百度搭子：用 DAA 这把尺子，量出 Agent 的真实生产力

成都东郊记忆真是个适合办发布活动的地方，尤其是东山音乐广场，天然带着一点松弛感。唯一的问题是，7 月的成都真的太热。我以为北京已经够热了，没想到成都更勇猛。受邀参加“百度 AI Day——百度搭子专场”的时候，我一边躲避热浪，一边想起两个月前在公众号里写过的那个新指标：DAA，日活智能体数。

5 月 13 日，李彦宏在 Create 2026 上提出 DAA，把它称为 AI 时代可能的新度量衡。移动互联网时代看 DAU，看有多少人打开一个 App；大模型阶段很多人看 Token，看模型消耗了多少计算资源。但到了 Agent 时代，更应该关注的是：每天有多少 Agent 真正在替人干活，它们是否完成了任务，最终交付了什么成果。

当时这个概念听起来还有点“提前”。2025 年，行业仍在讲 Token 的故事。Token 用得越多，似乎就代表产品越活跃、模型越繁荣、企业越 AI 化。但几个月过去，国内外不少公司已经不再盲目追求 Token 用量了，毕竟耗不起。风向一变，硅谷科技公司开始反思 Token 最大化，基模公司和应用公司都在算 ROI，开发团队也开始追问：output 有没有真的变成 outcome？

逻辑很简单。Token 是成本，不天然代表收益。Token 换来了用户，如果没有带来可持续收益，就很难长久。一个团队烧掉大量 Token，最后只得到一堆半成品；另一个 Agent 用更少 Token 完成一次有质量的长任务。显然，后者才更接近生产力。

所以在 7 月 10 日的百度 AI Day 上，百度搭子承担了一个很有意思的角色：它像是 DAA 这把新尺子的第一个具体样本。一个通用智能体，如何从“回答问题”走向“执行任务”，又如何在真实任务里证明自己值得被持续调用。

这段时间，很多朋友让我推荐国内的 Agent 工具。如果偏向知识工作，百度搭子是个不错的选择。它是百度智能云打造的通用智能体和企业级 AI 办公助手，今年 3 月上线的。

它的目标很明确：以自然语言为入口，完成检索、分析、生成、文件处理和网页操作，最后交付结果。用户给出目标，系统在后台拆解任务、调用工具、生成成果，尽量把一个长任务闭环做完。这个目标对应的，正是 DAA 的核心问题：智能体到底有没有完成用户的工作。

大会上，我也试了一下，把前十年写的 MacTalk 文章放进百度搭子的工作区里，告诉它这是一个知识库。于是，我就有了一个自己的知识库。问它职业成长建议时，它会优先从这些历史文章里找内容：

除了我的尝试，还有几个 Case 很有感染力。乡村教师夫妇用百度搭子搭建内容创作系统，围绕乡村阅读做选题、抓热点、生成文章；长白山野生动物摄影师老万，用它从大量红外相机视频里筛选动物画面、分类归档，并生成监测日志；自媒体创业者栗噔噔，则把百度搭子接入自己的知识库和内容流程，用来生成初稿、适配排版、制作封面、拆解短视频脚本。

这些案例的共同点是：问答次数和 Token 消耗都不是重点，价值发生在任务推进的过程里。内容系统搭起来了，素材被筛出来了，报告、脚本和文件体系能继续使用了。原本需要搭系统、切工具、整理资料的事，Agent 可以用更短的路径完成。DAA 要看的，正是这些活跃 Agent 背后的工作量和结果。

这次 AI Day 上，百度搭子的能力升级也围绕这个方向展开。智能路由可以根据任务类型、算力需求、数据安全和时延成本，把任务分流到云端沙箱、本地沙箱或 Chat 模式。

平均任务耗时降低 20%，Token 利用率提升 25%；Browser Use 让网页任务的执行过程可视化，移动端可以远程启动网页任务，桌面端可以看到 AI 在网页上点击、跳转和填写信息；多端共享记忆让手机和电脑之间的任务不再割裂。你的搭子不只是同步会话，还会同步任务状态和上下文。

这些功能单独看，都是产品升级；放到 DAA 的框架里，它们其实都在解决同一个问题：Agent 如何更稳定地完成任务。智能路由解决执行路径，Browser Use 解决工具操作，多端记忆解决任务连续性，Skill 生态解决专业能力扩展，PPT 生成和自媒体专业套件则把结果交付推向更具体的工作场景。

百度搭子同时推出了企业版。

个人使用 AI，效率提升常常停留在个人账号、个人提示词和个人经验里。企业真正关心的是协作、资产沉淀、流程打通和安全合规。百度搭子企业版把 Skill、会话、项目上下文和成果物放进团队体系里，支持资源共享、技能共享、成果物共享，也强调权限、审计、隔离和确认机制。

几乎所有 AI 厂商都开始意识到，只有当智能体进入组织工作流，才会真正出现规模化的日活智能体。一个企业每天有多少智能体在参与知识整理、报告生成、工单处理、流程流转和业务系统对接，这些数字背后，才是 AI 从玩具走向生产力系统的过程。

与此同时，生产级场景也会把 Token 问题放大。单次试用时，我们很难感知 Token 成本，但 Agent 一旦进入企业高频任务，成本、速度、稳定性和安全都会变成刚性约束。成本和效率，不再是体验问题，而会变成商业问题。

百度搭子通过 Harness 引擎和工程调优，在保障执行效果的前提下，将任务执行 Token 消耗降低 75%。这件事的意义在于，Token 开始回到它原本的位置：Token 是服务交付的成本，不是被拿来炫耀的数字。

这也是百度“芯云模体”全栈布局的意义。芯片决定算力供给和成本，云提供工程化交付，模型形成能力基座，Agent 把能力变成用户能看见的成果。百度搭子和很多 Agent 工具不同的地方在于，它背后接着搜索、网盘、地图、百科、秒哒、伐谋等能力，也接着百度在模型、云计算和算力上的长期积累。智能体竞争走向复杂长任务后，会越来越考验这种系统级协同能力。

百度搭子让 DAA 从概念进入了产品验证阶段。它在第一个样本上刻下刻度：智能体的价值，不该只看它消耗了多少 Token，而要看它是否被持续委托，是否完成了任务，是否交付了结果。

这种转向并不只发生在国内。海外市场也已经开始反思 Token 叙事：Gartner 提醒，Token 消耗并不是衡量 AI 市场领导力的可靠指标；Palantir CEO Alex Karp 也公开质疑按 Token 收费的商业模式，认为真正的价值不该停留在模型调用量上，而要看 AI 是否进入应用层、算力层和真实业务流程，最终产生可验证的结果。

两个月前，百度提出 DAA，看起来是在定义一套新坐标。两个月后，百度搭子把这套坐标拿到产品里验证了一次。未来行业还会继续争论 Token、DAU、ROI 和任务交付之间的关系，但方向已经越来越清楚：AI 的繁荣，Agent 的价值，最终要由复杂长任务的交付来证明。

成都是真热，发布会现场也很热闹。热和热闹都会过去，百度搭子会留下产品印记，DAA 会留下刻度。这把新尺子能走多远，还要看更多产品和更多场景继续验证。至少从百度搭子开始，我们有了一个更具体的问题可以问自己：今天，你用了多少 Agent？它们又帮你完成了多少有价值的任务？也许在 云栈社区 这类开发者聚集的地方，很快就能看到大家开始分享自己的 Agent 生产力数据了。