<mark id="oztn4"></mark>
0
李彥宏第一次提到“DAA”這個新詞，是今年元旦前后，在百度內部的一次匯報會上。
當時團隊展示了一家車企的智能體應用情況，匯報中列出了調用次數、Token消耗等常見指標。李彥宏卻追問了一個問題：有多少個智能體在活躍？
后來，這個問題逐漸演變成了 Create 大會上被正式提出的 DAA（Daily Active Agent，日活躍智能體數）。
如果說移動互聯網時代最重要的指標是 DAU，那么在智能體時代，百度試圖用 DAA 去回答另一件事：究竟有多少 Agent 真正在持續工作和被使用，并為企業創造價值。
過去兩年，大模型行業最常見的增長指標是調用次數、Token消耗和推理成本。尤其是今年以來，隨著龍蝦、Agent Harness快速普及，越來越多非技術用戶開始直接使用智能體完成工作，Token需求被進一步放大，供需關系也隨之發生變化。
不少從業者看來，AI行業正進入新一輪調用量競爭周期。價格、規模和市場份額，成為云廠商最關注的話題。
但作為百度智能云AI與大模型平臺總經理忻舟給出了另一種觀察：他認為，市場高估了龍蝦帶來的短期變化，卻低估了支撐龍蝦運行的harness對企業智能應用落地的長期影響。
“用戶其實不關心 Token 消耗量，他更看重任務效果。”忻舟表示，能長期留下的，都是已經進入業務流程、持續產生結果的 Agent。
一旦智能體進入企業業務流程，開始參與供應鏈管理、港口調度、代碼開發、數據分析等具體工作，它所創造的價值就會沉淀下來。此時衡量業務健康度的標準，也會從資源消耗轉向價值創造。
這種判斷也影響了百度智能云的策略選擇。當行業仍在討論價格戰和調用量增長時，百度更關注的是AI能否真正進入企業生產系統。
云賽道沒有“標準答案”，選擇更符合公司實際情況的戰略，才更加重要。
過去行業里的云廠商更偏向“賣資源”；而百度智能云已經在帶著工程師駐場、做 POC、啃國央企流程，把 AI 真正落進業務系統。
港口調度、供應鏈優化，生產排程、風阻計算、AI Coding，本質上都是同一件事：AI 開始從“提供能力”，變成“直接參與結果”。
在長達近兩個小時的深度對話中，忻舟沒有回避落地陣痛，也坦陳了當下面臨的算力瓶頸與交付壓力，我們聊了公有云、Agentic AI 、ToB 交付的陣痛。
忻舟也向我們透露了一份落地扎實的成績單：“伐謀”通過解決集裝箱配載的算法優化，每年能為港口省下上千萬元成本；數據智能平臺“勝算”，在制造、物流等客戶實地 POC 測試中實現了零差評，讓客戶直接拍出預算。
也正是在這些產業落地的基礎上，百度智能云在今年 Create 上宣布全面升級為面向大規模智能體應用的新全棧 AI 云：一邊依托昆侖芯、AI 云、文心大模型和智能體能力，打造單位 Token 智能水平更高的 Agent Infra；另一邊繼續強化每瓦性能更強、性價比更高的 AI Infra。
以下是雷峰網和忻舟的對話實錄，雷峰網做了不變原意的調整和編輯：
01 怎么評判AI 業務健康度？
雷峰網：我們關注到百度Q1財報 AI 收入超過 52%，這部分收入主要由哪些構成？現在的收入結構，距離你理想中那種“能自增長”的健康狀態，還有多遠？
忻舟：GPU 云肯定是其中很大的一塊，這是最底層、最基礎的設施，不管做什么都需要 GPU 云，所以增長非常快，Q1財報數據，百度智能云GPU收入同比增長184%。
第二塊是 AI 應用，包括網盤、文庫、秒噠、伐謀、數字人等。這部分增長也非常快，根據Q1財報，已經帶來了25億元收入。
去年整個行業其實都在考核調用量 KPI，我覺得那時候行業整體不算特別健康。很多廠商其實是貼著成本甚至虧本在賣。
因為很多模型本身都是開源的。除了豆包這種不開源模型之外，像 DeepSeek、Kimi 等模型基本都開源。大家推理性能和成本不會差太多，可能你比我好 5%、10%，最多差 20%，不會出現數量級差距。大家做技術、做工程的，都會知道優化極限在哪里。
但今年不一樣了。現在很多 Token可能原價都拿不到，尤其是量大的時候。資源稀缺的時候，本質上就是賣方市場。
從財務角度看，我們現在很多業務某種程度上也是健康的，因為毛利是正的。但我們也在考慮：這種健康能持續多久？它到底只是階段性的供需關系，還是一種能長期創造業務價值的能力？
我自己的判斷是，一個業務離客戶價值越近，它就越健康。
如果只是賣資源，哪怕現在毛利很好，也會受到供給變化影響。比如未來英偉達產能提升，或者國產芯片成熟，供應不再稀缺，那資源生意的毛利一定會越來越低。
但如果這個業務本身能夠長期增長，并且持續積累經驗、數據和方法論，形成飛輪效應，不會因為底層資源價格波動就被影響，那它才是真正健康的業務。
雷峰網：今天的百度智能云怎么看業務的健康度？尤其是在 DeepSeek V4 出來把價格又掀翻一次之后，百度智能云的定價難度是不是變大了？
忻舟：首先，定價一定是對應具體產品的，所以得先談產品，再談定價。
在智能體時代，行業目前最普遍的業務指標，還是 Token 調用量。更早之前，大家看的是調用次數；后來發現，同樣一次調用，消耗的 Token 差異很大，所以 Token 比調用次數更能反映真實使用情況。再往前，其實大家看的甚至是 GPU 使用量。
本質上，這些都屬于“物理指標”——因為它們最容易被統計。行業的發展，往往也是從最容易量化的指標開始衡量業務健康度。
再往上走，就是 Robin 在 Create 大會上提到的 DAA（Daily Active Agent，日活躍智能體）。相比 Token，DAA 已經更接近“價值”本身了。因為只有 Agent 真正有價值，用戶才會持續調用它。
DAA背后的邏輯是：智能體到底給客戶帶來了多少收益。比如增收了多少、節省了多少成本、提升了多少效率。
相同的 Token 消耗，在不同場景下創造的價值可能完全不同——有的只是節省一點成本，有的卻可能直接帶來十倍收益。
目前來看，Token 是可統計的；但哪些 Token 真正產生了價值、哪些只是無效消耗，其實很難準確衡量。
所以 Robin 提出 DAA，本質上是希望找到一個比 Token 更接近價值的指標。
未來可能還會繼續演進。比如出現更接近價值的自動化統計方式，或者直接進入“按結果付費”。
因為客戶愿意為 Token 付多少錢，其實差異不大；真正能拉開差距的，是客戶愿意為哪個智能體付多少錢。
越往后走，衡量業務健康度的核心，可能會逐漸變成超級智能體、通用智能體的收入情況。
所以我覺得，這是一個逐層演進的過程：最開始是調用次數，后來是 Token，再后來是 DAA，未來可能還會出現新的指標。
現在我們除了看 Token，也會重點看智能體相關業務的 ARR （年化訂閱收入）。用戶愿意持續付費，說明這個產品有價值。
雷峰網(公眾號：雷峰網)：聽起來挺有意思的，所以這個DAA的提出是基于千帆私有化場景？
忻舟：不是專門針對私有化。
雷峰網：我們知道私有化部署在2023年就很熱了，很多做私有化的公司其實是一錘子買賣，機器賣出去，后面跟每日調用次數關系不大。那么現在呢？
忻舟：當時很多企業做 AI 轉型，其實是自上而下推動的。比如金融行業，會有監管要求，需要統一管理模型風險，于是就需要一個平臺去統一納管各種機器學習模型和算法，比如 XGBoost、GBM 等。
那也是金融行業從“規則系統”向“機器學習系統”轉型的階段。過去很多風控邏輯，本質上是評分卡、規則樹；后來開始引入大規模邏輯回歸等機器學習方法。這也是為什么當時做私有化部署這類公司，需要把平臺、算法、管理能力一起打包推進。所以那個階段，它們確實給金融行業的算法轉型帶來了價值。
但問題也很明顯，很多項目交付時效果很好，驗收也沒問題，但往往需要大量工程師駐場。一旦撤場，客戶內部團隊接起來就比較吃力。
歸根結底，還是技術門檻太高。而且金融行業已經算是 IT 能力比較強的行業了。如果放到制造業、交通這些傳統行業，問題會更明顯。
所以行業當時面臨的是同一個問題：平臺本身不是不好，而是客戶“用不起來”。后來私有化部署公司除了賣平臺、賣算法，也開始賣機器，其實很大一部分收入來自硬件。
真正的變化，是從 2022 年底 ChatGPT 出現后開始的。最大的變化，是技術門檻被大幅拉低了。與此同時，很多互聯網、大廠的人才也開始流向傳統行業，企業內部整體的技術能力也在提升。
于是，新技術第一次開始真正被客戶“用起來”。再往后，像 OpenClaw 這類產品出現后，變化就更明顯了。
它本質上其實更偏“產品革新”，而不只是技術革新。它通過 memory、交互方式等設計，大幅降低了使用門檻。
百度內部把這類產品叫“通用智能體”。它最大的變化在于：普通業務人員不需要會寫代碼，只要有業務經驗，就能和系統完成交互。系統會逐漸學習、蒸餾用戶的工作方式，并形成對應能力。
與此同時，系統本身也在不斷迭代。包括 Harness 的迭代、模型的迭代、skills 創建與更新的迭代，本質上都在持續降低門檻、提升效果。這意味著，通用智能體第一次真正具備了在企業內部大規模普及的條件。
一旦普通人也能使用，用戶規模就可能擴大 10 倍、100 倍。用戶一多，很多好的業務場景和創新自然就會冒出來。
而且現在還出現了“超級智能體”。一些以前做不到的事情，現在開始真正跑通。比如百度的“伐謀”、“秒噠”。
以港口為例，我們在 Create 大會上提到的配載場景，相比原有智能管控系統，優化效果提升了 10%，每年預計能節省上千萬元成本。而且這還只是一個場景。現在已經在繼續擴展更多場景。
客戶愿意為這件事付很多錢，因為它創造的是實打實的業務價值。所以歸根結底，過去私有化平臺之所以跑不起來，并不是平臺不行，而是當時技術成熟度和客戶組織能力都還沒到那個階段。
現在，技術突破、產品門檻下降，再加上企業組織能力提升，整個行業開始真正進入“能用起來”的階段了。
雷峰網：現在 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塊？
忻舟：肯定是公有云占大頭。私有化主要是賣軟件。所以在體量上 GPU 公有云目前最大。短期內這是一個正毛利的好業務，但長期來看，我們肯定不能只靠賣 GPU 云，要靠 PaaS 和 SaaS 帶來新增長。
02 價格戰打到今天，廠商還在爭什么？
雷峰網：靠囤 GPU、賣 Token 的生意，您怎么看？
忻舟：小廠商抗風險能力差，資金到位慢對他們就是致命風險，這體現了云廠商的規模優勢 。
更重要的是，如果沒有技術，囤卡的小廠本質上只是倒買倒賣大宗商品的“貿易公司” 。要把算力卡變成穩定的 Token 資源，中間需要強大的AI基礎設施、計算通信網絡和 MaaS 服務能力，以及 99.95% 的穩定性要求 。云廠商屬于“加工貿易一體”的加工商，加了很多技術屬性在里面，加上規模效應，所以抗風險能力強得多 。目前 GPU 云收入主要是公有云，這是一個正毛利的好業務，但長期來看，我們肯定還是要發展 PaaS 和 SaaS，來鞏固云資源的售賣并帶來新增長 。
雷峰網：很多財大氣粗的廠商在貼本甚至賠本賣 Token，這種策略有可行性或價值嗎？
忻舟：這是一個戰略判斷問題，核心在于賭 Token 到底有沒有粘性，以及賣 Token 能不能帶動 CPU 等其他云資源的消耗。
去年業界普遍認為模型在并發、上下文長度等工程體驗上有細微差別，客戶遷移也需要重新測試，存在一定的遷移成本，所以有廠商愿意用比較激進的價格先把量帶起來，再去驗證客戶能不能沉淀下來，以及能不能帶動其他云資源的消耗。
但百度當時的判斷是，Token 調用本質是更接近標準化、無狀態的服務，粘性沒有那么強，客戶隨時可以切走 。其次，我們從數據和案例上也沒有看到非常強的“Tokens賣量帶動 CPU 云消耗”的必然關聯。
基于這兩個判斷，我們當時認為，單純靠虧著賣、負毛利賣 Token，并不是特別劃算。現在行業也逐步回歸理性，大家更關注正毛利、可持續交付和真實業務價值，這也和我們當時的判斷基本一致。
雷峰網：這和各家自建 Agent 平臺的技術路線有關嗎？
忻舟：還沒到 Agent，當時比的純粹是 Token 推理。即使是千帆智能體平臺，我們也可以解耦，去對接客戶已有的 MaaS 或其他云的 MaaS。這種可解耦性正是 Token 粘性很低的原因之一。
雷峰網：怎么判斷 TOKEN 的粘性？
忻舟：一是直覺判斷，它是標準程度很高的服務，并且沒有狀態，你今天不提供了，客戶馬上切下一家。
二是從數據上看，賣 Token 換取整體云消耗的關聯度，是不是能把賬算過來。
雷峰網：那百度會對調用量焦慮嗎？提出 DAA，是不是也和這種焦慮有關？
忻舟：只要指標比別人差都會有焦慮，會有來自各方的壓力。但我們還是堅持長期主義，想看真正對客戶有價值的指標和衡量方式是什么。
雷峰網：OpenClaw 這類通用智能體，對云廠商還有長期影響嗎？
忻舟：人們往往高估了短期的影響，而低估了長期的影響 。OpenClaw類產品雖然是短期爆火的極客產品，但它的長期影響巨大。最本質的變化在于：第一，它把業務專家的知識和經驗顯式地沉淀下來變成了 Skills，并且這些經驗能夠進行動態自我更新與進化。第二，通用性非常強，使用門檻非常低。
用戶規模擴大了 10 倍乃至 100 倍，普通業務人員可以直接使用，一定會催生大量高價值應用 。基于后訓練技術、指令遵循和強化學習的技術，在最近一兩年才真正成熟。比如百度搭子DuMate（通用智能體）這個產品的開發中，AI 編碼率幾乎已經達到 90%。
03 “龍蝦架構”后，Token 還重要嗎？
雷峰網：OpenClaw 掀起這一輪情緒波動后，百度智能云受到的影響大嗎？
忻舟：從 Token 調用量等實際業務指標來看，沒有因為龍蝦近期的降溫而跟著向下波動，相對的，一直在快速上升。
因為很多企業看到了這種技術產品的價值，把記憶、主動、自進化等技術和產品思想借鑒融入到了自己的產品中 。只要產品有價值，就會持續消耗 Token 。雖然市場聲量在起伏，但實際業務資源的需求依然遠大于供應 。
以目前市面上一些百萬、千萬DAU的bot類應用為例，它們并沒有用上最新的技術框架，因為在沒有找到很好的商業變現模式前，他們承受不起高昂的 Token 消耗成本 。也就是說，資源需求并不是不夠大，而是已經被成本問題提前壓住了。只有當 Token 消耗降到現在的十分之一，甚至更低，這類高 DAU 應用才可能真正大規模接入最新技術。到那時，市場需求會進一步釋放，市場天花板遠沒有到。
雷峰網：很多時候，外界看到的行業變化，和廠商內部真實感受到的變化，其實差別很大。我們原本會很自然地覺得，像 OpenClaw 這類產品出來之后，云廠商的調用量應該會立刻爆發。
忻舟：對，現在云調用量其實已經起來了。但問題在于，調用量起來，不代表商業模式已經成立。現在整個行業其實已經是典型的“需求遠大于供應”，所以在這個階段，行業其實會同時往兩個方向走。
一個方向是繼續往上沖效果，先去探索任務能力的天花板，先不那么在意 Token 成本，看看 AI 最終到底能把任務做到什么程度；另一個方向則是在已經確認效果能滿足要求的情況下，拼命想辦法降低成本。
所以從這個角度看，現在市場討論的很多“調用量增長”，其實并不會改變 Token 市場整體供需偏緊這件事。
因為當前整個行業，本質上還是需求遠遠大于供應。
雷峰網：如果這樣看的話，百度策略是在探索產品效果天花板，還是在降本？
忻舟：兩件事都在做。我們承受得起花代價去探索產品效果的天花板在哪 。另一方面，我們也在大力降本。例如 Create 大會上更新的Agent Infra，里面有一套Harness Engineering 的能力。它不僅提供長上下文管理、持久記憶、工具調用、子智能體調度、評估反饋、Runtime 這些基礎能力，還把這些模塊做了深度協同優化。舉個例子，用戶在用瀏覽器、Office 等工具處理辦公類任務時，成功率可以做到 95%。同時，因為我們做了更好的上下文管理，完成同樣一個任務，所需要的對話輪次會更少。和 OpenClaw 相比，Token 消耗可以減少 23%。
雷峰網：現在 Pro C 用戶大概能接受多高的 Token 消耗？
忻舟：C端用戶并不關心 Token 消耗量，他們關心的是任務效果，比如寫報告、做 PPT 或數據分析 。所以現在的 ProC 產品多采用點數或包月訂閱制 。對于真正的重度用戶，即使是高級會員的額度，也有可能半天就用超了 。比如我們內部使用智能編碼工具或做 Research 時的消耗量非常大 。
04 ToB 市場怎么攻下來？
雷峰網：對于 ToB 公司來說，今天底層技術拉不開差距，是不是渠道更重要？半年后，大模型 ToB 的競爭格局會有什么變化？
忻舟：在基礎設施和通用類智能體管理平臺上，各家工程能力差距確實不大。但真正拉開差距的是“給企業做了哪些高價值的應用”，比如百度智能云的伐謀、勝算（數據智能平臺） 。客戶做完 POC 測試后都非常認可并愿意給出預算 。
目前市場的瓶頸是交付成本還相對較高，需要人去對接需求并做定制化開發。但我們的判斷是，隨著技術易用性的提升和我們對行業場景理解的深入，交付成本一定會快速下降 。需求和效果在上升，交付成本在下降，半年后市場格局將會打開非常大的空間 。
雷峰網：是不是可以理解為，今天真正的“AI 富礦”，其實反而是在制造業、港口、供應鏈這些實體產業里？因為它們過去的信息化和 AI 滲透率沒那么高，所以改造空間反而更大。
忻舟：我覺得有兩個原因。第一，中國制造業本身就在快速升級。
不管是電池、汽車、芯片、服務器、存儲，這幾年整個中國制造的發展速度都非常快。產業本身在增長，意味著它天然就會產生大量新的效率需求和優化需求。
第二，也是更關鍵的一點：很多實體企業的 IT 基礎設施，其實遠遠沒有互聯網、金融行業那么成熟。
也正因為基礎薄弱，它們的 AI 提升空間反而非常大。我們現在看到的情況是，只要 AI 的使用門檻足夠低、產品易用性足夠好，它一定能在供應鏈、營銷、財務、編碼等大量業務場景里，帶來非常明顯的效率提升。包括伐謀、勝算、千帆，我們其實已經在幾十家實體企業里做過驗證。
我們的結論很直接：到處都是礦。
現在真正限制行業發展的，其實不是需求，而是交付成本能不能繼續下降。對于私有化來說，交付成本里最核心的還是“人”。因為你需要理解客戶需求、做行業適配、做定制化交付，同時還要持續提升產品易用性，降低客戶內部的使用門檻。
本質上，這是產品能力、行業 Know-how 和組織培訓三件事同時推進的過程。
雷峰網：而且今天很多大型國企、KA 企業，其實手里的預算并不少。
忻舟：預算確實不少。如果客戶還沒真正看到價值，買軟件這件事，對很多企業來說是需要很大決心的。所以什么時候他們愿意花錢買軟件？就是當他們已經非常明確地看到，這個系統真的能帶來生產效率提升。
還是拿港口舉例。現在這個案例已經非常典型了：系統上線之后，集裝箱裝箱效率提升，吞吐量越大，節省下來的成本就越高。如果一個港口一年吞吐量對應十億級成本，那提升 10% 就是真金白銀的一億。
當這個價值已經被驗證之后，其他港口就會更容易做決策。
雷峰網：在今天交付成本、交付難度都還很高的情況下，云廠商是不是還是得靠“搶客戶”？
忻舟： 需要搶。但各家云廠商的戰略決心和投入資源不一樣 。一些廠商公有云做得很大，對私有化只是一種探索；而百度對國央企和私有化業務非常看重，認為是未來高增長的重點 。這里面的核心在于判斷：私有化這塊業務的天花板有多高？交付成本能不能持續下降？以及私有化能不能從傳統的項目制走向訂閱制？
雷峰網：私有化如果走訂閱制，國央企客戶能接受嗎？
忻舟：這其實不是客戶理解不理解的問題。
很多人會低估國央企客戶，但實際上，他們現在對 AI 的理解程度非常高。很多負責 AI 和 IT 的人，本身就是從互聯網大廠出來的，對技術、產品、行業趨勢都非常懂。而且國資委這幾年對國央企 AI 負責人的培訓密度非常高。
他們也在同一個行業圈子里。哪家做得好、哪些技術真正有效，他們其實非常清楚。所以最大的阻力從來不是“客戶不懂”。真正的阻力，其實是機制，尤其是訂閱制采購機制。
因為 AI 和傳統軟件不一樣，你今天買斷一個版本，半年之后它可能已經落后了。
從需求分析、招投標，到交付、實施，一個完整周期至少半年。而 AI 半年后的技術能力，和今天相比，可能已經完全不是一個東西。所以問題就變成：私有化部署之后，系統能不能持續升級？能不能持續熱更新？
比如我們當時投標交付的是千帆 3.1，但現在最新版本已經到 3.4。那我到底該交付 3.1 還是 3.4？
如果交付 3.1，雖然符合合同，但很多新能力客戶用不到；如果交付 3.4，那中間新增的大量 特性和能力，也對不少存量功能做了更新，與原來的合同 及SOW 不符，所以傳統項目制，其實已經越來越不適合 AI。
我覺得更合理的方式，其實應該是訂閱制。客戶買的不是某一個固定版本，而是持續獲得最新技術和產品能力的服務。訂閱一年，就持續享受一年的升級；訂閱三年，就持續獲得三年的技術演進。
但這背后需要相應的制度、采購和審計機制一起升級，現在其實已經能看到一些變化，一些國企公開材料里已經開始出現“持續交付”“持續運營”這樣的表述。
這說明整個體系，已經開始出現從傳統項目制向長期運營制轉變的苗頭。
雷峰網：這兩年我們和很多廠商聊 ARR，感覺它不像 DAU 那么直接，很多因素都會影響它。 所以在千帆內部，你們會很細地去拆 ARR 的變化嗎？
忻舟：ARR 就是年化預期收入，是一個接近結果、老板和投資人都能看懂的指標。拆開看，ARR 涉及客單價、客戶量和留存，這是一個“可能三角”。短期提升新客數量，必然導致留存下降，因為圈外人不理解產品會流失。這是一個動態決策的過程，但最核心的驅動力永遠是“產品有沒有價值”。 凡是能跟錢掛上鉤的、客戶用腳投票的，都是非常好的指標。如果是訂閱類的產品，我們就看 ARR；如果是 ToB 項目制的私有化（比如私有化部署的伐謀），我們沒辦法用ARR來衡量，那就還是用計收、復購這樣的傳統指標。
雷峰網： 今年要在這種緊繃的狀態下追求更有韌性的發展，主要的翻盤點會在哪里？
忻舟：兩者都重要。一個是基本盤不能丟，即 CPU/GPU 云、昆侖芯等 IaaS 基礎設施必須保持高速發展；另一個是我們的第一方 AI 應用（如文庫、網盤、秒噠、百度搭子DuMate、伐謀）必須給客戶帶來真實的價值與收入增長 。相對而言，基礎設施的發展路徑更明確、確定性更高，是兜底的；而 AI 應用的不確定性更大，但同時想象空間也最為廣闊 。
作者長期關注大廠的AI業務，更多內幕和人員變動，可加微信 Who123start 交流
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
