从 DAU 到 DAA：百度 Create 2026 如何重新定义 AI 时代的价值度量衡

"衡量一个平台和生态的繁荣，更应该看的是 DAA 这个指标——关注有多少 Agent 在给人类干活，并交付结果。这比无谓的 Token 消耗，更接近价值，也更接近本质。"
— 李彦宏，Create 2026 百度 AI 开发者大会，2026年5月13日

引言：Token 神话该休矣

2026年5月13日，北京国家会议中心。

当行业还在为大模型的参数规模和 Token 消耗量争得面红耳赤时，百度创始人李彦宏在 Create 2026 开幕式上直接按下了"重置键"——他首次提出 "日活智能体数（DAA, Daily Active Agents）" 作为 AI 时代的新度量衡，宣告 AI 正式跨越"陪聊阶段"，迈入真刀真枪的"生产力时代"。

这一观点的冲击力，远超一款新产品的发布。它挑战的是整个 AI 行业现行的价值评估体系，重新定义了什么叫"AI 有用"。

本文将从技术、商业、开发者三个维度，深度解析这场大会上最重要的新概念，以及百度围绕 DAA 构建的完整智能体产品矩阵。

一、为什么是 DAA？—— Token 只代表成本，不代表价值

1.1 DAU 时代的终结

在移动互联网时代，我们用 DAU（日活跃用户数）来衡量一个平台的真实繁荣度。用户停留时长、活跃度、流量规模，构成了互联网公司的核心指标体系。

但这个逻辑在 AI 时代遇到了根本性问题。

李彦宏指出：**Token 只代表成本，不代表收益。**它衡量的是投入，而非产出。一个模型每秒处理多少 Token，这是效率指标，不是价值指标。就像你不能用"炼油厂烧了多少油"来衡量炼油厂的价值，而应该看它产出了多少合格产品。

AI 行业同理。ChatGPT 时代的 Token 消耗量节节攀升，但那只是说明大家在"用 AI"，并不代表 AI 在"创造价值"。真正的价值，应该看 有多少任务被 AI 完成并交付了结果。

1.2 DAA 的定义与含义

DAA（Daily Active Agents，日活智能体数）衡量的，是每天有多少个 AI 智能体在真实场景中，替人完成任务闭环。

DAU → 每天有多少"人"在用 → 衡量"流量"
DAA → 每天有多少"Agent"在做 → 衡量"产出"

这不是玩文字游戏，而是商业逻辑的根本转变。

• DAU 时代：平台的价值 = 用户量 × 使用时长 → 广告变现
• DAA 时代：平台的价值 = Agent 数 × 任务完成率 → 价值变现

李彦宏大胆预测：**未来全球日活智能体数（DAA）可能超过 100 亿。**这个数字背后，是每一个白领、家庭、开发者都可以拥有多个专属 Agent 的未来图景。

1.3 为什么百度有资格定义这个标准？

百度是国内最早全面押注 AI Agent 的互联网巨头。从 2019 年的文心大模型，到 2023 年的文心一言，再到 2026 年的全系列智能体产品，百度在 AI 落地方面的积累，远超国内同行。

Create 2026 上的 DAA 概念，不是空穴来风的营销话术，而是基于百度自身 AI 产品大量实际应用数据提炼出的认知。DuMate、秒哒、伐谋等产品的真实使用数据，让百度有了定义"什么才算真正有价值 AI"的底气。

二、AI 时代进化论：三个维度的自我进化

2.1 智能体的自我进化：从"指令执行"到"意图理解"

李彦宏在大会上提出了"AI 时代进化论"，包含三个层面的深刻重塑。

第一个层面是智能体的自我进化。

传统 AI 的工作模式是：**你问，它答。**你给一个 prompt，它返回一个响应。这是一个被动的、单轮的事务。

新一代智能体的进化方向是：**主动感知、验证结果、形成闭环。**它不只完成你交代的任务，还会判断自己有没有把事情做好，并在下一个任务中主动改进。

# 传统 Agent vs 进化型 Agent 的对比

# 传统 Agent（被动执行）
def traditional_agent(user_prompt: str) -> str:
    response = llm.generate(user_prompt)
    return response  # 说完就完，没有任何闭环

# 进化型 Agent（自我进化）
class SelfEvolvingAgent:
    def __init__(self):
        self.performance_history = []
        self.context_graph = KnowledgeGraph()
    
    def execute(self, task: Task) -> ExecutionResult:
        # 1. 从上下文图中获取历史经验
        historical = self.context_graph.query_similar(task)
        
        # 2. 结合经验生成执行策略
        strategy = self.planner.plan(task, historical)
        
        # 3. 执行并验证结果
        result = self.executor.run(strategy)
        verification = self.verifier.validate(result, task.goal)
        
        # 4. 将经验写回上下文图（自我进化）
        self.context_graph.add_experience(task, result, verification.score)
        self.performance_history.append(verification)
        
        # 5. 如果验证不通过，主动调整重试
        if verification.score < threshold:
            return self.execute(task.with_feedback(verification))
        
        return result

百度在这次大会上展示的伐谋（Self-evolving Decision Agent），就是这种"自我进化"能力的典型代表。它不是给你一个答案就结束了，而是会持续追踪决策效果，在下一轮决策中自动优化。

2.2 人类个体的自我进化：从"团队作战"到"Agent 编队"

第二个层面是人类个体的自我进化。

李彦宏指出：过去，一个公司的最小生产力单元是一个团队；现在，一个人加上一支智能体编队，就能爆发出惊人的战斗力。

我们正在迎来一个"超级个体"（Super Individual）崛起的时代。在 AI 智能体浪潮的驱动下，Builder、Founder、Creator 实现了三位一体——每一个开发者，同时也可以是创业者，更是创造者。

移动互联网时代：
  一个人 → 产品经理 + 设计师 + 开发 + 运营 → 需要团队

AI Agent 时代：
  一个人 + Agent 编队 → "超级个体" → 独立完成完整产品
                     
  Agent 编队 = 搜索 Agent + 编码 Agent + 数据分析 Agent 
             + 文档 Agent + 部署 Agent + 运营 Agent

百度搭子 DuMate 的设计哲学，正是为这种"超级个体"服务。它不是一个单纯的聊天机器人，而是一个集成了百度所有核心 AI 能力（搜索 API、秒哒代码生成、伐谋决策优化、百科知识库）的统一入口。

2.3 企业组织的自我进化：从"KPI 管理"到"Agent KPI"

第三个层面是企业组织的自我进化。

当企业开始大规模使用 AI Agent，传统的绩效管理方式将面临根本性挑战。如果 Agent 完成了某项任务，谁的 KPI 应该加上这一笔？

百度智能云在这次大会上宣布升级为**"面向大规模智能体应用的新全栈 AI 云"，其核心能力之一就是Agent 绩效追踪系统**——它可以统计每个 Agent 的任务完成率、响应延迟、质量评分，让企业真正做到"AI 贡献可量化"。

三、产品矩阵：百度 AI Agent 全家桶深度解析

3.1 DuMate（百度搭子）—— 超级入口

DuMate（中文名"百度搭子"）是本次大会最重磅的个人级产品。

它的定位不是"另一个聊天机器人"，而是进入 Agent 世界的统一入口。李彦宏在发布会上说："DuMate 把百度的搜索 AI API、秒哒、伐谋等能力，都无缝地集成在同一个入口。这样一来，在一个系统里，就可以协同完成搜索、编码、深度研究、数据分析、应用创建等各式各样的任务。"

# DuMate 的核心理念：一个入口，多个 Agent 协同

用户说："帮我分析一下今年新能源车的市场趋势，
         然后用 Python 画个可视化图表，
         最后把结论写成一篇公众号文章"

DuMate 内部的工作流：
  1. 搜索 Agent → 抓取最新市场数据、行业报告
  2. 数据分析 Agent → 清洗数据、生成洞察
  3. 代码 Agent（秒哒） → 生成 Python 可视化脚本并执行
  4. 写作 Agent → 基于分析结果撰写文章草稿
  
  → 用户确认 → 发布

DuMate 在多个国际权威 Agent Benchmark 评测中达到 SOTA 水平（State of the Art，当前最佳），移动端 App 也同步上线，实现与 PC 端的远程实时互通。

3.2 秒哒（MiaoDa）—— 代码智能体

秒哒是百度的代码智能体（Code Agent），这次推出了 App 版本及企业版本。

李彦宏的判断是："秒哒这样的技术进步正在重新定义软件开发领域，使得'一次性软件'或'日抛型软件'的概念变得合理。"

这背后的逻辑是：当生成一个定制化小工具的成本趋近于零，企业就不会为每个短期需求专门立项开发。"用完即扔"的软件，从经济上变得完全合理。

# 秒哒的核心能力：全流程自动化代码生成

# 用户需求描述
requirement = """
一个网站监控工具：
1. 每5分钟轮询10个URL
2. 如果响应时间超过2秒，记录到数据库
3. 每天早上9点发一封邮件汇总报告
4. 用Dash做一个简单的dashboard展示状态
"""

# 秒哒生成完整的生产级代码：
# - scraper.py（轮询逻辑）
# - database.py（SQLite 存储）
# - scheduler.py（定时任务）
# - reporter.py（邮件发送）
# - dashboard.py（Dash 可视化）
# - requirements.txt
# - README.md
# - docker-compose.yml（可选）

# 更有意思的是：秒哒本身的代码，90%以上是它自己生成的
# 这是一个"用 AI 写 AI 代码，再用 AI 写应用"的递归场景

3.3 伐谋（Famo）—— 自我演化决策智能体

伐谋是百度面向企业级决策场景的智能体，这次升级至 2.0 版本。

2.0 版本的核心突破是：直接面向业务专家，不再需要技术团队介入配置。企业主只需要描述业务逻辑，伐谋就能自动构建决策模型，并在运行中持续优化。

# 伐谋 2.0 的核心架构

class FamouAgent:
    def __init__(self, domain: str):
        self.domain = domain
        self.decision_model = self._build_initial_model(domain)
        self.feedback_loop = FeedbackLoop()
        self.metrics = DecisionMetrics()
    
    def _build_initial_model(self, domain: str):
        """
        业务专家描述业务规则 → LLM 理解并构建决策图谱
        不需要写代码，直接用自然语言描述即可
        """
        return DecisionGraph.from_natural_language(domain)
    
    def run(self, context: BusinessContext) -> Decision:
        # 1. 收集实时数据
        real_time_data = self.collect(context)
        
        # 2. 运行决策图谱
        decision = self.decision_model.evaluate(real_time_data)
        
        # 3. 追踪执行结果
        result = self.feedback_loop.track(decision)
        
        # 4. 将结果反馈给模型，实现自我演化
        self.decision_model.evolve(result)
        
        # 5. 更新指标
        self.metrics.record(decision, result)
        
        return decision

# 面向三大核心场景：
# - 生产排程：工厂车间调度优化
# - 工艺优化：制造业生产参数调整
# - 物流规划：供应链路线动态优化

3.4 百度一镜 —— 数字人智能体

百度一镜是数字人智能体，这次大会上进行了重大能力升级。

新一代的百度一镜，不仅可以实现逼真的数字人形象，还具备多模态交互能力——能听、能看、能说、能思考。企业可以基于百度一镜，快速构建虚拟客服、虚拟主播、虚拟销售等数字员工。

四、技术架构：百度 Agent 全栈解析

4.1 Agent 基础设施层

百度的 Agent 产品矩阵，建立在一个完整的技术栈之上：

┌─────────────────────────────────────────────────┐
│  用户层：DuMate App | Web | API                  │
├─────────────────────────────────────────────────┤
│  智能体层：DuMate | 秒哒 | 伐谋 | 百度一镜        │
├─────────────────────────────────────────────────┤
│  编排层：Agent Orchestration（任务分发/协同）    │
├─────────────────────────────────────────────────┤
│  模型层：文心大模型 + DeepSeek + 第三方模型      │
├─────────────────────────────────────────────────┤
│  云基础设施：百度智能云（面向 Agent 优化）       │
└─────────────────────────────────────────────────┘

4.2 任务即服务（TaaS）架构

DAA 背后的商业逻辑，本质上是 "任务即服务"（Task as a Service, TaaS） 的新范式。

传统 SaaS 卖的是"软件使用权限"；TaaS 卖的是"任务完成结果"。

传统模式：
  企业 → 购买软件许可证 → 雇人操作软件 → 完成任务
         成本 = 软件 + 人工

TaaS 模式：
  企业 → 描述任务 → Agent 完成任务 → 交付结果
         成本 = 任务完成费（按结果计费）

这意味着 AI 的价值不再以"用了多少 Token"计算，而是以"完成了多少任务"计算。从"卖工具"到"卖结果"，这是商业模式的根本性跃迁。

4.3 Agent 间的协作协议

百度的 Agent 产品之间，通过一套内部协议实现无缝协作：

# Agent 间协作示意

class AgentProtocol:
    """
    百度 Agent 生态的内部通信协议
    支持跨 Agent 的任务委托、上下文传递、结果回传
    """
    
    # 当 DuMate 需要写代码 → 委托给秒哒
    # DuMate → 发送任务描述 + 上下文 → 秒哒
    # 秒哒 → 完成代码 → 返回结果 + 代码 + 执行日志 → DuMate
    
    # 当 DuMate 需要做市场分析 → 委托给搜索 Agent
    # DuMate → 发送分析需求 → 搜索 Agent
    # 搜索 Agent → 返回结构化数据 → DuMate
    
    # 当 DuMate 需要做复杂决策 → 委托给伐谋
    # DuMate → 发送决策上下文 → 伐谋
    # 伐谋 → 返回决策建议 + 置信度 + 风险评估 → DuMate

所有这些协作，对用户是透明的。用户只需要说一句话，DuMate 就会自动调度合适的 Agent 来协作完成任务。

五、DAA 带来的开发者机遇

5.1 Agent 开发的新范式

DAA 作为行业标准的确立，对开发者意味着什么？

第一，重新思考"有用"的定义。 如果你的 Agent 无法帮人完成任务闭环（即不能真正产生可交付的价值），它就没有价值。开发者需要从"功能开发"思维转向"任务完成"思维。

第二，性能指标从 Token 效率转向任务完成率。 你的 Agent 完成 100 个任务，成功了多少？平均耗时多少？用户满意度如何？这些才是衡量 Agent 价值的核心指标。

第三，Agent 间的互操作性成为关键能力。 未来不是"一个 Agent 解决所有问题"，而是"多个 Agent 协作完成复杂任务"。懂得如何让你的 Agent 与其他 Agent 无缝对接，将成为核心竞争力。

5.2 百度 Agent 生态的开发者入口

百度在 Create 2026 上宣布开放 Agent 开发平台，开发者可以：

1. 基于 DuMate 构建垂直 Agent：在 DuMate 的 Agent 市场发布垂直领域（法律、医疗、金融、制造）的专业 Agent
2. 基于秒哒构建代码生成模板：为特定行业（电商、教育、游戏）定制代码生成能力
3. 基于伐谋构建决策智能体：面向企业级决策场景，构建专业决策 Agent

百度智能云的全栈 AI 云，为这些开发者提供了从训练到部署到监控的完整工具链。

5.3 超级个体的崛起路径

对于个人开发者，DAA 时代意味着一个全新的职业选择：超级个体。

超级个体的能力组合：
  • 产品能力（用 AI 快速验证想法）
  • 技术能力（用秒哒快速构建产品）
  • 运营能力（用 Agent 自动化运营流程）
  • 决策能力（用伐谋优化业务决策）
  
  一个人 + AI Agent 编队 = 可以独立完成：
  • 一款 SaaS 产品的开发 + 运营 + 销售
  • 一家内容公司的选题 + 创作 + 分发
  • 一个咨询公司的需求分析 + 报告生成 + 客户沟通

这不是科幻，而是已经发生的现实。百度搭子 DuMate 的 SOTA 评测成绩，说明这些 Agent 的能力已经足够支撑个人独立完成复杂任务。

六、深度分析：DAA 对 AI 行业的影响

6.1 对估值体系的重塑

当 DAA 成为行业认可的度量衡，AI 公司的估值逻辑将发生根本性变化。

传统 AI 公司估值：大模型参数 × Token 消耗量 × 利润率
DAA 时代 AI 公司估值：活跃 Agent 数 × 任务完成率 × 平均任务价值

这将导致：

• Agent 能力强的公司估值飙升：能真正完成任务、产生价值的 Agent，才是价值载体
• 单纯"模型大"的公司估值承压：大模型但没有落地场景，无法积累 DAA
• 垂直领域 Agent 公司崛起：专注于某一领域做到极致的 Agent，比通用 Agent 更能积累有效 DAA

6.2 对投资方向的指引

对于 VC 和投资者，DAA 提供了新的投资框架：

DAA 投资矩阵：

                高任务价值          低任务价值
              ┌──────────────┬──────────────┐
         高   │  ⭐ 战略级   │  ⚠️ 效率工具  │
    任务完成率│  投资优先    │  谨慎评估     │
              ├──────────────┼──────────────┤
         低   │  ❌ 方向好   │  ❌ 无价值    │
              │  能力不足    │              │
              └──────────────┴──────────────┘

真正值得投资的 AI 公司，应该是高任务完成率 × 高任务价值的组合。

6.3 对监管的启示

DAA 还带来了新的监管思路。

当 AI 的价值以"任务完成"衡量时，监管的重点应该从"模型是否安全"转向"Agent 是否真正有益于人类"。

一个经常产生有害输出的 Agent，即使 Token 消耗量再高，也不创造 DAA；一个能稳定、安全完成有益任务的 Agent，即使参数规模不大，也能持续贡献 DAA。

七、与其他科技公司 AI 战略的横向对比

百度的 DAA 概念，在全球范围内都是最早提出以"任务完成"为核心价值衡量标准的科技公司。虽然 OpenAI 的 o3 在推理能力上仍然领先，但百度在 Agent 产品化和商业落地上，已经找到了自己的差异化路径。

八、未来展望：100 亿 DAA 的世界

8.1 短期预测（1-2 年）

2026-2027 年，DAA 概念的普及：

• 百度内部：DuMate/秒哒/伐谋的活跃 Agent 数持续增长
• 行业影响：其他国内科技公司（阿里、腾讯、字节）可能跟进提出类似指标
• 开发者生态：基于百度 Agent 平台的应用开始涌现

关键指标追踪：

• DuMate 的日活智能体数是否持续增长
• 秒哒生成的代码质量（通过任务完成率评估）
• 伐谋在企业决策场景的渗透率

8.2 中期预测（3-5 年）

2027-2030 年，AI 价值衡量的标准化：

• DAA 或类似指标，成为全球 AI 行业公认的评估标准
• "任务即服务"（TaaS）商业模式成熟，取代部分传统 SaaS
• 超级个体数量大幅增长，成为数字经济的重要参与者

技术演进方向：

• Agent 的自主性进一步提升，从"辅助决策"进化到"独立决策"
• 多 Agent 协作系统成熟，单一复杂任务可由多个 Agent 无缝协作完成
• Agent 间的标准化协议建立，实现跨平台、跨厂商的 Agent 互操作

8.3 长期愿景（5-10 年）

2030 年以后，Agent 经济体成型：

• 全球 DAA 达到李彦宏预测的 100 亿级别
• AI Agent 替代大量重复性白领工作，人类聚焦创造性工作
• "人管 Agent、Agent 干活"的协作模式成为常态
• 新的社会分工体系形成，人类与 AI Agent 共生的文明新阶段

九、总结：AI 正在从"陪聊"走向"干活"

Create 2026 上，李彦宏的 DAA 概念，核心就一句话：AI 能否帮人类真正完成工作并交付结果，才是衡量 AI 价值的唯一标准。

这不是对 Token 消耗量的否定，而是对 AI 价值本质的回归。当我们回顾工业革命的历史，那些真正推动社会进步的技术，从来不是因为"用了多少资源"，而是因为它们"完成了多少以前完成不了的事情"。

百度提出的 DAA，实际上是给整个 AI 行业敲响了一记警钟：别再内卷 Token 了，去真正解决问题。

对于开发者而言，这意味着：

• 少关注模型参数，多关注任务完成率
• 少做 demo，多做产品
• 少追求"技术先进"，多追求"用户受益"

对于企业而言，这意味着：

• 不是在 AI 上花多少钱，而是 AI 帮你省了多少成本、赚了多少收益
• 不是买了多少 AI 工具，而是有多少 Agent 在替你干活

AI 的黄金时代，不在于模型有多大，而在于它有多能干。

DAA is the new DAU. Task completion is the new metric.

Tags: 百度 | DAA | AI Agent | Create 2026 | DuMate | 秒哒 | 伐谋 | 智能体 | AI时代度量衡 | 超级个体

Keywords: DAA 日活智能体数 | 李彦宏 AI时代进化论 | 百度Agent产品矩阵 | DuMate百度搭子 | 秒哒代码智能体 | 伐谋决策智能体 | Task as a Service | 超级个体 | AI价值衡量