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。
