王金桥：从技术路线来讲，未来，类ChatGPT应用可衍生成为人工智能时代的新型操作系统，搜索引擎、office办公软件等都可以是包含其中的应用，使之成为人工智能界的新基建，亦是深深嵌入人们日常工作、学习、生活的有力工具。
　　车万翔：现阶段，自然语言处理技术逐步从语义层面向推理层面迈进，推理层面解决好后，接下来就要进入应用层面，也就是AI要能听懂语言的弦外之音，理解同一句话在不同语境中的不同含义，更好适应语言表达的个性化。
　　要让AI拥有这些更高级的能力，首先要构建足够大的模型，但大模型只是解决了知识的存储问题，怎样能更好地调用知识呢？——强化学习，在代码上继续训练，让AI生成的结果更符合人类的预期，越来越有“人味”。
　　何俊良：很多专家都很关注ChatGPT的可信性问题，在我看来，搜索基本上是唯一的解决方法，即ChatGPT能为自己的结论提供来源，这样人们可以自行分辨是对是错、可不可信。列出理由的结论，总让人感觉更加可以信赖，心里更踏实。
　　很多用户使用搜索，用得并不是很好，因为搜索引擎最重要的是找到关键词，而很多时候这并不容易。这时，ChatGPT就可以扮演解释的角色，将用户的自然语言转化成关键词再搜索，然后把结果给大模型，整合后再输出给用户。我认为这就是一个理想的结合场景，既能省去人脑总结提炼的时间，搜索准确率也更高。
　　吴楠：我认为，搜索和大语言模型相结合存在一个鸿沟。搜索引擎需要一定的稳定性，搜索结果通常应该是客观而正确的。但ChatGPT这类大语言模型，对问题的回答是不断迭代的，不像搜索引擎那么稳定。大家会问ChatGPT很多有意思的问题，但在搜索引擎上不会这么问。
　　唐明：有一点需要注意，网络搜索出来的结果就一定可信吗？不见得。一次搜索能有成千上万条结果，ChatGPT能总结、合成得完吗？如果不能完全总结，那么ChatGPT会不会限制搜索者的视野？ChatGPT如何扩展自己的知识面呢？
　　在人工智能三大领域算力、数据和算法中，我国都有人在做，算法技术也都掌握。但我认为，仅仅有这三点还不够，还需要的是保持耐心和专注。耐心和专注不仅仅是对科研人员的要求，也是对投资人的要求，持续深耕才能开花结果。不过，无论如何，未来可期。
　　陈雨强：数据更新是需要解决的重要问题，不可能每天或每个月更新一次，这样成本太高，机器学习和推理训练的成本也很高。所以，如何让“AI脑”及时跟上步履不停的信息社会，让人们能用搜索引擎把更多更新的数据调用出来，也是需要突破的技术。
　　还有数据源方面，今后可能会出现服务于不同需求的、专业化版本的类ChatGPT应用，分别对接不同的数据源。比如新闻版本的，数据源就要更加严谨可靠。