台積電AI助力設計仍難掌握3與2奈米關鍵決策

台積電執行副總經理暨共同營運長米玉傑於本週二接受中央社專訪時指出，人工智慧（AI）在半導體產業的應用仍屬輔助性質，尤其在高度專業的先進製程領域，AI仍無法取代人類的判斷與決策。米玉傑說，AI 能夠在資訊蒐集、資料整理與模式偵測上提供相當大的助益，讓工程師在前期規劃與參數分析時減少手動搜尋的時間成本。然而，他強調「未來幾年」AI 仍不具備為人做出關鍵製程決策的能力，這點在台積電即將量產的 3 奈米、2 奈米等尖端節點上尤為重要。

在半導體設計流程中，電子設計自動化（EDA）工具是將電路圖轉化為製造版圖的關鍵橋樑。米玉傑提到，AI 在 EDA 的某些子領域已展現出顯著潛力，例如自動化佈局（placement）與走線（routing）階段的優化演算法，能在大量設計變數中快速尋找近似最佳解，縮短驗證週期。這類技術已被部分大型晶片設計公司導入，用以提升設計效率與降低錯誤率。但即便如此，AI 仍無法直接完成「A14」等極度先進的製程技術，因為這類製程牽涉到光刻、材料科學與量子效應等高度複雜的物理問題，遠超過純粹資料模式的範疇。

米玉傑的觀點與業界普遍的期待形成對照。近年來，全球晶圓代工廠商與設計公司紛紛投資 AI 相關研發，期望藉由機器學習加速製程開發、降低試驗成本。台積電亦在 2022 年成立 AI 研發中心，與多家 AI 供應商合作，探索在製程模擬、缺陷偵測與良率預測等方面的應用。然而，從製程研發的角度來看，先進節點的每一步突破都必須經過嚴謹的實驗驗證與設備調校，任何決策錯誤都可能導致巨額損失。米玉傑因此提醒，AI 目前只能提供「資訊」與「建議」，最終的製程參數設定與風險評估仍須由具備深厚專業經驗的工程師完成。

此外，AI 在製程決策上受限，也反映出半導體產業的供應鏈結構。先進製程的設備大多由少數幾家美國與日本廠商提供，如光刻機的極紫外（EUV）設備仍由荷蘭 ASML 獨占。這些設備的操作與維護本身就需要高度專業的技術人員，AI 若要在此層面發揮作用，必須先突破對硬體行為的深度理解與即時控制。米玉傑指出，短期內 AI 更適合作為「助理」角色，協助工程師快速篩選大量測試數據，提升決策的資訊品質，而非直接替代人為判斷。

最後，米玉傑的言論提醒投資人與產業觀察者，AI 的熱潮不應被過度神話。即便在 AI 技術快速演進的今天，半導體製程的核心仍是人類的創新與工程實踐。台積電未來仍將以穩健的研發步調，結合 AI 輔助工具，逐步提升製程效能與良率，但在「A14」等極限節點上，AI 仍是資訊的提供者，而非決策者。這一立場對於評估台積電在先進製程競爭中的風險與機會，具有重要參考價值。(事實來源:中央社)