑得快只能说明耗能高，不能说明工厂生产了更多合格产品。显然，AI行业不能只比参数、算力和Token消耗，而要共同讨论什么才是真正的智能生产力。
给AI装一个新“里程表”
正是在“旧尺子”失灵的时刻，DAA试图回答Token回答不了的问题：AI到底干了多少活？
2026年5月，李彦宏在Create2026百度AI开发者大会开幕式上，正式提出用DAA。DAA的核心逻辑将评价的锚点从“消耗了多少计算资源”，转移到“完成了多少有价值的任务交付”。
DAA不关心一个模型被调用了多少次，而是关注有多少智能体能够自主完成任务、交付实实在在的结果。在这次《人民日报》发布的署名文章中，李彦宏表示，一次医疗辅助诊断、一次生产排程、一次成功的物流调度、一份被采纳的行业报告、一张自动处理的工单、一场完成交易撮合的智能服务，都可以通过DAA展现出来。“有了科学指标，我们就能更清楚地看到AI对生产生活带来的实际改变和效益。”
然而，提出DAA并不是要彻底否定Token。Token和DAA更像是分别处于天平的两端——一端是成本，一端是产出。但是一个健康的AI生态，既不能只看成本，也不能无视成本。过去行业过度关注投入端，DAA的作用，是把Token放回到“成本侧”的位置上，引导企业去思考一个更本质的问题：投入的这些资源，究竟产生了多少真实价值？
当然，必须清醒地认识到，如何科学衡量AI的有效价值，全球行业仍在探讨和摸索之中。百度提出的DAA，可以视作中国在这场全球AI价值论战中，给出的答案。
还有一家CRM软件服务商也提出了AWU（智能体工作单元），将其定义为AI智能体完成的一项独立任务，核心同样是跳出传统Token的算力统计，聚焦真实产业价值。
这些探索虽然路径各异、命名不同，但指向的是同一个方向：让AI在真实的生产场景中接受检验、创造效益。无论用什么指标来衡量，最终的标准只有一个——AI能不能帮人省时间、降成本、提质量、增效益。从这个意义上说，DAA的意义或许不在于其是不是“标准答案”，而在于能否推动AI成为社会经济发展的助力。
解释DAA，要先解好场景题
DAA的诞生并非偶然，而是深深植根于中国独特的发展土壤和产业逻辑。
中国拥有丰富的应用场景、完整的产业链和大规模的数字市场，海量的真实需求为智能体的落地提供了多元化的舞台。正是依托这片沃土，AI智能体才有可能走出实验室，在生产线上、在田间地头、在诊室里真正“干起活来”。
当然，让智能体“干起活来”的前提，在于其能否为实体经济降本增效，能否为社会生活带来便利。基于这一判断，一套科学的智能经济评价体系，才能引导资本、人才和技术等资源，从单纯追逐大模型参数、算力的“智能产业”，更多地流向以实体经济为核心的“产业智能化”领域。只有当AI嵌入千行百业的生产流程，成为提升效率、优化质量、降低成本的“数字生产力”，智能经济才算有了坚实的地基。
在这一背景下，《人民日报》在WAIC开幕前夕刊发李彦宏的署名文章，释放了一个清晰的信号：AI行业需要形成一种价值共识，去回答什么是有效应用、什么是真实产出、什么是智能经济的高质量发展。而这场全球瞩目的行业盛会，不应只是模型能力、算力规模和产品样品的展示场，更应成为凝聚产业价值共识的重要场域。
归根结底，AI的上半场，是模型能力的比拼，Token已经证明了潜力；AI的下半场，是应用落地的较量，DAA这类指标将检验AI的实效。随着未来每一份投入都能清晰地对应到一项项具体的任务交付、一次次效率的提升、一个个问题的解决，智能经济终将行稳致远，驶入高质量发展的快车道。
热门跟贴