5 月 13 日，Create2026 百度 AI 開發者大會在北京開幕。李彥宏在開幕演講中提出了一個新概念——DAA（Daily Active Agents，日活智能體數），把它定位為 AI 時代對標移動互聯網 DAU 的核心指標。核心邏輯是：Token 衡量的是投入，DAA 衡量的是產出。他預測未來全球 DAA 可能超過 100 億。

這個方向沒問題。AI 行業確實在經歷一場指標的轉變——自動駕駛早期卷測試里程，現在看交付車輛數；具身智能從模型參數轉向實際部署量。移動互聯網早期也經歷過同樣的轉變，行業從波疊用戶數到波用戶時長，再到單用戶 ARPU 值，指標越來越接近商業本質。從“技術指標”到“真實產出”，這是技術從實驗室走向產業的必經之路。

但 DAA 有一個沒有回答的問題：同一個 Agent 被打開，和它在用戶的真實工作中持續交付結果，兩者創造的價值差很多。李彥宏提出了度量衡，但沒有定義它在不同場景下的“含金量”。這個問題不是否定 DAA 的價值，而是它背后藏著一個更深的分歧——不同類型的 AI 產品，“活躍”的意義截然不同。

“活躍”不等于“有用”

一個獨立聊天 APP 里的 Agent，用戶的典型操作是——打開應用、描述問題、拿到回答、關掉窗口。每天被打開一次，在 DAA 里就算一個“活躍”。但與用戶實際工作之間，它還隔著一步——用戶得離開當前工作畫面，打開另一個界面，把腦中的需求翻譯成提示詞，再把結果搬回原來的文檔。整個過程充滿斷點：上下文是斷裂的，信息是重新輸入的，結果是需要人工校驗和整合的。Agent “活躍”了，但工作流并沒有被改善。

而生產力工具里的 Agent 場景不一樣。用戶正在編輯文檔，光標停在某個段落上，AI 在側邊欄理解上下文并生成內容。做表格時 AI 在單元格旁給公式建議，排 PPT 時右側面板實時響應。用戶不需要“打開 AI”，因為 AI 就在“打開的文檔”里。它理解的是你當前的段落、當前的表格、當前的幻燈片，生成的是“基于你正在寫的東西”，而非“基于你描述的提問”。這里面的差別在于，前者的輸入是用戶已經完成的工作產出，后者的輸入是用戶口頭轉述的需求。信息損失越少，結果越可用。

這兩種 Agent 都可以被計為“活躍”，但對用戶的價值不同。前者是用戶走出工作去找 AI，后者是 AI 待在工作里等用戶。

拿自動駕駛來說。一輛車在測試場跑了 100 萬公里，和它在城市道路上完成了 1 萬次點對點載人出行，前者算“里程”，后者算“交付”。行業已經從卷里程數轉向卷交付量，因為市場關心的是“它能不能替代人”，不是“它跑了多遠”。生產力工具里的 AI 也是同樣的道理。DAA 的大小不重要，重要的是這些 Agent 每天在用戶的工作中實際完成了多少任務、改善了多少產出。

WPS AI 選擇的是后者的路。它不是一個獨立的 AI 助手 APP，而是直接嵌入文檔、表格、演示、PDF 的全產品線。這個架構選擇背后的判斷是：AI 的價值不在于讓用戶去找它，而在于它主動出現在用戶需要的地方。

不做獨立 APP，而是嵌進工具里

中文辦公場景把這個差距拉得更開。辦公軟件不是只要能識別文字就行的。一份公文的起草涉及紅頭、發文號、簽發人、密級、緊急程度等十幾個結構元素，每個元素都有嚴格的排版規則：紅線的粗細、字號的大小、段落的行距、標點的全角半角。WPS AI 內置了中文排版規則引擎，紅頭文件、首行縮進、中英文間距、標點壓縮符合國標 GB/T 9704。通用大模型能寫中文，但寫不出一份符合公文規范的紅頭文件——這不是語言能力的問題，而是 38 年文檔積淀才能解決的問題。

更關鍵的是，政務場景對 AI 的要求不是“能寫”，而是“寫對”。一份公文如果格式不符合規范，內容再好也可能被打回重新來。這就是為什么文檔解析能力被視為 AI 落地辦公的“第一手感”——理解不了格式，就理解不了業務。

中山市的案例很能說明這個問題。作為金山辦公在全國首個政府側全鏈條國產化部署的案例，WPS AI 政務平臺覆蓋 3.4 萬名公務人員，基于 60 萬份本地政務文檔構建的智能知識庫已經投入運行。這個數據很重要：60 萬份文檔不是互聯網上找到的語料，而是中山市多年積累的真實公文數據，涵蓋各類行政審批流程中的實際用法。在這個基礎上搭建的知識體系，它理解的不只是“公文是什么”，而是“中山市的公文怎么寫”。

結果是實打實的：公文起草時間從 3 小時降到 40 分鐘，格式錯誤率下降 75%，100% 符合《黨政機關公文格式》標準。對于每天要處理大量文件的基層公務員來說，這不是“AI 助手被打開了幾次”的故事，而是“AI 完全嵌進了政務工作流”的故事。它沒有改變公務員的工作方式，只是讓原來的流程變快了、變準了。

數字背后的關鍵變量

截至 2025 年末，WPS AI 國內月活用戶超過 8013 萬，同比增長 307%；日均詞元調用量超過 2000 億，同比增長約 12 倍。這組數據來自金山辦公 2025 年報，是目前辦公軟件行業公開披露的最大規模 AI 用戶群。QuestMobile 2026 春季報告顯示，WPS Office 在辦公商務行業去重月活用戶規模居行業首位，全行業 TOP30 中唯一入選的辦公軟件。

這些數字背后值得關注的不是規模本身，而是它們發生在什么場景里。寫報告的人在文檔里用 AI，做表格的人在單元格里用 AI，排演示的人在幻燈片里用 AI——這些 AI 調用不是發生在一個獨立的 AI 應用里，而是發生在用戶每天打開的文件中。如果用 DAA 的邏輯來看，這的“含金量”和一個聊天 APP 的“日活”是不一樣的。前者的每一次調用都在改變工作產出，后者可能只是好奇心驅動的一次問答。

DAA 是個有意義的方向，李彥宏提出它的價值在于把行業的注意力從“模型參數”拉向了“實際產出”。但如果它要成為真正有效的度量衡，就得在不同場景下定義自己的“含金量”。對生產力工具來說，這個指標很簡單：AI 離用戶的手有多近。