在 AI 加速渗透大厂内部的这一年，Token 正在变成一种新的生产刻度。

研发团队开始统计有多少代码由 AI 生成，业务团队关心每天调用了多少 Token，云厂商则围绕 Token 价格等展开新一轮竞争。

但这些数字越滚越大也带来了一个更现实的问题：AI 到底是真的创造了价值，还是只是被更频繁地使用了？

这正是百度试图重新定义 AI 竞争规则的底层逻辑。

5 月 13 日至 14 日，Create 2026 百度 AI 开发者大会在北京举行。李彦宏在开幕式首次提出 AI 时代的新 " 度量衡 " —— DAA（日活智能体数）。

在他看来，Token 衡量的更多是成本投入，而不是价值产出；真正能够对应移动互联网时代 DAU 的指标是 DAA，可以衡量 " 每天有多少智能体在持续给人类干活，并交付结果 "。

不过，相比这个仍偏宏观的新指标，更需要观察的还有百度正在把哪些 Agent 推向真实场景。

本届大会上，从通用 Agent DuMate，到代码 Agent 秒哒、数字人 Agent 百度一镜，再到面向企业核心决策的伐谋 2.0，百度几乎是沿着个人创造、软件开发、内容生产和产业决策几条路径同时落子。

这构成了观察百度 AI 布局的关键线索：李彦宏提出 DAA，是在给 AI 应用时代重新定义一把尺；

而此次密集发布 Agent 产品，则是在尝试回答这把尺究竟该量什么。

AI 时代新度量衡

过去一年，随着 Agent 快速升温，Token 消耗被推到了产业舞台中央。无论是模型厂商还是云厂商，都在围绕 Token 的效率、价格等展开新一轮竞争。

这种变化已经传导到企业内部的管理体系中。部分激进公司甚至会把每天消耗多少 Token，视为员工使用 AI 熟练程度的一种体现。

全天候科技从 AI 行业人士处了解到，部分大厂虽然没有单独把 Token 作为 KPI，但会将 Token 消耗量和 AI Commit Rate（AI 提交率）作为衡量标准。

" 我们现在是用多少代码是 AI 完成的来作为衡量标准，也就是 AI 提交率，其实就是‘ AI 写的代码数 / 提交的代码数’。" 北京某大厂研发部门人士告诉全天候科技，" 最终目标是 90%，但是现在就是努力先达到 70%。"

但问题也随之而来：无论是 Token 消耗，还是 AI 提交率，本质上都更接近投入和过程指标，而不一定能直接代表 AI 创造了多少业务价值。

一个 Agent 可以消耗大量 Token，但可能只是完成低价值内容生成；一个研发团队也可以提高 AI 提交率，但如果缺少后续质量验证、工程审查和业务结果评估，这一指标本身仍可能停留在 " 用得多 "，而不是 " 用得好 "。

正因如此，此次百度提出 DAA，核心意图是把 AI 竞争的关注点从 " 消耗了多少 Token"、" 有多少内容由 AI 生成 " 进一步转向 " 有多少智能体真正跑起来、在干活、交付结果 "。

按照李彦宏的说法，DAA 大致对应移动互联网时代的 DAU。

相比 DAU 衡量一个平台有多少真实活跃用户，DAA 则试图衡量一个 AI 平台上有多少智能体在持续运转，并交付结果。

据李彦宏预测，未来全球 DAA 可能会超过 100 亿。

与其看李彦宏说了什么，不如看百度正在做什么。

相比 DAA 仍偏宏观的新概念，更具体的观察对象是百度正在落地的 Agent 产品。

面向个人用户，百度此次重点安利了三款 Agent：DuMate、秒哒和百度一镜。

作为通用 Agent，DuMate（中文名为 " 百度搭子 "）更像是百度面向个人用户和企业员工打造的统一 AI 入口，把百度搜索 AI API、秒哒、伐谋等能力集成在这一平台，可以协同完成搜索、编码、深度研究、数据分析、应用创建等任务。

代码 Agent 秒哒则指向更明确的高价值场景 " 应用生成 "，让完全不懂代码的人也能直接生成应用，降低软件开发门槛和成本。

数字人 Agent 方面，百度慧播星升级为 " 百度一镜 "。

李彦宏将数字人定义为 " 看得见的智能体 "。百度一镜从原本主要应用于直播带货场景的数字人，升级为包含直播、视频、实时互动等多形态的全场景数字人平台，并同步推出海外版，服务中国企业出海。

从这组产品的矩阵可以看出，百度对 Agent 的布局并不是押注单一形态，而是根据不同场景拆出了不同类型的 Agent。

这种布局某种程度上是一种多点押注。

原因在于，Agent 时代的产品形态目前还远未收敛。未来用户到底会高频使用一个通用 Agent，还是会在不同任务中调用不同垂直 Agent；企业到底更愿意采购一个统一平台，还是把 AI 能力嵌入原有业务系统；Agent 最终会先在个人办公、代码开发、内容生产中放量，还是在产业决策和企业流程中形成更高价值的闭环，这些问题都还没有标准答案。

在这样的阶段，百度或许很难只押一个方向。

通过多个场景验证 Agent 到底在哪里能跑通、在哪里能形成用户习惯、在哪里能带来可衡量的商业价值，确实是更为可行的道路。

这种不确定性并非百度一家面对的问题。

放眼全球 AI 行业，许多高价值场景都是在真实使用中逐渐被验证。Claude Code 的走红就是一个典型案例。Anthropic 最初以安全和大模型能力见长，但真正让其在企业客户和开发者群体中快速放大的重要产品之一，却是代码 Agent。

在 Agent 形态尚未定型的当下，百度显然不想只押一个答案。

跑进业务

尽管答案并不清晰，但 Agent 是否进入真实工作流，并完成可验证、可复盘、可衡量价值的任务，确实已经成为 AI 下一个阶段竞争的重点。

在百度此次发布和升级的多个 Agent 产品中，伐谋 2.0 可能是最贴近企业核心业务流程的一款智能体。

简单来说，伐谋要解决的是企业里那些需要决策的问题。

例如生产排程中，一批订单应该如何分配到不同机器和产线，才能尽可能缩短交付周期、提升产能；物流规划中，车辆、路线、货物和时间窗口如何匹配，才能让成本更低、效率更高；工艺优化中，材料配方、参数组合和实验结果之间如何建立关系，才能提升良率或找到更优方案。

尽管过去企业可能已经有 ERP 等系统可以辅助决策，但真正到 " 怎么排、怎么调、怎么优化 " 的时候，最终决策仍然高度依赖人。

伐谋 2.0 想做的就是把这些复杂业务问题抽象为 " 数据—需求—算法—可视化 " 的过程。

例如业务人员上传生产、物流或实验数据，系统通过对话澄清约束条件，再由 Agent 自动生成优化算法，最后以甘特图、路径方案、多目标方案等业务人员看得懂的方式呈现出来。

据百度伐谋部门人士介绍，过去 6 个月伐谋团队跑了上百家客户现场后发现，大部分 AI 在产业里做的是提效工作，但 " 提了效并没有增产 "。企业真正关心的不只是员工能不能更快完成工作，而是 AI 能不能帮助收入增长、成本降低、良率提升，或者让现有资源被更充分地利用。

此次，决策智能体伐谋升级至 2.0 版本，便是直接面向业务专家，聚焦生产排程、工艺优化、物流规划三大场景。

目前百度主要通过以下两种方式落地伐谋产品：

一是直接服务制造企业等终端客户；

二是与 SaaS 公司合作，由 SaaS 厂商将伐谋能力集成到自己的管理系统中，再服务下游企业。

不过越靠近产业核心，落地难度也越高。

不同企业的流程、数据质量、系统环境和业务规则都不相同，伐谋未来能否在千行百业中得到规模化落地，仍是未知数。

整体来看，百度此次 Create 大会试图给出一套 AI 应用时代的完整答案：上层用 DAA 衡量智能体生态活跃度，中层用伐谋、DuMate 等产品验证智能体如何进入个人和企业工作流，底层则用 AI Infra 和 Agent Infra 支撑这些智能体稳定运行、自我迭代和规模化部署。

DAA 整套体系的新目标，更是一场新叙事的开始。