張嘉淵：技術不是未來，只是工具
對廣達來說，最重要的事情是要了解未來社會的動態、人的行為將會有什麼改變？當這些行為改變後，什麼樣的商業模式（Business Model）可以撐住未來的策略？最後才是科技。要選擇適當的科技，科技必須是可以負擔且使用者經驗能被優化，這個技術才是有用。
李維斌：掌握各國 AI Security 驗證機制，接軌國際
當 AI 應用逐漸普及，仍有許多混沌未明的領域需釐清，例如自主反應系統的責任歸誰？人、車、AI 的責任該如何分配？系統的行為如何確保符合預期？當 AI 愈來愈擬人化時，這樣的AI系統帶來的風險是什麼？AI Security 絕對是關鍵議題。
詹婷怡：打破黑箱，可信任 AI 勢在必行
面對數據隱私問題，雖然技術強調能匿名，且顧及隱私保護，但是，當機制不被信任時，在計畫推動上依舊是窒礙難行。Security 的議題不能事後防範，必須在一開始設計的時候就要納入考量。
胡筱薇：企業需要的是能辨別資料價值的人
許多企業都將資料視為重要的資產，並積極追逐最新的技術或設備。過程中，管理者是否思考過驅動企業追逐新技術的原因是什麼？越來越多元的資料來源及遽增的資料量，也考驗著企業的資料治理能力。
洪士灝：以垂直整合的系統架構與基礎建設提升 AI 能力
「這是一場軍備競賽！」目前的 AI Models 越來越強大，例如：Google、微軟分別訓練出的 GPT-3、 DeepSpeed ，模型效能越強，許多新功能也逐一解鎖，但是，越來越強大的 AI Models，並不是拿一個模型、蒐集資料，訓練模型就好。
李宏毅：十項全能的自督導學習
許多實驗發現自督導式學習具備跨語言、跨學科，以及沒看過人類語言，卻具備基本能力等特性。雖然今天每一個自然語言系統都是用 BERT，但是有沒有更有效率的學習方法？這些都是未來值得注意的研究主題。
林偉棻：用「創造力」打開 Edge AI 的應用與台灣的機會
「台灣目前正站在一個黃金機會點上，」林偉棻說，過去產業擅長系統或晶片設計，但是如果想有更好獲利空間或產業前景，必須慢慢走向系統整合與跨域應用，才能開啟更多的新機會。
蔡宗翰：走出既有框架，對事物保有求新求變的心
由於目前學習 AI 的資源已相當豐富，AI 的應用遍布各層面，因此更需要具備相關素養，主動發掘 AI 可解的問題，並基於倫理判斷：什麼可為？什麼不可為？應該要「走出既有的框架，對任何事物保有求新求變的心。」
AI 人才對談：擁有兩大素養，比很會寫程式更重要
從 2017 年 AI 在台灣蔚為風潮之後，最常被問到的以後 AI 會取代所有的人才，那我的小孩是不是也應該要讀 AI？另外一個問題，AI人才不足一直是大家關注的議題。但是，究竟什麼是「AI 人才」？現在跟未來的「AI 人才」會是一樣的嗎？中研院人社中心地理資訊專題中心執行長蔡宗翰、詠鋐智能Chimes AI 執行長謝宗震這樣看。