问题——传统DAU指标“高活跃”不等于“高价值” 在移动互联网时代，DAU（每日活跃用户）长期被视为衡量产品生命力与商业化前景的核心指标之一。用户打开次数越多，广告曝光、电商转化与增值服务的空间通常越大。然而，随着大模型应用加速普及，业内越来越多声音认为，单看DAU已难以准确刻画产品价值：同样是“今天打开过”，可能只是一次简单问答，也可能是完成复杂工作流、形成可直接交付的成果，两者对资源消耗、用户留存与付费意愿的含义截然不同。 基于此，TPD（Token Per Day）进入视野。TPD强调每日消耗的Token总量，更贴近大模型应用“以算力与生成服务为核心成本”的运行现实，也更容易反映用户使用深度与场景复杂度。 原因——计量单位与商业模式变化推动“以消耗论价值” 业内人士介绍，Token可理解为大模型处理信息的最小计量单元。文字、标点、空格以及图片、音频、视频等内容在模型侧都会被拆分并计量；一次交互的消耗既包括用户输入，也包括模型输出。由于生成内容通常比理解内容需要更多计算，输出Token的成本往往更高。换言之，Token不仅是技术侧的计量单位，也逐步演变为成本核算与定价的基础。 指标转向的更深层原因在于商业逻辑变化。传统互联网产品多依赖流量与注意力变现，因而更关注覆盖面与活跃规模；而大模型应用的成本结构与收益结构更接近“算力+服务”模式：用户提出问题、模型生成结果，消耗越多Token意味着更高的计算与服务投入，也往往对应更复杂、更接近生产力的任务。一些从业者据此判断：在大模型应用中，“打开一次”的统计意义下降，“解决多深的问题”与“产生多少可交付结果”正在成为更重要的衡量维度。 影响——产品设计、行业竞争与用户体验或迎来重塑 其一，对产品侧而言，指标变化可能带来体验路径的再设计。过去不少服务需要用户在页面中反复筛选、比价、确认，流程冗长。随着大模型能力增强，需求表达可能被压缩为一句话的指令式交互，由系统自动完成信息检索、比对与下单等流程，界面步骤减少、决策负担降低。业内认为，这类“任务直接完成”的体验一旦成熟，将继续削弱以“停留时长、打开频次”为导向的运营思路。 其二，对企业经营而言，TPD有望成为衡量收入潜力与成本压力的同步指标。Token消耗上升既可能意味着用户需求旺盛、场景更深，也意味着推理成本上升、算力供给与成本控制更具挑战。如何在“提升问题解决能力”和“控制单位成本”之间取得平衡，将成为产品竞争的关键。 其三，对行业竞争格局而言，单纯追求规模可能让位于追求高价值场景与高质量交付。未来不同应用可能呈现两条路径：一类面向大众、强调低门槛与高频轻量；另一类面向专业与企业场景，强调复杂任务处理、可审计输出与流程集成。TPD更可能在后者中体现商业含金量，但也更考验工程优化、数据安全与合规治理能力。 对策——建立多维指标体系，推动透明定价与效率优化 受访人士认为，TPD并非对DAU的简单替代，更可取的方向是形成多维度评价框架：既衡量活跃规模，也衡量使用深度、任务完成率、输出质量与单位Token效率。尤其在企业场景，除了TPD，还应引入“每千Token成本”“每次任务交付成本”“准确率与可追溯性”等指标，避免片面追求消耗规模带来的资源浪费。 同时，平台与应用方应提升计费与消耗透明度，向用户清晰呈现输入、输出与图片等不同形态的消耗构成，减少“看不见的成本”。在技术侧，应通过模型压缩、提示词优化、缓存与检索增强等方式降低无效Token消耗，把算力更多用于关键任务；在治理侧，应加强数据安全、隐私保护与内容合规，推动行业形成可比、可审计的统计口径。 前景——从“流量竞争”走向“价值与效率竞争” 业内普遍判断，大模型应用的发展将推动行业从“以流量为中心”进一步转向“以价值交付为中心”。TPD的走红，反映的是产业对成本核算、付费逻辑与真实使用深度的重新重视。未来一段时间，评价体系可能呈现“双轨并行”：面向大众应用，DAU仍是覆盖与增长的关键；面向生产力与企业应用，TPD及其衍生的效率、质量指标将更具解释力。随着标准逐步完善，围绕“更低成本实现更高质量交付”的竞争或将成为主赛道。
从DAU到TPD的转变，不仅是一个指标的更新，更是对AI产品价值的重新定义。它标志着行业从追求规模转向追求效率与深度，将深刻影响产品设计、商业模式和竞争格局，推动人工智能产业走向成熟。