“为什么 AI 行业开始关注这个新指标？”
作者丨成妍菁
编辑丨董子博
李彦宏第一次提到“DAA”这个新词，是今年元旦前后，在内部的一次汇报会上。
当时团队展示了一家车企的智能体应用情况，汇报中列出了调用次数、Token消耗等常见指标。李彦宏却追问了一个问题：有多少个智能体在活跃？
后来，这个问题逐渐演变成了 Create 大会上被正式提出的 DAA（Daily Active Agent，日活跃智能体数）。
如果说移动互联网时代最重要的指标是 DAU，那么在智能体时代，百度试图用 DAA 去回答另一件事：究竟有多少 Agent 真正在持续工作和被使用，并为企业创造价值。
过去两年，大模型行业最常见的增长指标是调用次数、Token消耗和推理成本。尤其是今年以来，随着龙虾、Agent Harness快速普及，越来越多非技术用户开始直接使用智能体完成工作，Token需求被进一步放大，供需关系也随之发生变化。
不少从业者看来，AI行业正进入新一轮调用量竞争周期。价格、规模和市场份额，成为云厂商最关注的话题。
但作为百度智能云AI与大模型平台总经理忻舟给出了另一种观察：他认为，市场高估了龙虾带来的短期变化，却低估了支撑龙虾运行的harness对企业智能应用落地的长期影响。
忻舟
“用户其实不关心 Token 消耗量，他更看重任务效果。”忻舟表示，能长期留下的，都是已经进入业务流程、持续产生结果的 Agent。
一旦智能体进入企业业务流程，开始参与供应链管理、港口调度、代码开发、数据分析等具体工作，它所创造的价值就会沉淀下来。此时衡量业务健康度的标准，也会从资源消耗转向价值创造。
这种判断也影响了百度智能云的策略选择。当行业仍在讨论价格战和调用量增长时，百度更关注的是AI能否真正进入企业生产系统。
云赛道没有“标准答案”，选择更符合公司实际情况的战略，才更加重要。
过去行业里的云厂商更偏向“卖资源”；而百度智能云已经在带着工程师驻场、做 POC、啃国央企流程，把 AI 真正落进业务系统。
港口调度、供应链优化，生产排程、风阻计算、AI Coding，本质上都是同一件事：AI 开始从“提供能力”，变成“直接参与结果”。
在长达近两个小时的深度对话中，忻舟没有回避落地阵痛，也坦陈了当下面临的算力瓶颈与交付压力，我们聊了公有云、Agentic AI 、ToB 交付的阵痛。
忻舟也向我们透露了一份落地扎实的成绩单：“伐谋”通过解决集装箱配载的算法优化，每年能为港口省下上千万元成本；数据智能平台“胜算”，在制造、物流等客户实地 POC 测试中实现了零差评，让客户直接拍出预算。
也正是在这些产业落地的基础上，百度智能云在今年 Create 上宣布全面升级为面向大规模智能体应用的新全栈 AI 云：一边依托昆仑芯、AI 云、文心大模型和智能体能力，打造单位 Token 智能水平更高的 Agent Infra；另一边继续强化每瓦性能更强、性价比更高的 AI Infra。
以下是雷峰网和忻舟的对话实录，雷峰网做了不变原意的调整和编辑：
01
怎么评判AI 业务健康度？
雷峰网：我们关注到百度Q1财报 AI 收入超过 52%，这部分收入主要由哪些构成？现在的收入结构，距离你理想中那种“能自增长”的健康状态，还有多远？
忻舟：GPU 云肯定是其中很大的一块，这是最底层、最基础的设施，不管做什么都需要 GPU 云，所以增长非常快，Q1财报数据，百度智能云GPU收入同比增长184%。
第二块是 AI 应用，包括网盘、文库、秒哒、伐谋、数字人等。这部分增长也非常快，根据Q1财报，已经带来了25亿元收入。
去年整个行业其实都在考核调用量 KPI，我觉得那时候行业整体不算特别健康。很多厂商其实是贴着成本甚至亏本在卖。
因为很多模型本身都是开源的。除了豆包这种不开源模型之外，像 DeepSeek、Kimi 等模型基本都开源。大家推理性能和成本不会差太多，可能你比我好 5%、10%，最多差 20%，不会出现数量级差距。大家做技术、做工程的，都会知道优化极限在哪里。
但今年不一样了。现在很多 Token可能原价都拿不到，尤其是量大的时候。资源稀缺的时候，本质上就是卖方市场。
从财务角度看，我们现在很多业务某种程度上也是健康的，因为毛利是正的。但我们也在考虑：这种健康能持续多久？它到底只是阶段性的供需关系，还是一种能长期创造业务价值的能力？
我自己的判断是，一个业务离客户价值越近，它就越健康。
如果只是卖资源，哪怕现在毛利很好，也会受到供给变化影响。比如未来英伟达产能提升，或者国产芯片成熟，供应不再稀缺，那资源生意的毛利一定会越来越低。
但如果这个业务本身能够长期增长，并且持续积累经验、数据和方法论，形成飞轮效应，不会因为底层资源价格波动就被影响，那它才是真正健康的业务。
雷峰网：今天的百度智能云怎么看业务的健康度？尤其是在 DeepSeek V4 出来把价格又掀翻一次之后，百度智能云的定价难度是不是变大了？
忻舟：首先，定价一定是对应具体产品的，所以得先谈产品，再谈定价。
在智能体时代，行业目前最普遍的业务指标，还是 Token 调用量。更早之前，大家看的是调用次数；后来发现，同样一次调用，消耗的 Token 差异很大，所以 Token 比调用次数更能反映真实使用情况。再往前，其实大家看的甚至是 GPU 使用量。
本质上，这些都属于“物理指标”——因为它们最容易被统计。行业的发展，往往也是从最容易量化的指标开始衡量业务健康度。
再往上走，就是 Robin 在 Create 大会上提到的 DAA（Daily Active Agent，日活跃智能体）。相比 Token，DAA 已经更接近“价值”本身了。因为只有 Agent 真正有价值，用户才会持续调用它。
DAA背后的逻辑是：智能体到底给客户带来了多少收益。比如增收了多少、节省了多少成本、提升了多少效率。
相同的 Token 消耗，在不同场景下创造的价值可能完全不同——有的只是节省一点成本，有的却可能直接带来十倍收益。
目前来看，Token 是可统计的；但哪些 Token 真正产生了价值、哪些只是无效消耗，其实很难准确衡量。
所以 Robin 提出 DAA，本质上是希望找到一个比 Token 更接近价值的指标。
未来可能还会继续演进。比如出现更接近价值的自动化统计方式，或者直接进入“按结果付费”。
因为客户愿意为 Token 付多少钱，其实差异不大；真正能拉开差距的，是客户愿意为哪个智能体付多少钱。
越往后走，衡量业务健康度的核心，可能会逐渐变成超级智能体、通用智能体的收入情况。
所以我觉得，这是一个逐层演进的过程：最开始是调用次数，后来是 Token，再后来是 DAA，未来可能还会出现新的指标。
现在我们除了看 Token，也会重点看智能体相关业务的 ARR （年化订阅收入）。用户愿意持续付费，说明这个产品有价值。
雷峰网：听起来挺有意思的，所以这个DAA的提出是基于千帆私有化场景？
忻舟：不是专门针对私有化。
雷峰网：我们知道私有化部署在2023年就很热了，很多做私有化的公司其实是一锤子买卖，机器卖出去，后面跟每日调用次数关系不大。那么现在呢？
忻舟：当时很多企业做 AI 转型，其实是自上而下推动的。比如金融行业，会有监管要求，需要统一管理模型风险，于是就需要一个平台去统一纳管各种机器学习模型和算法，比如 XGBoost、GBM 等。
那也是金融行业从“规则系统”向“机器学习系统”转型的阶段。过去很多风控逻辑，本质上是评分卡、规则树；后来开始引入大规模逻辑回归等机器学习方法。这也是为什么当时做私有化部署这类公司，需要把平台、算法、管理能力一起打包推进。所以那个阶段，它们确实给金融行业的算法转型带来了价值。
但问题也很明显，很多项目交付时效果很好，验收也没问题，但往往需要大量工程师驻场。一旦撤场，客户内部团队接起来就比较吃力。
归根结底，还是技术门槛太高。而且金融行业已经算是 IT 能力比较强的行业了。如果放到制造业、交通这些传统行业，问题会更明显。
所以行业当时面临的是同一个问题：平台本身不是不好，而是客户“用不起来”。后来私有化部署公司除了卖平台、卖算法，也开始卖机器，其实很大一部分收入来自硬件。
真正的变化，是从 2022 年底 ChatGPT 出现后开始的。最大的变化，是技术门槛被大幅拉低了。与此同时，很多互联网、大厂的人才也开始流向传统行业，企业内部整体的技术能力也在提升。
于是，新技术第一次开始真正被客户“用起来”。再往后，像 OpenClaw 这类产品出现后，变化就更明显了。
它本质上其实更偏“产品革新”，而不只是技术革新。它通过 memory、交互方式等设计，大幅降低了使用门槛。
百度内部把这类产品叫“通用智能体”。它最大的变化在于：普通业务人员不需要会写代码，只要有业务经验，就能和系统完成交互。系统会逐渐学习、蒸馏用户的工作方式，并形成对应能力。
与此同时，系统本身也在不断迭代。包括 Harness 的迭代、模型的迭代、skills 创建与更新的迭代，本质上都在持续降低门槛、提升效果。这意味着，通用智能体第一次真正具备了在企业内部大规模普及的条件。
一旦普通人也能使用，用户规模就可能扩大 10 倍、100 倍。用户一多，很多好的业务场景和创新自然就会冒出来。
而且现在还出现了“超级智能体”。一些以前做不到的事情，现在开始真正跑通。比如百度的“伐谋”、“秒哒”。
以港口为例，我们在 Create 大会上提到的配载场景，相比原有智能管控系统，优化效果提升了 10%，每年预计能节省上千万元成本。而且这还只是一个场景。现在已经在继续扩展更多场景。
客户愿意为这件事付很多钱，因为它创造的是实打实的业务价值。所以归根结底，过去私有化平台之所以跑不起来，并不是平台不行，而是当时技术成熟度和客户组织能力都还没到那个阶段。
现在，技术突破、产品门槛下降，再加上企业组织能力提升，整个行业开始真正进入“能用起来”的阶段了。
雷峰网：现在 GPU 云收入里，私有化和公有云大概各占多少？私有化收入一般算在哪一块？
忻舟：肯定是公有云占大头。私有化主要是卖软件。所以在体量上 GPU 公有云目前最大。短期内这是一个正毛利的好业务，但长期来看，我们肯定不能只靠卖 GPU 云，要靠 PaaS 和 SaaS 带来新增长。
02
价格战打到今天，厂商还在争什么？
雷峰网：靠囤 GPU、卖 Token 的生意，您怎么看？
忻舟：小厂商抗风险能力差，资金到位慢对他们就是致命风险，这体现了云厂商的规模优势 。
更重要的是，如果没有技术，囤卡的小厂本质上只是倒买倒卖大宗商品的“贸易公司” 。要把算力卡变成稳定的 Token 资源，中间需要强大的AI基础设施、计算通信网络和 MaaS 服务能力，以及 99.95% 的稳定性要求 。云厂商属于“加工贸易一体”的加工商，加了很多技术属性在里面，加上规模效应，所以抗风险能力强得多 。目前 GPU 云收入主要是公有云，这是一个正毛利的好业务，但长期来看，我们肯定还是要发展 PaaS 和 SaaS，来巩固云资源的售卖并带来新增长 。
雷峰网：很多财大气粗的厂商在贴本甚至赔本卖 Token，这种策略有可行性或价值吗？
忻舟：这是一个战略判断问题，核心在于赌 Token 到底有没有粘性，以及卖 Token 能不能带动 CPU 等其他云资源的消耗。
去年业界普遍认为模型在并发、上下文长度等工程体验上有细微差别，客户迁移也需要重新测试，存在一定的迁移成本，所以有厂商愿意用比较激进的价格先把量带起来，再去验证客户能不能沉淀下来，以及能不能带动其他云资源的消耗。
但百度当时的判断是，Token 调用本质是更接近标准化、无状态的服务，粘性没有那么强，客户随时可以切走 。其次，我们从数据和案例上也没有看到非常强的“Tokens卖量带动 CPU 云消耗”的必然关联。
基于这两个判断，我们当时认为，单纯靠亏着卖、负毛利卖 Token，并不是特别划算。现在行业也逐步回归理性，大家更关注正毛利、可持续交付和真实业务价值，这也和我们当时的判断基本一致。
雷峰网：这和各家自建 Agent 平台的技术路线有关吗？
忻舟：还没到 Agent，当时比的纯粹是 Token 推理。即使是千帆智能体平台，我们也可以解耦，去对接客户已有的 MaaS 或其他云的 MaaS。这种可解耦性正是 Token 粘性很低的原因之一。
雷峰网：怎么判断 TOKEN 的粘性？
忻舟：一是直觉判断，它是标准程度很高的服务，并且没有状态，你今天不提供了，客户马上切下一家。
二是从数据上看，卖 Token 换取整体云消耗的关联度，是不是能把账算过来。
雷峰网：那百度会对调用量焦虑吗？提出 DAA，是不是也和这种焦虑有关？
忻舟：只要指标比别人差都会有焦虑，会有来自各方的压力。但我们还是坚持长期主义，想看真正对客户有价值的指标和衡量方式是什么。
雷峰网：OpenClaw 这类通用智能体，对云厂商还有长期影响吗？
忻舟：人们往往高估了短期的影响，而低估了长期的影响 。OpenClaw类产品虽然是短期爆火的极客产品，但它的长期影响巨大。最本质的变化在于：第一，它把业务专家的知识和经验显式地沉淀下来变成了 Skills，并且这些经验能够进行动态自我更新与进化。第二，通用性非常强，使用门槛非常低。
用户规模扩大了 10 倍乃至 100 倍，普通业务人员可以直接使用，一定会催生大量高价值应用 。基于后训练技术、指令遵循和强化学习的技术，在最近一两年才真正成熟。比如百度搭子DuMate（通用智能体）这个产品的开发中，AI 编码率几乎已经达到 90%。
03
“龙虾架构”后，Token 还重要吗？
雷峰网：OpenClaw 掀起这一轮情绪波动后，百度智能云受到的影响大吗？
忻舟：从 Token 调用量等实际业务指标来看，没有因为龙虾近期的降温而跟着向下波动，相对的，一直在快速上升。
因为很多企业看到了这种技术产品的价值，把记忆、主动、自进化等技术和产品思想借鉴融入到了自己的产品中 。只要产品有价值，就会持续消耗 Token 。虽然市场声量在起伏，但实际业务资源的需求依然远大于供应 。
以目前市面上一些百万、千万DAU的bot类应用为例，它们并没有用上最新的技术框架，因为在没有找到很好的商业变现模式前，他们承受不起高昂的 Token 消耗成本 。也就是说，资源需求并不是不够大，而是已经被成本问题提前压住了。只有当 Token 消耗降到现在的十分之一，甚至更低，这类高 DAU 应用才可能真正大规模接入最新技术。到那时，市场需求会进一步释放，市场天花板远没有到。
雷峰网：很多时候，外界看到的行业变化，和厂商内部真实感受到的变化，其实差别很大。我们原本会很自然地觉得，像 OpenClaw 这类产品出来之后，云厂商的调用量应该会立刻爆发。
忻舟：对，现在云调用量其实已经起来了。但问题在于，调用量起来，不代表商业模式已经成立。现在整个行业其实已经是典型的“需求远大于供应”，所以在这个阶段，行业其实会同时往两个方向走。
一个方向是继续往上冲效果，先去探索任务能力的天花板，先不那么在意 Token 成本，看看 AI 最终到底能把任务做到什么程度；另一个方向则是在已经确认效果能满足要求的情况下，拼命想办法降低成本。
所以从这个角度看，现在市场讨论的很多“调用量增长”，其实并不会改变 Token 市场整体供需偏紧这件事。
因为当前整个行业，本质上还是需求远远大于供应。
雷峰网：如果这样看的话，百度策略是在探索产品效果天花板，还是在降本？
忻舟：两件事都在做。我们承受得起花代价去探索产品效果的天花板在哪 。另一方面，我们也在大力降本。例如 Create 大会上更新的Agent Infra，里面有一套Harness Engineering 的能力。它不仅提供长上下文管理、持久记忆、工具调用、子智能体调度、评估反馈、Runtime 这些基础能力，还把这些模块做了深度协同优化。举个例子，用户在用浏览器、Office 等工具处理办公类任务时，成功率可以做到 95%。同时，因为我们做了更好的上下文管理，完成同样一个任务，所需要的对话轮次会更少。和 OpenClaw 相比，Token 消耗可以减少 23%。
雷峰网：现在 Pro C 用户大概能接受多高的 Token 消耗？
忻舟：C端用户并不关心 Token 消耗量，他们关心的是任务效果，比如写报告、做 PPT 或数据分析 。所以现在的 ProC 产品多采用点数或包月订阅制 。对于真正的重度用户，即使是高级会员的额度，也有可能半天就用超了 。比如我们内部使用智能编码工具或做 Research 时的消耗量非常大 。
04
ToB 市场怎么攻下来？
雷峰网：对于 ToB 公司来说，今天底层技术拉不开差距，是不是渠道更重要？半年后，大模型 ToB 的竞争格局会有什么变化？
忻舟：在基础设施和通用类智能体管理平台上，各家工程能力差距确实不大。但真正拉开差距的是“给企业做了哪些高价值的应用”，比如百度智能云的伐谋、胜算（数据智能平台） 。客户做完 POC 测试后都非常认可并愿意给出预算 。
目前市场的瓶颈是交付成本还相对较高，需要人去对接需求并做定制化开发。但我们的判断是，随着技术易用性的提升和我们对行业场景理解的深入，交付成本一定会快速下降 。需求和效果在上升，交付成本在下降，半年后市场格局将会打开非常大的空间 。
雷峰网：是不是可以理解为，今天真正的“AI 富矿”，其实反而是在制造业、港口、供应链这些实体产业里？因为它们过去的信息化和 AI 渗透率没那么高，所以改造空间反而更大。
忻舟：我觉得有两个原因。第一，中国制造业本身就在快速升级。
不管是电池、汽车、芯片、服务器、存储，这几年整个中国制造的发展速度都非常快。产业本身在增长，意味着它天然就会产生大量新的效率需求和优化需求。
第二，也是更关键的一点：很多实体企业的 IT 基础设施，其实远远没有互联网、金融行业那么成熟。
也正因为基础薄弱，它们的 AI 提升空间反而非常大。我们现在看到的情况是，只要 AI 的使用门槛足够低、产品易用性足够好，它一定能在供应链、营销、财务、编码等大量业务场景里，带来非常明显的效率提升。包括伐谋、胜算、千帆，我们其实已经在几十家实体企业里做过验证。
我们的结论很直接：到处都是矿。
现在真正限制行业发展的，其实不是需求，而是交付成本能不能继续下降。对于私有化来说，交付成本里最核心的还是“人”。因为你需要理解客户需求、做行业适配、做定制化交付，同时还要持续提升产品易用性，降低客户内部的使用门槛。
本质上，这是产品能力、行业 Know-how 和组织培训三件事同时推进的过程。
雷峰网：而且今天很多大型国企、KA 企业，其实手里的预算并不少。
忻舟：预算确实不少。如果客户还没真正看到价值，买软件这件事，对很多企业来说是需要很大决心的。所以什么时候他们愿意花钱买软件？就是当他们已经非常明确地看到，这个系统真的能带来生产效率提升。
还是拿港口举例。现在这个案例已经非常典型了：系统上线之后，集装箱装箱效率提升，吞吐量越大，节省下来的成本就越高。如果一个港口一年吞吐量对应十亿级成本，那提升 10% 就是真金白银的一亿。
当这个价值已经被验证之后，其他港口就会更容易做决策。
雷峰网：在今天交付成本、交付难度都还很高的情况下，云厂商是不是还是得靠“抢客户”？
忻舟：需要抢。但各家云厂商的战略决心和投入资源不一样 。一些厂商公有云做得很大，对私有化只是一种探索；而百度对国央企和私有化业务非常看重，认为是未来高增长的重点 。这里面的核心在于判断：私有化这块业务的天花板有多高？交付成本能不能持续下降？以及私有化能不能从传统的项目制走向订阅制？
雷峰网：私有化如果走订阅制，国央企客户能接受吗？
忻舟：这其实不是客户理解不理解的问题。
很多人会低估国央企客户，但实际上，他们现在对 AI 的理解程度非常高。很多负责 AI 和 IT 的人，本身就是从互联网大厂出来的，对技术、产品、行业趋势都非常懂。而且国资委这几年对国央企 AI 负责人的培训密度非常高。
他们也在同一个行业圈子里。哪家做得好、哪些技术真正有效，他们其实非常清楚。所以最大的阻力从来不是“客户不懂”。真正的阻力，其实是机制，尤其是订阅制采购机制。
因为 AI 和传统软件不一样，你今天买断一个版本，半年之后它可能已经落后了。
从需求分析、招投标，到交付、实施，一个完整周期至少半年。而 AI 半年后的技术能力，和今天相比，可能已经完全不是一个东西。所以问题就变成：私有化部署之后，系统能不能持续升级？能不能持续热更新？
比如我们当时投标交付的是千帆 3.1，但现在最新版本已经到 3.4。那我到底该交付 3.1 还是 3.4？
如果交付 3.1，虽然符合合同，但很多新能力客户用不到；如果交付 3.4，那中间新增的大量 特性和能力，也对不少存量功能做了更新，与原来的合同 及SOW 不符，所以传统项目制，其实已经越来越不适合 AI。
我觉得更合理的方式，其实应该是订阅制。客户买的不是某一个固定版本，而是持续获得最新技术和产品能力的服务。订阅一年，就持续享受一年的升级；订阅三年，就持续获得三年的技术演进。
但这背后需要相应的制度、采购和审计机制一起升级，现在其实已经能看到一些变化，一些国企公开材料里已经开始出现“持续交付”“持续运营”这样的表述。
这说明整个体系，已经开始出现从传统项目制向长期运营制转变的苗头。
雷峰网：这两年我们和很多厂商聊 ARR，感觉它不像 DAU 那么直接，很多因素都会影响它。 所以在千帆内部，你们会很细地去拆 ARR 的变化吗？
忻舟：ARR 就是年化预期收入，是一个接近结果、老板和投资人都能看懂的指标。拆开看，ARR 涉及客单价、客户量和留存，这是一个“可能三角”。短期提升新客数量，必然导致留存下降，因为圈外人不理解产品会流失。这是一个动态决策的过程，但最核心的驱动力永远是“产品有没有价值”。 凡是能跟钱挂上钩的、客户用脚投票的，都是非常好的指标。如果是订阅类的产品，我们就看 ARR；如果是 ToB 项目制的私有化（比如私有化部署的伐谋），我们没办法用ARR来衡量，那就还是用计收、复购这样的传统指标。
雷峰网： 今年要在这种紧绷的状态下追求更有韧性的发展，主要的翻盘点会在哪里？
忻舟：两者都重要。一个是基本盘不能丢，即 CPU/GPU 云、昆仑芯等 IaaS 基础设施必须保持高速发展；另一个是我们的第一方 AI 应用（如文库、网盘、秒哒、百度搭子DuMate、伐谋）必须给客户带来真实的价值与收入增长 。相对而言，基础设施的发展路径更明确、确定性更高，是兜底的；而 AI 应用的不确定性更大，但同时想象空间也最为广阔 。
作者长期关注大厂的AI业务，更多内幕和人员变动，可加微信 Who123start 交流~
富深所配资提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
