2026年7月，世界人工智能大会（WAIC）开幕在即，众多企业家、科学家亲自参加开幕仪式，全球AI界的目光聚焦在中国，会场一票难求。
大会开幕前夜，《人民日报》刊发了百度创始人李彦宏的署名文章《为智能经济打造科学评价体系》，文章提出将“日活智能体数”（Daily Active Agents，简称DAA）作为衡量智能经济发展的科学评价指标。
从今年5月李彦宏在Create大会上首次提出到今天登上中国最权威的媒体版面，DAA不只是一个指标，背后是全球AI竞争从模型能力走向应用价值后，评价体系的转换。
过去几年，全球AI的“账本”几乎是由硅谷定义的，谁烧的Token多、谁堆的算力大、谁的参数高，谁就是赢家。
但这套算法的局限正在显现：它能算清投入和消耗，却很难算出AI到底创造了多少价值。
DAA要回答的，正是这个被旧账本忽略的问题：它不再只看AI花了多少资源，而是看有多少智能体真正完成任务、进入产业、交付结果。
过去三年，全球AI圈的主流叙事，很大程度上围绕Token展开。
英伟达CEO黄仁勋曾把Token比作新时代的石油；各大模型公司比拼的是谁的用户消耗了更多Token；企业内部甚至出现了“Token消耗排行榜”，员工以烧Token多为荣。
但到了2026年夏天，硅谷叙事开始出现裂痕。
亚马逊取消了内部名为“KiroRank”的Token消耗排行榜。这个榜单曾以员工Token使用量排名，一度被视为内部荣誉。但问题很快暴露：一些员工为了冲榜，开始盲目调用模型，执行低价值任务，造成算力的无效消耗。
类似的反思也在行业里扩散。据第三方平台统计，谷歌、OpenAI、Anthropic三家美国头部模型的Token请求量市场份额，在一年内从72%下降至33%；Gartner在今年3月的研究报告中明确指出：Token消耗是衡量AI市场领导力的误导性指标。
为什么硅谷的Token计价方式失灵了？
因为Token是AI运行的基础计量单位，类似于电力时代的千瓦时，但问题是，从来没有人用耗电量来衡量一家企业的竞争力。
同样，用Token消耗量来衡量AI的价值，本身就偏离了商业的本质。
硅谷过去的商业叙事，恰恰建立在这套“消耗逻辑”之上：英伟达卖GPU，云厂商卖算力，模型公司卖Token。在这套话语体系里，消耗本身很容易被包装成繁荣。
但AI一旦从模型走向应用，企业真正关心的就不是烧了多少Token，而是有没有降低成本、改善流程、提升效率、创造收入。
旧账本只算投入，不算产出；只算消耗，不算交付。
这就是Token算不清的地方。
旧账算不清，就要换一把新尺。
一个产业怎么发展，往往取决于它用什么指标来衡量自己。
在过去10年中国的移动互联网时代，DAU（日活用户数）取代了“APP下载量”，成为核心指标。
而后，整个行业开始围绕着用户活跃度构建了一整套产品逻辑和商业模式，推动了移动互联网从“装机量竞赛”走向了“用户体验竞赛”。
到了AI时代，问题变了。
如果智能体正在成为最重要的应用形态，那么衡量标准也应该随之变化：不再只看有多少人打开一个产品，而要看有多少智能体在稳定地干活、交付结果。
智能体完成的每一次医疗辅助诊断，每一次生产排程，每一张自动处理完成的工单，每一份被采纳的行业报告，都比单纯的Token消耗更接近AI的真实价值。
衡量标准一变，产业的指挥棒也就变了。
过去几年，当Token成为隐性指标时，行业资源不可避免地涌向了“堆算力、拼参数、刷消耗”的方向。
这在一定程度上推动了中国AI基础能力的快速提升，但也带来了不容忽视的结构性问题：
算力投入快速增长，但与实体经济的深度融合仍有较大空间；
模型能力持续进步，但真正能在产业一线稳定运行的智能体应用不多。
DAA的提出，就是为了给问题的解决提供一个新的方向。
首先，它是在引导产业资源从“重投入”转向“重产出”。
一旦DAA成为被广泛认可的评价指标，资本、政策、人才和算力资源就会更倾向于流向那些能够让智能体真正进入产业场景、完成实际任务的方向。
这对于促进AI与制造业、医疗、物流、政务等实体经济的深度融合，具有重要意义。
其次，它也为AI企业的价值评估提供了新的维度。
过去，AI公司的估值逻辑往往对标海外明星企业，比拼的是模型参数和论文数量，这在一定程度上造成了政府和企业的重复建设，甚至出现了“算力房地产”现象。
如果以实际产出比去计算，就能很大程度避免这些问题。
第三，它有助于形成差异化的竞争优势。
过去AI企业讲故事，都要对标OpenAI、得说自己参数多少、得晒Benchmark。
往后，更值钱的故事是：我有多少个智能体在跑、日均交付多少任务、覆盖了哪些产业场景。
这套叙事更接近商业本质，也更有利于避免重复建设和算力空转。
如此，中国的产业优势就会体现出来，中美AI竞争的叙事位置也会跟着变。
如果只把DAA看成一个产业指标，还不够。
放到全球AI竞争里，它更像是一场评价权的重新分配。
过去几年，中美AI竞争的表象是“模型vs模型”“芯片vs芯片”，更深一层，其实是谁来定义先进性：谁来规定什么是领先的AI，谁来决定这场比赛怎么计分。
此前，硅谷定义的是模型参数大小、GPU集群规模、Token消耗总量、AGI实现时间表。
这些指标当然重要，但它们也恰好集中在美国最擅长的领域。按照这套坐标，其他国家天然更容易被放在“追赶者”的位置上。
DAA则提供了另一套坐标。
不是回避模型和算力竞争，而是在应用时代，把评价重心转向中国更有优势的地方：产业场景、任务交付、实体经济增效。
因为AI在中国，天然会被产业牵引，这是一条由落地驱动的路线，技术的终局是被产业吸收，并改写效率、产品和商业模式，超大规模的市场、极其丰富的应用场景、完整的产业链条，以及由此产生的海量真实需求，这些条件不是美国资本靠砸钱就能复制的，而是中国长期产业积累和数字化转型形成的底盘。
而DAA所做的，正是将这些结构性优势指标化：
对方比模型峰值，我们看应用深度；对方比Token消耗，我们看任务交付；对方比AGI时间表，我们看实体经济增效。
时机也很关键。
WAIC2026即将召开，全球AI产业正在反思Token叙事：
当旧叙事出现裂缝，中国提出一套更贴近产业实际的评价标准，其战略意义就不只是技术层面的。
标准制定权的争夺，往往决定了未来十年产业竞争的格局。
过去十年，通信、新能源、移动支付都证明过这一点：当一个国家能把自己的产业实践沉淀成标准、体系和方法论，它就不再只是跟随者，而开始参与定义下一阶段的游戏规则。
AI也一样。
今年年初，李彦宏接受《时代》周刊专访时说了一句很关键的话：“中美AI走的是两条路。美国主攻AGI，中国更看重实际应用。”
过去几年，百度持续把AI推向百度搭子、百度一镜、秒哒、伐谋、文心助手、萝卜快跑等智能体和应用。本质上也是在验证这条应用路线：AI不能只停留在模型能力，最终要进入真实场景，完成真实任务。
《时代》周刊则把这句话放在了专题视频的开头，标题是《How China Caught Up on AI and May Now Win the Future》（中国如何在AI上迎头赶上，并可能赢得未来）。
今天再看DAA，这条判断其实延续得很清楚：过去讲“中国AI更看重应用”，现在进一步回答“应用价值该如何衡量”。
就像《人民日报》文章中提到的：“我们发展AI、激活智能经济，说到底还是要服务实体经济，不能重走脱实向虚的歧路。”
中国不必在所有赛道都同时领先，但在“AI赋能实体经济”这条主赛道上，必须形成自己的坐标。