Barry Barish：坚定支持开放科学与开源，强调没有开源就没有 LIGO（引力波探测器）；开放还延伸到仪器层面，CERN 对撞机的开放访问对今日成就至关重要。
Jeff Ullman 以实体解析（entity resolution）为例：从哥伦比亚获得约 5000 万条带有全国统一身份标识（即 ground truth/真值）的记录，才得以做成没有它就无法完成的算法实验；他指出西班牙语姓名常有约五个组成部分，仅凭姓名识别同一人非常棘手。
Rodrigo Liang（30 年芯片设计经验）提出更辩证的观点：像 Sun Microsystems 早期的许多突破，正是在封闭环境下才能高速推动创新而无需等待广泛社区；但 Linux 与开源的力量随时间带来规模化创新；AI 基础设施会像以往多个周期一样，呈现公私、开放与封闭技术的混合，并随采用面扩大分阶段演进。
Sudipta Sengupta：维系开放科学需要可持续的资金与投入——当今最大模型的算力与人力投入高达数十亿乃至数百亿美元，应以成本价或补贴形式维持这一『资金飞轮』；同时模型越聪明越可能被滥用，置于 API 之后可让提供方加装护栏与安全对齐（safety alignment），并随时间演进，这通常与模型智能存在权衡。
AI 用于科学：哪些部分必须开放
Barry Barish：在他看来一切都应开放；做生意因有竞争对手可以封闭，但那不是在做科学。
Barry Barish 同时提醒：AI 并不完美、结果可能出错，用户有责任做一个批判性的使用者——AI 是极佳的探针和工具，但不会总给你想要且可靠的答案。
Barry Barish：归结为资金——不能让学者因缺钱而无法再做实验；许多人转向企业正是因为在学术开放环境中得不到所需的研究条件。
Jeff Ullman 谈数据可及性：海量数据集（如政府实验室的卫星影像，涵盖不同时间、不同波段——可见光或热/地表温度）检索成本极高；以研究珊瑚白化为例，科学家只需特定纬度、特定颜色、且只要『此地现在 vs 半年前有差异』的影像，因此应能在数据所在地就近计算，判断科学家是否真的需要把某张大文件传输过去；他建议业界投入时间研究这类问题。
Sudipta Sengupta：在政府资助环境出现变化之际，私营产业资助将比以往更重要；各行业大量成果都源自学术与研究实验室的开放科学，私营部门应『把成果回馈出去』并与学术界合作；以生物科技/制药的 pre-competitive research（竞争前研究）为例，不同企业与学术界合作做基础科学（生化、基因组、生物学乃至早期药物建模），他预测在 AI 推动下这一边界将进一步右移，对私营—政府—学术合作保持乐观。
关键引述
“开放使科学的三大基石成为可能：科学是可复现的、可验证的，而最重要的是可累积的——科学建立在前人知识之上。（Openness enables the three cornerstones of science: reproducible, verifiable, and most importantly, cumulative.）”— Sudipta Sengupta
“如果说我能比别人看得更远，那是因为我站在巨人的肩膀上——知识若属于全人类，就等于招募整个星球来推进科学。（If I have been able to see beyond others, it is because I stood on the shoulders of giants.）”— Sudipta Sengupta（引用牛顿）
“LIGO 没有开源就不存在。我完全支持开放科学、开放源代码。（LIGO does not exist without open source.）”— Barry Barish
“AI 不会总给你想要的、也不会总像你期望的那样可靠，但它是一个极佳的探针和工具。”— Barry Barish
“模型只是数据的一种表征，所以人们会非常关心为得到这些结果到底用了什么数据。（The models are just a representation of data.）”— Rodrigo Liang
术语 / 人物
Open Data / 开放数据 — 公开可获取、可被任何人使用与复用的数据集；在科学中是保证研究可复现与可累积的基础。