台積電米玉傑：AI 有助程式與設計，先進製程探索仍受資料及物理限制

據科技新報報導，台積電共同營運長米玉傑日前在公開活動指出，AI 已用於程式碼與晶片設計，但面對 A14、A12 等下一代製程，仍有明顯能力邊界。他認為，未知變數與歷史資料不足，使 AI 難以直接解決前沿技術開發的問題。

固定流程與未知技術是兩種任務

米玉傑表示，台積電已廣泛將 AI 用於程式碼編寫，這類任務相對基礎，現有工具也具備強大功能。電子設計自動化（EDA）則因輸入與輸出較為固定，適合導入代理型 AI；他並提及 Synopsys、Cadence 等企業正在運用相關工具。

但先進製程研發不只有既有流程的優化。若設備或材料本身無法達成目標，AI 也無法跨越這些物理與技術限制。依他的說法，不能把 AI 在程式與設計流程的效益，直接推論成它能承擔下一代製造技術的探索。

決策、機密與人才仍是人的課題

米玉傑強調，人類必須是 AI 應用中的決策者；工具即使能力強大，也不代表理解潛在危害。企業還須考慮洩密風險，因此與 AI 分享的內部資訊將受到限制。

談及海外建廠，他指出，尋找能領導全球團隊的高階管理人才，是目前擴張面臨的主要障礙之一。這項挑戰與技術工具是否進步，並不是同一個問題。

STELLAR VIEW

對台灣科技業而言，評估 AI 的價值應先區分成熟流程與未知技術：能加快既有工作，不等於能替代材料實驗與工程判斷。台積電這次說法也提醒企業，導入工具時須同時界定資料可分享的範圍，以及由誰承擔最後決策。