7月15日，《人民日报》刊发李彦宏的署名文章《为智能经济打造科学评价体系》。行业资深人士的文章，我总觉得，有其独到的眼光，尤其提出了一个极具前瞻性的概念——“日活智能体数”（Daily Active Agents，简称DAA）。

这里有一个大背景，人工智能（AI）正向纵深推进，与生产力对接，走向万千场景、走入千家万户。

AI风兴未艾，正在改变人类的未来；但一些问题，我们也不用讳避，还值得高度警惕。

《人民日报》这篇文章就指出：过去几年，大模型参数规模不断刷新纪录，算力投入持续增长，Token（词元）消耗快速攀升。这些指标能够反映技术能力和资源投入情况，很有必要。

但如果人工智能的价值标尺仅停留在“投入了多少”“消耗了多少”，就容易形成“重投入、轻产出”的倾向。

比如，盲目跟风买GPU芯片、不顾实际应用搞大模型，一哄而上建设数据中心、搞“Token排行榜”“烧Token比赛”，等等。

这种粗放增长的模式下，实体经济是否被赋能、生产效率是否得到提升、人民群众是否真正受益，就容易被忽略。长此以往，资源就可能更多流向技术自我循环，而不是流向产业一线，进而导致行业内卷，不利于智能经济健康发展。

怎么办？一个有效的应对方式，就是为智能经济打造科学的评价体系，通过科学指标衡量其实际应用、实际产出。目前看，DAA就是一个关键指标。

当DAA成为重要指标，就能引导各类资源从单纯投入芯片、大模型为主的智能产业，更多流向以实体经济为主的产业智能化领域，流向解决产业问题、提高生产力、服务社会、改善民生的创新方向。

文章警告：我们发展AI、激活智能经济，说到底还是要服务实体经济，赋能全社会的创新创造，一定不能重走脱实向虚的歧路。

我们缘何敢于在国际上率先提出以DAA来衡量智能经济？

就在于独特的中国优势。

中国拥有全球最丰富的应用场景、最完整的产业链、最大规模的数字市场，每天都在产生海量真实需求。这就决定了中国AI市场，一开始面对的就不是少数标准化任务，背后是消费、工业、交通、金融、政务等多层场景的连续反馈。

抱歉，引用文章中颇多文字，就在于这篇文章，有著强烈的现实针对性和前瞻性。

过去，我们都知道，全球AI规则，几乎都是由矽谷拍板制定。

它们用模型参数定义先进，用GPU数量定义实力，用Token消耗定义繁荣。但进入智能体和应用时代后，真正的问题变了。

AI不能只看谁烧掉更多Token，不能只看谁堆起更贵算力，而要看谁能让技术进入工厂、医院、港口、学校和千家万户，真正完成任务、服务产业、创造生产力。

如果说Token衡量的是智能消耗，那么DAA衡量的就是智能生产力。它把AI竞争从“投入侧”的算力军备和Token内卷，拉回“产出侧”的真实任务交付和实体经济增效。

这也是《人民日报》在WAIC（上海世界人工智能大会）前夕聚焦智能经济度量衡的深层意义。

值得一提的是，在7月17日-20日举行的WAIC期间，百度将联合IDC发布《DAA白皮书》，这标志著中国A把DAA进一步推向全球标准定义，帮助企业衡量有多少智能体每天进⼊业务流程、执行任务、交付结果并创造价值。

用一位朋友的话说，它不是为了再发明一个概念，而是为中国AI找到更适合自己的主赛道：不单纯追逐模型参数，不陷入Token消耗内卷，而是把AI是否进入实体经济、是否完成真实任务、是否提升产业效率，变成新的评价标准。

坦率地说，AI时代，中美走在最前列，中美也各有优势。

但有一点也是确定的：中国企业没必要也不可能在所有领域都领先，但必须在“AI赋能实体经济”这条主赛道上做到不可替代。

因为这条赛道连接的是中国最厚的底牌：最完整的产业链、最丰富的应用场景、最大规模的数字市场，以及海量真实需求。

从这个角度看，DAA是中国AI走向应用时代的一次主动定标。这场关乎未来产业格局的AI竞赛，才刚刚开始。

最后，再次推荐一下，大家可以认真看一下《人民日报》这篇文章，不长，但还是很有启发意义的。

本文获新华网副总编辑刘洪创办的微信公众号“牛弹琴”授权转载。