文：王智遠 | ID:Z201440

5月13號，我在百度Create 2026現場學習了一整天，聽完最大的感受就三個字：換尺子。

01

這事說出來你可能覺得我在故弄玄虛，但這兩年 AI 行業有個現象，我是越琢磨越覺得不對勁。

所有人都在卷 DAU，日活高就是贏家，用戶增長快就是第一；投資人看 DAU，媒體寫 DAU，創業者的融資 PPT 第一頁還是 DAU。

除了 DAU，還有一撥人盯 Token 消耗量，模型調得多、Token 花得大，就覺得生態繁榮了。

兩個指標，一個從移動互聯網時代遺留下來的，一個大模型時代新冒出來的產品。放兩年前，這套評判標準沒人會覺得有問題。

但你靜下來仔細想想：DAU 這玩意兒，說白了，就是統計「有多少人點開過產品」。

點開就算一個活躍用戶。點開之后干了什么、有沒有解決問題、創造了什么價值，這些 DAU 一概不關心。

移動互聯網時代好使，因為那時候大家靠廣告吃飯；流量夠多就有廣告曝光，DAU 越高營收越高，邏輯是順的。

到 AI 時代，這套邏輯徹底崩了。用戶來了得消耗算力，多一個活躍用戶就多一份推理成本。DAU 漲了不代表你賺錢了，搞不好你虧得更慘。

那 Token 呢？

統計資源消耗，純投入類數據，只能看出你花了多少算力錢，完全看不出產出了什么效果。

打個比方。兩個智能體干一模一樣的活，一個花了十萬 Token，一個花了一萬；按 Token 消耗量來打分，反而是那個更費資源的前者得分更高。荒謬不荒謬？

有個案例能說明問題：

Anthropic 旗下 Claude 全家桶的 DAU，只有 ChatGPT 的 2% 左右。單看日活，Anthropic 跟 OpenAI 根本不在一個量級。

但看實際的商業成績呢？

Anthropic 的年化收入從 2024 年的 10 億美金，一路干到了將近 37 億美金。增速甚至超過了 OpenAI，這家公司從頭到尾沒跟風追過 DAU，

它就干一件事：對接付費企業客戶，把模型塞進人家的業務流程里，讓 AI 落地干正事。

用戶體量不大，但每個用戶創造的價值極高，用 DAU 這把舊尺子量，Anthropic 就是行業里的小眾玩家。用商業價值量，它已經是全球 AI 行業最能賺錢的公司之一。

所以，坐在臺下，聽李彥宏說行業需要一把新尺子，我說句實在的，這真不是場面話，確實就這么回事。

02

李彥宏在現場甩了個新詞：DAA，Daily Active Agents，日活智能體數。

乍一看就是把 DAU 里的 U 換成了 A，改了一個字母，但背后的邏輯，完全是兩個物種。

DAU 統計的是「多少人來用」，DAA 盯的是「多少智能體在干活，干出了多少結果」，簡單說，一個數人頭流量，一個數「實際產出」。

另外我覺得，DAA 也不是要把 Token 這個指標一棍子打死。它在 Token 的基礎上往前推了一步，更成熟的玩法。

Token 只算投入，消耗了多少算力、跑了多少次推理。DAA 跳出投入這個維度，開始看產出了；算力投進去，到底干了多少活，交了多少「結果」。

圖釋：李彥宏在 Create 2026 現場提出 DAA（日活智能體數）概念

打個通俗的比方。

Token 像工廠的電費單，只能看出你用了多少電，DAA 是工廠的實際出貨量，是實打實做出來的東西，電費花得多不代表產能強，出貨數量和出貨質量，才是真本事。

這道理放到商業上也一樣，你跟投資人匯報，不會說你上個月花了多少電錢吧？大家看的都是產出、營收、實際成果。

現場有個細節我印象很深；李彥宏說，未來全球日活智能體數量，有可能突破 100 億。

100 億是什么概念？

目前Meta全系產品的DAU也就三十多億，已經是全球體量頂尖的用戶平臺了；100億的智能體日活，意味著未來線上干活的智能體數量，會遠遠超過人類活躍用戶的數量。

這個數字聽著挺猛，但我更關注它背后的行業變化。

等到智能體成了主流、數量遠超人類用戶，再用傳統數人頭的 DAU 標準給 AI 行業排座次，基本沒意義了。

所以，智遠認為，DAA 這個東西最大的價值，不是造了個新詞；它把整個 AI 行業的評判邏輯擰了過來，從過去比拼「使用流量、消耗規模」，變成了比拼「落地效果、實際價值」。

用得多，是流量思維，干得好，是生產力思維，這兩個思維之間的差距，就是下一輪競爭的分水嶺。

03

新概念誰都能提，能不能立住才是本事，我回頭翻了翻李彥宏這幾年在公開場合說的東西，發現一件有意思的事。

2024 年 4 月的 Create 大會，他就說別死磕模型了，深耕應用；當時整個行業什么風氣？所有人都在扎堆訓大模型，比參數量、刷測評分數，爭先恐后要干翻 GPT-4。

那時候誰提應用誰沒追求，好像不訓個千億參數的模型，都不好意思跟人打招呼。

結果一年后回頭看，各家模型能力差距越縮越小，真正拉開差距的，恰恰是那些落地應用。

2024 年 7 月 WAIC，他明確看好智能體，說這是 AI 應用的核心方向。那時，市面上全是聊天機器人，大家都默認對話就是 AI 的最終形態。

現在呢？全行業都在做 Agent。

2025 年百度世界大會，他提「內化AI能力」，強調 AI 要交付結果，當時很多人覺得這說法太樸素了，不夠性感，到今年，「AI 要落地干活」已經是行業共識，沒人再爭了。

把這幾個節點串起來，你會發現一條很清晰的線：

每次他拋出一個判斷，行業里的主流聲音都是反著來的；每次回頭看，他說的方向都成了大家正在走的路。

說實話，在科技創新這條賽道上，精準的行業洞察力太稀缺了。

大部分人踩不準節奏，要么看對了方向動作太慢，要么入場很早但選錯了賽道；能連續幾年在關鍵節點持續輸出精準判斷，這份「成績單」本身，就是最硬的實力證明。

所以，這次他提DAA，我認為，是同一條判斷鏈上的最新一環；而且，今天大會上百度的動作也很有意思，一口氣更新了好幾款新產品，本質上都是在為 DAA 這套新標準鋪路。

挑幾個核心產品說說：

DuMate，百度自研的通用智能體；現場演示里，一位電商創始人同時下了三條任務，DuMate 并行處理：客訴、數據統計、營銷頁面搭建，一口氣全干了。

秒噠 3.0。一個八歲小孩，用自然語言搭了一套操作系統出來，還迭代了兩個版本；普通用戶靠秒噠的自然語言編程，從想法到開發到變現，一條龍走完。有人靠這路子做到了千萬級營收。

伐謀 2.0，已經落地到真實現場。在青島港自動化碼頭跑起來之后，整體運營效率直接提升了將近 10%，數據擺在這，不是畫餅。

這些產品有一個共同點：它們都交付結果。

還有一件事我覺得值得單獨拎出來說。沈抖在現場講了個概念叫「新全棧」。

意思大概是：當高活躍、高價值、規模化的智能體開始進到客戶的業務場景里，底下的基礎設施也得跟著重來。

百度智能云這次直接升級成了新全棧 AI 云，從 Agent Infra 到 AI Infra 全面重構了一遍。

這個動作跟 DAA 是一條線上的事，你提出新標準，說要關注智能體的產出，那底下的基礎設施就得是為智能體大規模運行建的。

度量標準在變，底座也在跟著變，兩件事是配套的。

所以，我的結論是，提 DAA 本身不難，怎么接住才是關鍵；芯片、云、模型、智能體，從底層到應用的全棧能力，才是李彥宏敢在這個時間點說「換尺子」的底氣。

04

如果這把新尺子真能立住，整個 AI 行業的格局都得跟著變，回來路上我一直在琢磨這個問題；最先感受到變化的，大概是三類人。

第一類，企業老板。

李彥宏在臺上說了一句話：企業 CEO 都需要思考你的「智能體優先策略」

聽起來像口號，仔細想想，挺扎心的。說白了就是一件事：你組織里哪些活應該交給智能體干？

這個問題你不去想，你的競爭對手會替你想，人家一個人加一組智能體就能跑完的事，你還在靠三個部門來回協調，成本和效率的差距，只會越拉越大。

現場沈抖講了一個義烏的案例，挺有意思。

義烏做外貿的「前店后廠」模式大家都知道，前面接單跑客戶，后面盯生產管質量。

以前工廠做生產管理，廠長得針對不同問題分別訓練模型，把識別規則一條條配到每個攝像頭上。

現在基于百度的視覺智能體，直接搭了一個「AI 廠長」，安全生產、質量管理、人員管理，全覆蓋；前面的店鋪也上了「AI 店長」，能做導購、能看銷售數據、能結合庫存給出調貨建議。

一前一后兩個智能體，一家小企業就這么跑起來了，這就是「智能體優先策略」落到最小單元的樣子。

圖釋：李彥宏分享智能體自我進化帶來的三個方向性改變

第二類，普通人。

這塊我自己感受特別深，說個小例子，以前做一套視覺方案，從找參考、出初稿到反復改稿，至少得拉上設計師配合好幾天。

現在我拿 AI 工具加上 Web Coding，自己一個下午就能從零搞定，質量還不差，省下來的時間干嘛？想下一件事。

李彥宏管這個叫「超級個體」，一個人加一支智能體編隊，干出以前一個團隊才能干的活，現場展示的那些案例也證明了，這是正在發生的事。

以前沒團隊、沒資源，很多事想都不用想，現在門檻在往下掉，能不能抓住，就看你自己愿不愿意跟智能體學著配合。

第三類，投資人。

我跟幾個做投資的朋友聊過，他們看 AI 項目，第一眼還是先翻 DAU 和融資額，這個習慣短期內可能改不了。

但如果 DAA 慢慢變成行業共識，他們的估值模型遲早得跟著調，得看平臺上跑著多少智能體、每個智能體完成了多少任務、每個任務創造了多少實際價值。

從數人頭變成數成果，這套邏輯一旦落地，今天排名靠前的公司，未來的位置不一定還在前面。

有意思的是，我聊的時候，有個朋友嘴上說「還是得看 DAU」，聊著聊著自己也猶豫了。他原話是：你這個 DAU 這么高，付費效果如何？

客觀講，DAA 已經是共識了，只是還沒被捅破，這次李彥宏說該換尺子了。不管你信不信，至少值得認真想一想。