
Eric Schmidt史丹佛AI預測與現況對比
2024年,讓我印象最深刻的一場AI分享,就是在2024年4月9日,Google前執行長Eric Schmidt在史丹佛《The Age of AI》課堂的非公開分享。
這堂課的名稱叫做《ECON295/CS323 I 2024 I The Age of AI, Eric Schmidt》,是面向經濟學系(Economics)和電腦科學系(Computer Science)的課程,內容既談論經濟,也聊科技發展,重點當然是AI。
讓我印象深刻的原因無他,因為這門課本來是非公開的閉門分享,因此也特別直白,觀點犀利,語言直接。
一年後,Eric Schmidt的分享哪些已經成真?哪些不如預期?我再來讀這堂課,將預測與事實比對分析,希望也能讓你有啟發。
Eric Schmidt對AI未來發展的六大判斷與現實對比
1. 超大型上下文視窗:Token上百萬
2024年,當時Anthropic上下文的Token數已達200k,目標百萬,而OpenAI亦有相關計劃。
Google家大業大,志向遠大,目標10M Token。
100萬token有多大?大約相當於
- 1500頁的長篇文件
- 一整部數十萬字的長篇小說
- 長達1小時的影片內容
- 超過3萬行的程式碼
超大型上下文意味著可以一次性餵入一大堆資料,對知識密集產業(法務、醫療、研究)意義重大,
百萬Token的判斷有實現嗎?
目前公開可商用的大型語言模型(LLM)中,上下文視窗最大者是Google的 Gemini 2.5 Pro/Flash與OpenAI的GPT-4.1,皆達100萬Token。
目前公開主流大模型,依容量大小整理如下:

2. Text-to-Action:30秒再造一個TikTok
在Eric Schmidt看來,「Text-to-Action(文字轉行動)」是未來1-2年AI革命的三大核心能力之一,另外兩個是「超大型上下文視窗」和「AI Agent」。
Text-to-Action的意思就是透過「文字」驅動「行動」,例如透過自然語言撰寫Python程式碼,然後雲端部署。
講白話就是用嘴幹活。
換句話說,每個人都等同擁有一位成本趨近於零、完全服從的全能工程師。
當此能力大規模落地,產業與社會的衝擊將「比社群媒體帶來的震撼更劇烈」。
比如,新創門檻再降低,產品差異化將更仰賴「資料獨特性」與「網絡效應」,而非程式碼。
2024年,Eric Schmidt舉例:
若美國政府封鎖TikTok,只需下指令「做一個TikTok替代版,30秒內上線,1小時不爆紅就自動調整換下一版,直到成功爆紅」,AI系統即可快速生成程式碼、測試並推廣。
這話講的是誇張了點,因為到了2025年,商店審核仍需人審,離「30秒複製TikTok」還有很大一段距離。
更不用說現在AI公司面臨版權圍剿,像是Disney這樣的IP公司都開始搬出法律要限制AI侵權,之後就算技術上可以做到Text-to-Action,法律可以也會加以限制。
3. AI agents:成為「下一代的工作流」
AI Agent,意味著AI從「聊天機器人」升級為「可自行決策並執行任務的數位代理人」。
這意味著什麼?
它會推理,思考自己完成你說的任務需要什麼資源,若需要某個資料,它會自己上網查,需要打某個API完成任務,它會想辦法解決。
基本上只要技術允許,線上任務它都能自己想辦法完成。
2024年,Eric Schmidt的判斷是,具備自行學習能力的AI Agent將會大幅影響化學、程式、自動駕駛的發展,比如在化學領域,AI可以自行讀遍文獻,接著歸納化學原理,最後在自動化實驗室驗證,再把結果寫回模型。
2025年,這件事情已經發生,可以說是嵌入到很多人的工作流程中。
現在有很多AI Agent能夠儲存記憶、呼叫外部工具,幫人解決「複雜任務」。
4. 算力與資本會變得集中:Nvidia會壟斷AI領域
2024年,在這次分享會中,Eric Schmidt開坦承自己半年前錯判,他原以為
「前沿模型與其他開發者的差距」會縮小,因此把錢押在眾多新創;如今卻發現差距「持續擴大」。
經過反思,他意識到他判斷錯了,算力與資本只會更集中。
再加上頂尖模型訓練成本已跳到100-300億美元等級,絕大多數公司負擔不起,只剩少數科技巨頭能玩。
最終Nvidia會是最大受益者,因為深度學習生態系高度依賴CUDA與一整套GPU專用的最佳化函式庫,競爭對手難以複製。
Schmidt甚至開玩笑說:「如果你知道3000億美元都要流進Nvidia,你知道該怎麼做。」
這件事情Eric Schmidt有看對嗎?
完全正確,如今Nvidia依然穩穩領先,也因此受惠成爲史上第一家市值四兆美金的公司。
5. 大廠工作精神不如新創:科技巨頭每況愈下
最後,Schmidt批評部分科技巨頭如Google「遠端工作」降低衝刺速度,新創因拼命可快速追趕。
不過這點在後來逐漸扭轉。
比如說,2024下半年起,Google強制3-days hybrid,並連動績效,在一段時間的努力之後,Gemini 2.5於長上下文與多模態評測重回前三。
也就是說,經歷過文化調整和技術資源投入,Google這樣的巨頭仍能翻身。
6. 國家安全與政策門檻
Schmidt曾經擔任美國國防部的委員會主席和顧問,因此他對於國家安全有所涉略,他也在這次分享會中聊到國安。
2024年,他分享了當時美中AI競賽背景下,AI晶片有逐漸嚴格的出口管制。
當時Schmidt和委員會在備忘錄中寫了一個「10的26次方門檻」,超過就要向政府申報。
而這件事情在美國2025年1月由美國商務部正式發布,命名為《AI擴散框架》規則,明定
凡訓練計算量超過10的26次方模型屬「受控模型」,須向NIST旗下的美國AI Safety Institute提交模型報告,並受出口與跨境部署配額限制。
2024年的「六大判斷」,如今多數已部分或完全兌現
總結來說,這些判斷都算準確,用表格整理如下。

這些AI發展趨勢,對產品人的意義是什麼?
這些AI發展趨勢,看起來跟科技、國安,甚至是投資有關,那具體到產品人,對我們來說有什麼意義?
我想和你聊聊我的啟發,一共有三。
1. 資料與網絡效應會是更稀缺的資源
算力會越來越強,同時同等能力的算力也會因為摩爾定律越來越不值錢。
因此,隨著時間變得更加稀缺的資源不是算力,我認為會是「資料」與「網絡效應」,因為
- 你如果有某種回答問題所需的資料而別人沒有,你的AI產品對用戶來說,就有獨一無二的價值
- 你的產品若具備網絡效應,用戶黏在這裡的原因不是因為算力強,而是因為別人也在這裡,那麼要搶走你的用戶的難度就很高
而且在AI時代,「資料」與「網絡效應」會互相加強,比如Meta旗下的社群Facebook、Instagram就具備很強的網絡效應,用戶因為網絡效應離不開社群,同時也會在上面創造很多獨一無二的資料(如文字),這些資料又能加強Meta的LLaMA模型,讓Meta的AI更厲害,AI又能幫助用戶創造好內容,形成正循環。
2. 技術馬太效應明顯,運用技術比追趕技術更有價值
技術領先者會領先更多,也就是馬太效應很強。
那麼對於做產品的人來說,我們應該要更專注於運用這些強大的技術,把技術放在產品這個容器裡面,為用戶服務。
科學是把錢變成知識,技術是從知識變成錢,現在技術大幅躍升,要把握這千載難逢的巨大機遇。
3. 把AI融入在產品和產品人工作流裡
要怎麼運用AI技術?
把AI,無論是生成式AI,還是能幫你做複雜工作的AI Agent,盡你所能把它融入到你的產品,或者單純作為一個用戶,把AI融入你的產品工作流程裡。
延伸資料
若你對2024年Eric Schmidt這次分享《Stanford ECON295/CS323 I 2024 I The Age of AI, Eric Schmidt》感興趣,我把中英對照的逐字稿放在下方連結,有興趣的話可以前往查看。