30 秒看重點
- 事件：台積電共同營運長米玉傑指出，AI 在下世代先進製程研發上仍有局限。
- 意義：這打破了「AI 能解決一切硬體瓶頸」的迷思，突顯物理極限與資料匱乏的挑戰。
- 影響：台灣半導體業研發將更看重「人機協同」，頂尖工程師的價值在埃米世代依舊無法動搖。
雖然 AI 在晶片設計與自動化測試上展現驚人神速，但台積電共同營運長米玉傑務實指出，面對未知領域的下世代先進製程，AI 仍有力有未逮之處，無法完全取代人類科學家的物理直覺與研發判斷。
為什麼連台積電都說，AI 搞不定最先進的晶片製程？
在當前的 AI 熱潮下，許多人認為人工智慧能自動解決所有科技難題，但半導體最前沿的物理極限顯然是個例外。台積電執行副總經理暨共同營運長米玉傑在公開論壇中坦言，AI 的強項在於從現有的巨量數據中尋找規律並進行優化，但當研發推進到 2 奈米、甚至埃米（Angstrom）世代時，我們面對的是全新的物理現象與材料特性。這就像是要 AI 去考一科連人類都還沒寫出教科書的全新學門，在缺乏歷史「新物理數據」的狀況下，AI 往往也只能乾瞪眼。
這個觀點恰好與前 Google 首席科學家所推崇的「AI 自動化顛覆晶片設計」形成有趣的對比。雖然在 EDA（電子設計自動化）等偏向演算法、排程優化的「軟體設計」層面，AI 的確能將原本需要數週的設計週期縮短至幾天；但到了「實體製造製程」的物理世界，原子級別的漏電、量子穿隧效應以及精密化學反應，都需要極高的容錯率與精確度。米玉傑的發言，無疑為過熱的 AI 萬能論注入了一劑務實的清醒劑，強調了半導體研發本質上仍是一門高度依賴人類實作、試錯與直覺的硬核科學。
台灣怎麼看這件事？
這項觀點直接穩固了台灣科技人才在 AI 時代的護城河。台灣作為全球半導體製造的重鎮，擁有全世界最密集的頂尖製程工程師與物理、化學研究人才。米玉傑的觀點證明，即便 AI 工具再強大，台灣工程師憑藉「神農嚐百草」的實作精神與對物理極限的敏銳直覺，依舊是台積電維持領先的祕密武器。這也提醒台灣產業，在追求 AI 轉型的同時，底層基礎科學的人才培育（如物理、材料、化學）依然不能偏廢。
編輯觀點
AI 是極佳的「效率放大器」，但絕非「無中生有的發明家」。台積電之所以能成為護國神山，關鍵就在於其務實且嚴謹的「實事求是」精神。在半導體這種容錯率為零的物理極致領域，盲目相信 AI 的生成結果可能會帶來致命的製程災難。台積電不迷信 AI，而是將其定位為輔助工程師的工具，這正是台灣科技業能在不確定性中持續保持冷靜、走得更穩的關鍵關鍵因素。
常見問題
- Q1：AI 目前在半導體製造中主要扮演什麼角色？
- AI 主要用於製程缺陷檢測、機台預防性維護、以及既有數據的良率優化，能大幅節省重複性工作的時間。
- Q2：為什麼 AI 無法主導下世代先進製程的開發？
- 因為下世代製程（如埃米世代）涉及全新的物理特性，在缺乏已知數據（訓練資料）的情況下，AI 無法憑空預測物理極限。
- Q3：這會降低台灣半導體工程師在未來的價值嗎？
- 相反地，這證明了具備物理直覺、材料科學與實作經驗的頂尖工程師，其核心價值在 AI 時代依然不可替代。
- Q4：晶片設計和製造製程在應用 AI 上有何不同？
- 晶片設計偏向邏輯與排程，AI 能快速尋找最佳解；而製造製程涉及複雜的物理與化學反應，容錯率極低且缺乏新數據，AI 限制較多。
- Q5：半導體業者未來該如何正確看待 AI？
- 應將 AI 定位為「超級助理」，利用 AI 加速數據處理與日常優化，而將人類工程師的精力集中在突破物理瓶頸的關鍵決策上。
名詞小教室
- 先進製程
- 如同建造世界上最微小的迷宮。在幾公釐的晶片上刻畫出奈米級別的電路，越先進的製程代表電路越細、晶片效能越強但物理限制也越多。