李彦宏呼吁 AI 去车间"干活"！从"烧 Token"到"拼 DAA"，企业如何交出智能经济"成绩单"？

"当 AI 的评价标尺从'消耗了多少 Token'转向'每天交付了多少任务（DAA）'，智能经济的本质正从'算力游戏'回归'生产力跃升'。先知先行认为：AI 不能只在实验室里刷榜，必须干进业务主流程。真正的护城河，是把 Token 转化为确定性业务交付的工程能力。"

7月15日，百度公司创始人李彦宏在《人民日报》撰文指出，AI 正经历深刻跃迁，从模型阶段走向应用阶段，智能体正从"聊天工具"向"数字员工"转变。他一针见血地指出了当前行业的误区：如果价值标尺仅停留在"消耗了多少 Token"，容易形成"重投入、轻产出"的盲目追风。

为此，他提出用"日活智能体数"（Daily Active Agents，简称 DAA）作为衡量智能经济的重要指标。如果说 Token 衡量的是智能消耗（"电费单"），那么 DAA 衡量的则是智能生产力（"成绩单"）。

这一观点的提出，标志着行业对 AI 价值的认知正式从"技术狂欢"转向"产业落地"。对企业而言，这意味着评价体系的重塑：你的 AI 项目好不好，不再看调用了多少次大模型，而是看它每天在工厂车间里"干了多少活"、"交了多少差"。

行业洞察：Token 是"消耗"，DAA 才是"生产力"

过去两年，许多企业在引入 AI 时陷入了"Token 焦虑"：比拼谁的算力大、谁的模型调用量高。据 IDC 最新发布的《中国企业级 AI 落地白皮书》显示，2026年上半年中国企业级大模型 Token 消耗量同比增长超400%，但真正实现规模化业务闭环的 AI 项目仅占14.8%。

这种"重投入、轻产出"的模式掩盖了一个致命问题：海量的算力消耗是否转化为了真实的生产力？艾瑞咨询的数据也印证了这一点：超过65%的企业 CIO 认为，当前的 AI 项目主要停留在"辅助问答"阶段，并未深入核心业务流程。

李彦宏强调，AI 必须到工厂车间里"干活"，比如一次医疗辅助诊断、一次生产排程。然而，大模型在实验室里能写出完美的排程代码，到了真实车间却面临巨大挑战：如何接入老旧的 ERP 系统？排错了班次谁来负责？这些"泥泞"的工程问题，正是阻碍 Token 转化为 DAA 的鸿沟。

抽象的数据不如真实的商业场景来得透彻。我们来看看真正创造 DAA 的智能体长什么样：

案例一：跨境电商客服与退款处理（日处理工单 5000+）

某跨境电商大卖曾部署了基于头部大模型的客服机器人。过去，模型每天消耗数千万 Token，但只能"回复邮件"，退款审批、订单核销仍需人工在 ERP 中操作。

借助先知先行的工程交付底座"速+X"，该企业重新构建了智能体：AI 不仅生成话术，更被直接对接进店铺订单系统与退款规则引擎。遇到大额退款，智能体能自动拉取物流异常记录进行研判，符合条件则直接在 ERP 中触发退款工单并流转至财务。改造后，该智能体日均自主处理闭环工单超5000件，退换货周期从48小时缩短至2小时。这 5000 次业务交付，就是实打实的 DAA。

案例二：大型制造企业的供应链调度（排产效率提升 35%）

某制造企业试图利用多模态大模型优化供应链。初期，员工只是用它来查询排班规则，模型虽聪明，但对生产毫无实质帮助。

先知先行"速+X"介入后，组建 FDE（前推工程师）团队打通了模型与企业运行15年的老旧排产系统的 API，建立了实时库存数据知识库。改造后，该智能体每天能自主完成上百次物料调拨和排班生成，并在缺料时自动向上游供应商发起申购请求。系统上线三个月，排产效率提升35%，库存周转率提高20%。每天上百次自主排产，构成了该企业智能经济的"成绩单"。

当行业领军者的目光都聚焦于"实际产出（DAA）"时，先知先行早已将战略锚定在"工程交付与业务嵌入"这一核心环节。我们深知，企业需要的不是又一个消耗 Token 的聊天框，而是能稳定交付任务的"数字员工"。

先知先行"速+X"综合智能体编排系统通过以下三大优势能力，帮助企业跨越从 Token 到 DAA 的鸿沟：

1. 业务流深度嵌入，定义"数字员工"的工作岗位：真正的 DAA 不产生于独立的聊天界面，而产生于业务流的闭环中。先知先行致力于将 AI 智能体无缝接入企业的 OA 审批流、订单系统、排班软件。我们让 AI 不再只是"回答问题"，而是"执行任务"——如自动处理一张工单、自动触发一次退换货审批，让智能体真正在业务系统里"干活"。

2. 培育 FDE（前推工程师）人才，驱动智能生产力：提升 DAA 的关键在于"懂业务的人"。先知先行赋能企业内部的 FDE（前推工程师）人才，他们能敏锐捕捉业务痛点，将模糊的需求拆解为 AI 可执行的任务流。通过先知先行的低门槛底座，FDE 能快速试错，找到 AI 最能产生实际交付（DAA）的切入点，避免在无效场景上浪费 Token。

3. 合规与责任兜底，保障"数字员工"安全上岗："数字员工"要下车间，必须有安全合规的约束。先知先行提供企业级私有化部署、数据隔离、权限管控和可追溯审计日志。在医疗诊断、生产排程等高风险场景中，确保 AI 的每一步操作都有迹可循，为业务结果兜底。没有这套机制，企业根本不敢让 AI 去"干活"，DAA 自然无从谈起。

1. 重塑 AI 项目考核 KPI：将关注点从"模型调用量 / API 成本"转向"业务任务交付量"。如果一个 AI 应用不能直接完成业务交付（提升 DAA），它就只是个高级玩具。

2. 停止盲目升级模型，转向补齐"工程交付"短板：模型能力早已溢出，缺的是把模型连入业务系统的工程能力。把预算投向系统集成、数据治理和定制化开发，这才是产生 DAA 的土壤。

3. 构建内部 AI 交付团队：外部的工具终会被淘汰，内部懂业务、懂交付的 FDE 人才才是掌握智能生产力的核心。

AI 不能只在实验室里"刷榜"，必须到工厂车间里"干活"。从 Token 到 DAA 的转变，是智能经济脱虚向实的必由之路。

先知先行"速+X"愿做您坚实的交付底座，帮您把前沿模型能力转化为每天真实运转的"数字员工"，让您的企业在智能经济时代交出一份亮眼的成绩单。先知一步，先行一步，让 AI 真正干进业务主流程！

关注【先知先行】公众号，获取更多前沿 AI 行业洞察与企业级落地解决方案。让 AI 不再停留在工具箱，真正干进业务主流程。