百度忻舟：大模型行业应告别Token内卷，转向DAA价值衡量

背景

随着大模型技术的普及，AI 行业的增长指标正经历从“资源消耗”向“价值创造”的深刻转变。过去两年，行业普遍关注调用次数、Token 消耗量及推理成本，尤其是近期以 OpenClaw（文中提及的“龙虾”）为代表的智能体应用快速普及，进一步放大了 Token 需求，引发了关于价格战、供需关系及市场份额的激烈讨论。

然而，百度智能云 AI 与大模型平台总经理忻舟指出，市场往往高估了短期技术爆发带来的变化，却低估了支撑智能体运行的基础设施（如 Harness）对企业应用落地的长期影响。百度试图通过提出 DAA（Daily Active Agent，日活跃智能体数）这一新指标，重新定义 AI 业务的健康度，强调智能体是否真正进入企业业务流程并持续产生价值，而非仅仅关注底层的资源消耗。

核心内容

1. 业务健康度的重新定义：从 Token 到 DAA

忻舟认为，衡量 AI 业务健康度的指标正在逐层演进。早期关注 GPU 使用量和调用次数，随后因单次调用 Token 差异大，转向关注 Token 消耗量。但 Token 仅是“物理指标”，无法反映真实业务价值。

百度在 Create 大会上正式提出 DAA（日活跃智能体数），旨在回答“究竟有多少 Agent 真正在持续工作并被使用”。DAA 背后的逻辑是智能体为客户带来的实际收益，如增收、降本或效率提升。相同的 Token 消耗在不同场景下价值迥异，因此 DAA 比 Token 更接近“价值”本身。未来，衡量标准可能进一步演变为超级智能体的收入情况或按结果付费。目前，百度智能云也重点监控智能体相关业务的 ARR（年化订阅收入），以验证产品的长期留存价值。

2. 私有化部署的困境与通用智能体的破局

2023年流行的私有化部署主要服务于金融等 IT 能力较强的行业，旨在满足监管和统一管理需求。然而，这类模式存在“交付即结束”的问题，往往需要大量工程师驻场，且技术门槛高，导致客户内部团队难以接手，尤其在制造业、交通等传统行业难以普及。

真正的转折点出现在 2022 年底 ChatGPT 出现之后，技术门槛大幅降低，人才流向传统行业提升了企业整体技术能力。以 OpenClaw 为代表的“通用智能体”通过 Memory（记忆）、交互方式设计及 Skills（技能）的动态更新，大幅降低了使用门槛。普通业务人员无需编写代码即可与系统交互，系统能学习并蒸馏用户工作方式。这种产品革新使得用户规模可能扩大 10 至 100 倍，催生了如百度“伐谋”（港口配载优化，年省千万成本）和“秒哒”等高价值应用。

3. Token 生意的逻辑与百度的战略选择

在 GPU 云方面，百度 Q1 财报显示 GPU 收入同比增长 184%，主要由公有云贡献。尽管短期毛利为正，但忻舟判断，随着英伟达产能提升或国产芯片成熟，资源稀缺性消失，单纯卖资源的毛利必然下降。

关于价格战，百度认为 Token 调用本质是标准化、无状态的服务，粘性极低，客户随时可切换。因此，百度未采取激进的低毛利策略去换取粘性，而是坚持长期主义，关注正毛利和可持续交付。目前行业处于“需求远大于供应”阶段，云厂商面临两难：一是探索效果天花板，不计成本提升能力；二是在效果达标后拼命降本。百度两者兼顾，通过 Harness Engineering 优化上下文管理、持久记忆等模块，在提升任务成功率的同时，相比 OpenClaw 减少 23% 的 Token 消耗。

4. ToB 市场的“富矿”与交付瓶颈

忻舟指出，真正的 AI 应用富矿在于制造业、港口、供应链等实体产业。这些领域信息化基础相对薄弱，但 AI 渗透率低意味着巨大的改造空间。随着技术易用性提升，AI 在供应链、营销、财务等场景能带来显著效率提升。

当前 ToB 市场的主要瓶颈是交付成本过高，依赖大量人力进行定制化开发。但随着产品易用性增强和行业 Know-how 的积累，交付成本将快速下降。百度已在几十家实体企业验证了“伐谋”、“胜算”等平台的效果，客户在明确看到生产效率提升后，愿意为软件预算买单。

关键要点

• 指标演进：AI 业务健康度指标从调用次数 -> Token 消耗 -> DAA（日活跃智能体数） -> 未来可能的按结果付费，核心是从“资源消耗”转向“价值创造”。
• DAA 的意义：DAA 衡量的是智能体是否真正进入业务流程并持续产生价值，比 Token 更能反映业务的健康度和用户粘性。
• 通用智能体的普及：以 OpenClaw 为代表的通用智能体通过降低技术门槛，使非技术人员也能使用 AI，推动了用户规模指数级增长和高价值应用（如港口调度优化）的出现。
• 私有化部署的局限：早期私有化部署因高门槛和高驻场成本难以在传统行业普及，而 SaaS 化、低门槛的通用智能体解决了“用不起来”的问题。
• Token 粘性低：Token 调用是标准化、无状态服务，客户迁移成本低，百度认为靠低价换取 Token 粘性的策略不可持续，更关注 PaaS/SaaS 层的长期价值。
• 实体产业是富矿：制造业、港口等实体产业因基础薄弱但需求旺盛，成为 AI 落地的高价值场景，关键在于降低交付成本。
• 百度策略：在保持 GPU 公有云正毛利增长的同时，通过 Agent Infra（如 Harness Engineering）优化降本增效，并深耕 ToB 高价值应用，推动从“卖资源”向“卖价值”转型。

意义与影响

百度智能云提出 DAA 指标并调整战略重心，标志着 AI 行业从“算力军备竞赛”和“Token 价格战”进入“应用价值深耕”的新阶段。这一转变对行业具有多重深远影响：

1. 重塑行业评价标准：DAA 的提出挑战了以 Token 消耗为核心的传统 KPI 体系，引导厂商和客户关注智能体的实际业务贡献，有助于纠正盲目追求调用量的短视行为，推动行业回归理性。
2. 加速 AI 在垂直领域的落地：通过强调通用智能体的低门槛和长尾场景价值，百度推动了 AI 从互联网大厂向制造业、物流、港口等传统实体产业的渗透。这不仅扩大了 AI 的市场边界，也为实体经济的数字化转型提供了新的动力。
3. 改变云厂商的竞争格局：随着 Token 标准化带来的红利消退，云厂商的竞争焦点将从底层的算力资源争夺，转向上层的应用生态、行业 Know-how 积累以及交付能力的优化。具备深厚行业积累和强大工程落地能力的厂商（如百度）将获得更大的竞争优势。
4. 推动技术架构的优化：为了在保持效果的同时降低 Token 成本，厂商将更加注重 Agent Infra 的优化，如上下文管理、工具调用协同等。这将促进 AI 基础设施技术的迭代，使智能体运行更高效、更经济。

总体而言，百度的战略调整反映了 AI 行业成熟度的提升，即从技术驱动转向价值驱动，从通用能力展示转向垂直场景深耕，这将为 AI 产业的长期可持续发展奠定坚实基础。