一線對談丨「龍蝦」過後，百度不想再卷Token了

李彥宏第一次提到“DAA”這個新詞，是今年元旦前後，在百度內部的一次彙報會上。當時團隊展示了一家車企的智能體應用情況，彙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？後來，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，那麼在智能體時代，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，併為企業創造價值。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，供需關係也隨之發生變化。不少從業者看來，AI行業正進入新一輪調用量競爭週期。價格、規模和市場份額，成為雲廠商最關注的話題。但作為百度智能雲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澱下來。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雲的策略選擇。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。雲賽道沒有“標準答案”，選擇更符合公司實際情況的戰略，才更加重要。過去行業裡的雲廠商更偏向“賣資源”；而百度智能雲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，忻舟沒有迴避落地陣痛，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紮實的成績單：“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”，在製造、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，百度智能雲在今年 Create 上宣佈全面升級為面向大規模智能體應用的新全棧 AI 雲：一邊依託崑崙芯、AI 雲、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 怎麼評判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 雲肯定是其中很大的一塊，這是最底層、最基礎的設施，不管做什麼都需要 GPU 雲，所以增長非常快，Q1財報數據，百度智能雲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裡。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係，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，並且持續積累經驗、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：今天的百度智能雲怎麼看業務的健康度？尤其是在 DeepSeek V4 出來把價格又掀翻一次之後，百度智能雲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；後來發現，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，這些都屬於“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背後的邏輯是：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”。因為客戶願意為 Token 付多少錢，其實差異不大；真正能拉開差距的，是客戶願意為哪個智能體付多少錢。越往後走，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，後來是 Token，再後來是 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）。用戶願意持續付費，說明這個產品有價值。雷峰網：聽起來挺有意思的，所以這個DAA的提出是基於千帆私有化場景？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，後面跟每日調用次數關係不大。那麼現在呢？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，於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；後來開始引入大規模邏輯迴歸等機器學習方法。這也是為什麼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。如果放到製造業、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”。後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 出現後開始的。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。於是，新技術第一次開始真正被客戶“用起來”。再往後，像 OpenClaw 這類產品出現後，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”。它最大的變化在於：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，並形成對應能力。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。客戶願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，並不是平臺不行，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 雲收入裡，私有化和公有云大概各佔多少？私有化收入一般算在哪一塊？忻舟：肯定是公有云佔大頭。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 雲，要靠 PaaS 和 SaaS 帶來新增長。02 價格戰打到今天，廠商還在爭什麼？雷峰網：靠囤 GPU、賣 Token 的生意，您怎麼看？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，這體現了雲廠商的規模優勢 。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 。雲廠商屬於“加工貿易一體”的加工商，加了很多技術屬性在裡面，加上規模效應，所以抗風險能力強得多 。目前 GPU 雲收入主要是公有云，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，來鞏固雲資源的售賣並帶來新增長 。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，核心在於賭 Token 到底有沒有粘性，以及賣 Token 能不能帶動 CPU 等其他雲資源的消耗。去年業界普遍認為模型在併發、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，所以有廠商願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澱下來，以及能不能帶動其他雲資源的消耗。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，粘性沒有那麼強，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 雲消耗”的必然關聯。基於這兩個判斷，我們當時認為，單純靠虧著賣、負毛利賣 Token，並不是特別划算。現在行業也逐步迴歸理性，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 或其他雲的 MaaS。這種可解耦性正是 Token 粘性很低的原因之一。雷峰網：怎麼判斷 TOKEN 的粘性？忻舟：一是直覺判斷，它是標準程度很高的服務，並且沒有狀態，你今天不提供了，客戶馬上切下一家。二是從數據上看，賣 Token 換取整體雲消耗的關聯度，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麼。雷峰網：OpenClaw 這類通用智能體，對雲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。最本質的變化在於：第一，它把業務專家的知識和經驗顯式地沉澱下來變成了 Skills，並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 。基於後訓練技術、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”後，Token 還重要嗎？雷峰網：OpenClaw 掀起這一輪情緒波動後，百度智能雲受到的影響大嗎？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鑑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於供應 。以目前市面上一些百萬、千萬DAU的bot類應用為例，它們並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，資源需求並不是不夠大，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 這類產品出來之後，雲廠商的調用量應該會立刻爆發。忻舟：對，現在雲調用量其實已經起來了。但問題在於，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“需求遠大於供應”，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衝效果，先去探索任務能力的天花板，先不那麼在意 Token 成本，看看 AI 最終到底能把任務做到什麼程度；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”，其實並不會改變 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於供應。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，裡面有一套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端用戶並不關心 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 。對於真正的重度用戶，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 市場怎麼攻下來？雷峰網：對於 ToB 公司來說，今天底層技術拉不開差距，是不是渠道更重要？半年後，大模型 ToB 的競爭格局會有什麼變化？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”，比如百度智能雲的伐謀、勝算（數據智能平臺） 。客戶做完 POC 測試後都非常認可並願意給出預算 。目前市場的瓶頸是交付成本還相對較高，需要人去對接需求並做定製化開發。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，半年後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”，其實反而是在製造業、港口、供應鏈這些實體產業裡？因為它們過去的信息化和 AI 滲透率沒那麼高，所以改造空間反而更大。忻舟：我覺得有兩個原因。第一，中國製造業本身就在快速升級。不管是電池、汽車、芯片、服務器、存儲，這幾年整個中國製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、金融行業那麼成熟。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裡，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裡做過驗證。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。對於私有化來說，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、做定製化交付，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，其實手裡的預算並不少。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。所以什麼時候他們願意花錢買軟件？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：系統上線之後，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後，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，雲廠商是不是還是得靠“搶客戶”？忻舟： 需要搶。但各家雲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 。這裡面的核心在於判斷：私有化這塊業務的天花板有多高？交付