「我們只能跟大型巨量語言模型ChatGPT合作、互動嗎？」工研院資通所暨服科中心技術長郭景明提出這個疑問。接著他給予否定答案，並肯定地說道，我們可以做更多事情，包含在語言模型上掌握新的技術，或擬訂策略進行下一步。
對於生成式AI布署可能方向，郭景明表示，眾所皆知，ChatGPT可以幫助人們實現很多事情，但在某些單項任務效果卻無法比現有技術更好，例如翻譯、摘要、編輯等，此時只要在上面加Adapter（可以想像淺層神經網路植入小模型），就有機會做到翻譯上當代最好的效能，這是基礎於大模型上，可以有更多著墨的方向。
另一方面，郭景明則直指小語言模型的發展機會。他說道，近期有越來越多ChatGPT竟然變成政府、企業洩密管道的新聞，為此，在今年3月史丹佛（Stanford）大學和柏克萊（UC Berkeley）兩所大學研究團隊不約而同，分別做出約130億個參數量的小型語言模型Alpaca和Vicuna，期望藉此降低資料洩密問題。
在降低資料外洩風險之虞，郭景明分析，Vicuna正確率只比ChatGPT少1%，但模型遠比ChatGPT小非常多。而從成本來看，Vicuna建置僅花幾百元美元，反觀ChatGPT或其他大型語言模型，使用的訓練費約動輒數百萬美元。以此來思考，台灣真的僅能使用大型語言模型嗎？答案其實顯而易見。
目前工研院聚焦商務、服務、健康、永續、設計、製造等領域。郭景明強調，要解決洩密問題，勢必要走小型化模型，並建置在私有雲上面，包含法遵、安控、物流運輸相關應用都用上它。值得一題的是，與設計和製造相關，毫無懸念也都是選擇用上小語言模型，如IC輔助式設計、半導體材料生成、新藥生成等。
工研院總營運長暨AI策略長余孝先說道，台灣資源有限，要聚焦有效果的領域來推動。舉例來說，生成式AI可以自動產生一些編碼（Code）、文件，應用在台灣IC產業能助其一臂之力。由於設計IC工程師數量嚴重不足，故工研院做一些AI工具，協助這些IC設計工程師來寫他們所需要寫的程式，這是很重要方向與案例。
