核心观点：李彦宏提出的 DAA（日活智能体数）指标，标志着 AI 时代的入口迁移已经开始。智能体不是独立软件，而是 AI 操作系统——比拼的不是裸模型，而是模型+Harness+ 工具链的整套系统。智能体的使命，就是成为这个操作系统的统一调度者，让不同领域的智能体能够互联互通、协同工作，最终成为 AI 时代的中心化入口。
一、DAA：衡量 AI 时代繁荣度的新指标
李彦宏在 Create AI 大会上提出的 DAA 指标，值得深入思考：
“过去互联网时代，大家习惯用 DAU 衡量有多少人在使用产品。但到了 AI 时代，真正重要的事情开始变成，有多少智能体正在替人类干活。”
DAA 本质上衡量的是：智能体生态到底繁不繁荣，AI 有没有真正开始介入真实世界。
这背后有三个关键判断：
- 每个技术时代都会出现中心化入口：PC 时代是搜索，Mobile 时代是超级 App，AI 时代是智能体
- 智能体入口之争已经开始：百度、Google、OpenAI 都在下重注
- 移动端是关键：谁占据手机屏幕，谁就更有机会成为入口——移动端让智能体真正实现 7×24 小时可用
二、从 Tools 到 Teammates：范式的本质跃迁
整个行业的共识正在形成：AI 正在从 Tools 走向 Teammates。
| 对比维度 | ChatBot 时代 | 智能体时代 |
|---|---|---|
| 核心逻辑 | 工具逻辑 | 数字劳动力逻辑 |
| 用户体验 | 问问题→直接给答案 | 说需求→端到端完成 |
| 典型场景 | 信息查询、知识问答 | PDF 转文档、订机票、做 PPT |
关键差异在于：智能体能主动感知环境、规划任务、调用工具、处理异常，最终完成交付。就像百度 DuMate 能自动判断雪球是否需要登录，然后选择合适的 Skill 完成任务。
这种体验会深入用户心智。一旦形成习惯，谁拿到这个入口，谁就是王者。
三、智能体是操作系统，不是独立软件
这是百度最深刻的洞察之一：
“智能体不只是 AI 模型之上的新产品，它更像是 AI 操作系统。”
操作系统的本质是统一调度。无论是 Codex、Claude Code 还是 DuMate，核心都是管理任务执行过程：
- 用户说一句话，剩下的事交给智能体
- 它自己拆解任务，调度相应能力
- 遇到错误主动纠正，最后完成交付
这意味着比拼的维度已经改变：
从"裸模型"到"模型+Harness+ 工具链"
| 组成部分 | 作用 | 影响 |
|---|---|---|
| 模型 | 理解意图、生成方案 | 决定智能上限 |
| Harness | 上下文加载、工具选择、记忆调度 | 决定任务能否稳定跑通，影响成本 50% 以上 |
| 工具链 | 调度外部能力（搜索、支付、预订等） | 决定能完成多少种任务 |
成本是关键竞争力。百度 DuMate 从 MVP 到现在单任务成本降了近 50%，目标是年底降到 10%。这不是纯应用层公司能做到的，需要从硬件（昆仑芯）到推理引擎再到模型的全栈优化。
四、智能体：成为 AI 操作系统的统一调度者
基于百度的洞察，智能体的定位呼之欲出：成为 AI 操作系统的统一调度者，让垂直领域智能体能够快速接入、互联互通。
核心架构：三大支柱
1. Harness 层：任务执行的核心引擎
- 上下文管理：按需加载历史对话，避免"一句你好烧几万个 Token"的浪费
- 智能路由：根据任务特性选择最优智能体执行
- 记忆调度：记住用户偏好，越用越熟
- 错误处理：自动重试、异常恢复、用户纠偏
2. Skill Hub：能力的聚合与分发
- 智能体接入：支持 A2A 协议，一键接入第三方智能体
- 能力发现：根据用户请求自动匹配合适的 Skill
- 版本管理：支持智能体迭代与灰度发布
- 质量评估：建立端到端任务完成率评估体系
3. 用户入口：统一的交互界面
- 统一身份认证：手机号、统一账号登录
- 多任务并行：同时丢多个任务，稍后回来拿结果
- 任务管理：统一查看跨智能体任务状态
- 个性化推荐：基于用户习惯推荐智能体组合
五、场景示例：端到端的智能体验
用户说：“帮我订明天去上海的机票”
用户请求 → 任务拆解 → 智能体路由 → 协同执行 → 结果汇总
│ │ │ │ │
▼ ▼ ▼ ▼ ▼
"订机票" 查询/预订 Google 机票 东航预订 完成通知
/ 支付/值机 查询智能体 智能体
│ │
▼ ▼
航班信息 订单确认
│ │
└─────┬──────┘
▼
支付宝付款智能体
│
▼
航旅纵横值机智能体
关键体验：用户全程只需一次交互，智能体自动完成任务拆解、智能体选择、流程编排和状态管理。
六、三个评价维度
参考 DuMate 的评价体系，智能体平台需要关注：
1. 端到端任务完成率
- 复杂任务能不能从头跑到尾
- 遇到障碍能否自动绕过（如 DuMate 自动判断雪球无需登录）
2. 人机协同体验
- 用户需要纠偏几次
- AI 能不能听懂自然语言指令
3. 生成物质量
- 交付的文档、PPT、Excel 能否直接使用
- 格式、内容是否符合预期
七、生态价值：多方共赢
对用户而言
- 7×24 小时数字助理：随时待命，端到端完成任务
- 一站式服务：一个入口解决所有需求
- 越用越聪明：记忆用户偏好，个性化服务
对智能体开发者而言
- 流量入口：获得平台流量支持，降低获客成本
- 标准对接：统一 A2A 协议，降低接入复杂度
- 生态协同：与其他智能体协作，拓展服务场景
对平台而言
- 网络效应：智能体越多，平台价值越大（DAA 增长）
- 数据沉淀：积累任务执行数据，优化 Harness
- 成本优势：通过 Harness 优化降低单任务成本
八、挑战与思考
技术挑战
- 协议标准化：制定被广泛接受的 A2A 协议
- 信任与安全：建立智能体间的数据隔离与权限控制
- 成本优化：从硬件到模型的全栈优化
生态挑战
- 利益分配：设计公平的计费与分账机制
- 竞争与合作：平衡平台与智能体开发者的关系
- 用户习惯：改变多 App 切换的使用习惯
九、AI-AGE：智能体集合体的产品构想
基于以上思考，我们提出一个具体的产品构想——AI-AGE（AI Agent Group Entity），一个让智能体互联互通、协同工作的轻量级平台。
产品定位
AI-AGE 是智能体的"协作中枢"，让垂直领域的智能体能够快速接入、自动组合、协同完成复杂任务。
核心功能
1. 智能体连接器
- A2A 协议适配：支持主流智能体接入协议，一键接入第三方智能体
- 标准化 SDK：提供轻量级开发工具，降低接入门槛
- 能力注册中心：智能体自动注册能力标签，便于发现和调用
2. 任务编排引擎
- 自然语言拆解：将用户请求自动拆解为多个子任务
- 智能路由分配：根据任务特性匹配最优智能体
- 状态同步机制：确保跨智能体任务的一致性
3. 统一用户界面
- 对话式交互：用户只需用自然语言描述需求
- 任务进度追踪：实时查看跨智能体任务执行状态
- 多任务并行：支持同时处理多个独立任务
技术架构
┌───────────────────────┐
│ 用户界面层 │
│ (对话交互 / 任务管理) │
├───────────────────────┤
│ 任务编排引擎 │
│ (拆解 / 路由 / 同步) │
├───────────────────────┤
│ 智能体连接层 │
│ (协议适配 / SDK / 注册)│
├───────────────────────┤
│ 第三方智能体生态 │
│ (东航 / Google / 支付宝...)│
└───────────────────────┘
落地路径
第一阶段（MVP）
- 完成核心架构开发
- 接入 10+ 核心智能体（机票、支付、查询等）
- 验证端到端任务完成率达到 80%
第二阶段（成长）
- 开放 SDK，吸引第三方开发者接入
- 建立智能体质量评估体系
- 拓展到 100+ 智能体
第三阶段（成熟）
- 成为智能体生态的核心枢纽
- 实现 DAA 规模化增长
- 探索多元化商业模式
结语
AI 时代最大的入口迁移已经开始。百度的思考让我们看清了本质：
智能体是操作系统，不是独立软件；比拼的是模型+Harness+ 工具链的整套系统；谁能调度最多能力、稳定完成任务，谁就会成为新的入口。
智能体的使命，就是成为这个操作系统的统一调度者——通过统一协议和公共流程，让东航、Google、支付宝、航旅纵横等垂直智能体能够互联互通、协同工作，最终为用户提供端到端的智能服务体验。
以智能体的姿态，打开下一个天空。 这不仅是技术的进步，更是 AI 服务模式的革新。
未来已来，让我们一起构建智能体协作的新纪元。