台積電為何形容 AI 是「3 歲超人」？

台積電聯席營運長米玉傑所說的「3 歲超人」，不是在否定 AI 的實力，而是在點出一個關鍵落差：能力與判斷力不是同一件事。

AI 可以很強大，卻不一定理解自己採取的行動會造成什麼傷害，也未必能可靠地分辨對錯或拿捏界線。對掌握先進半導體技術的台積電而言，這代表 AI 可以協助特定工作，但不能在缺乏嚴格控管與人員覆核下，接觸最敏感的研發資料或主導高後果決策。14

為何敏感研發資料不能隨意交給 AI

台積電特別謹慎處理 AI 與研發資料的結合，原因是使用不當可能導致資料外洩或遺失。16

在晶圓製造中，製程工程知識、實驗數據及其他專有研發內容，往往就是企業最核心的競爭資產。現有報導未揭露台積電完整的內部規範或所有受限資料類別，但原則很清楚：資料越機密、越不可取代，就越不適合在保護措施不足時交由 AI 系統處理。16

米玉傑也提到涉及 OpenAI 與 Anthropic 模型進入外部組織的事件，作為風險警示。不過，現有資料並未證實這些事件是針對台積電本身的攻擊。14

AI Agent 為何讓風險升高

若 AI 只是回答問題，風險相對容易侷限；但當它成為可使用企業工具的 AI Agent（代理人），能讀資料、下指令甚至自行觸發流程時，風險就會明顯升級。

台灣半導體產業協會指出，AI Agent 的風險主要來自四類授權：資料存取、系統執行、對外互動與決策自治。有了這些權限，代理人可能讀取機密檔案、執行指令、變更設定、執行程式碼，或啟動工作流程。2

協會警告，若提示注入成功，又同時搭配廣泛資料存取與執行權限，後果會更加嚴重。相對應的防護包括最小權限、沙箱隔離、工具白名單、速率限制、異常偵測、高風險動作攔截，以及讓每個 Agent 的身分與權限都可追溯。2

套用到晶圓廠環境，這正是「3 歲超人」比喻的核心：模型的能力，不等於它已具備可被信任的作業判斷。

台積電仍在哪些領域採用 AI？

這並不代表台積電拒絕 AI。根據現有報導，米玉傑指出，AI 已在程式設計與電子設計自動化（EDA）帶來幫助；這些工作通常有較清楚的輸入與輸出，且可運用大量資料，正是 AI 較能發揮的條件。8

但這不是放任自動化。涉及敏感研發資訊或複雜專業判斷的關鍵決策，仍需要人員負責與審核。8

為何 AI 暫時解不了 A14、A10 的設備瓶頸

米玉傑的另一層意思，是軟體能力在實體製造業裡有其界線。他表示，AI 目前對克服台積電下一代 A14、A10 製程所面臨的設備能力限制，幫助並不大。17

AI 或許能協助分析數據、優化已定義的工程任務，但它無法讓一台原本性能不足的製造設備，突然具備所需能力。若進度卡在設備性能，解方仍須來自底層實體工具鏈的進步，而非單靠更強的 AI 模型。17

台積電預計在 2028 年開始生產 A14，也反映先進製程的推進不只取決於晶片設計，還高度依賴長期的製造整備與設備成熟度。14

對高風險 AI 導入的提醒

台積電的立場把常被混為一談的兩件事拆開來看：AI 能不能做出令人驚豔的成果？以及能不能讓它在核心機密與不可逆決策旁自主運作？

米玉傑的答案是，當前 AI 適合被放在邊界清楚、權限受限的流程中發揮；但僅有能力，還不足以換取接觸敏感研發資料、取得廣泛系統權限，或左右先進製造關鍵決策的信任。在高風險半導體工作中，隔離、窄化授權、可究責的審核與人的判斷，仍不可或缺。128