Pelajaran dari Yotta: Dana AI Compute & Peluang untuk Malaysia

AI dalam Pembuatan (Elektronik, Automotif, Semikonduktor)••By 3L3C

Yotta di India buktikan: tanpa infrastruktur AI compute, kilang pintar sukar berkembang. Apa pelajaran untuk pembuatan elektronik, automotif & semikonduktor Malaysia?

AI dalam pembuatanpusat datakilang pintarelektronik dan semikonduktorAI computeautomotifMalaysia
Share:

Ledakan AI Compute: India Bergerak, Malaysia Jangan Tunggu

Dalam masa dua tahun, hasil Yotta – pengendali pusat data dan penyedia AI compute India – melonjak lebih 100%, daripada sekitar US$22 juta kepada hampir US$50 juta. Pada masa yang sama, mereka merancang pelaburan hampir US$1 bilion dan bakal tersenarai di NASDAQ melalui gabungan SPAC.

Ini bukan sekadar cerita korporat dari Mumbai. Ini isyarat jelas: permintaan AI compute sedang meletup, dan siapa yang lambat membina infrastruktur akan tertinggal dalam perlumbaan AI – termasuk dalam pembuatan elektronik, automotif dan semikonduktor.

Untuk Malaysia, yang menjadi hab E&E dan pembuatan global, naratif Yotta ialah cermin masa depan. Soalnya bukan lagi sama ada kilang akan guna AI, tetapi adakah negara ada infrastruktur AI yang cukup untuk menyokong kilang pintar dalam 3–5 tahun lagi?

Artikel ini kupas bagaimana langkah Yotta membina kapasiti AI compute dan menstruktur pembiayaan boleh dijadikan pelajaran praktikal untuk Malaysia – khususnya pemain pembuatan elektronik, automotif dan semikonduktor.

Siapa Yotta dan Kenapa Ia Penting untuk Dunia Pembuatan

Yotta ialah penyedia pusat data dan AI compute yang fokus kepada infrastruktur, bukan sekadar cloud biasa.

Beberapa poin penting tentang Yotta:

  • Mengendalikan pusat data Tier III dan Tier IV di India
  • Menawarkan kolokasi, hyperscale dan managed cloud
  • Menjadi pembekal utama kapasiti GPU untuk IndiaAI Mission (inisiatif kerajaan untuk bangunkan infrastruktur AI tempatan)
  • Memiliki kira-kira 33 MW kapasiti hidup dan potensi pembangunan sehingga 890 MW
  • Menjadi rujukan awan untuk Nvidia, dengan Nvidia sendiri membeli kapasiti dari fasiliti Yotta

Pendek kata, Yotta ialah “kilang kuasa” AI yang menyokong ekosistem digital dan perindustrian India – dari sektor kerajaan, kewangan, hingga perusahaan besar.

Apa kaitan Yotta dengan kilang elektronik atau automotif?

Untuk guna AI di kilang – sama ada untuk:

  • visi komputer untuk pemeriksaan kualiti cip,
  • perancangan pengeluaran berasaskan AI,
  • pengoptimuman tenaga dan OEE,
  • robotik kolaboratif (cobot) yang lebih pintar,

…semuanya memerlukan compute yang besar dan konsisten: GPU, rangkaian pantas, storan latensi rendah. Sebahagian beban ini boleh dijalankan di edge (di dalam kilang), tetapi latihan model, simulasi besar dan integrasi rantaian bekalan biasanya berlaku di pusat data atau cloud.

Cerita Yotta menunjukkan satu perkara yang jelas:

Tanpa pelaburan pusat data dan AI compute, aspirasi kilang pintar akan tersekat di peringkat pilot.

India sedang mempercepatkan infrastruktur ini melalui Yotta dan pemain lain. Malaysia perlu membaca arah angin yang sama.

NASDAQ, SPAC dan Keperluan Modal Besar untuk AI Compute

AI compute bukan pelaburan RM10–20 juta; ia permainan berbilion ringgit.

Yotta memilih laluan penyenaraian di NASDAQ melalui penggabungan dengan Cartica Acquisition Corp (SPAC), dengan penilaian pra-transaksi sekitar US$2.75 bilion.

Beberapa angka yang penting:

  • Hasil FY2023: ~US$22 juta
  • Hasil FY2024 (anggaran): ~US$49.2 juta (+123%)
  • Anggaran hasil FY2025: ~US$156 juta
  • Kerugian bersih meningkat kerana capex besar (~US$1 bilion dijangka dibelanjakan dalam satu tahun)

Kenapa sanggup ‘berdarah’ kerugian bersih?

Kerana model perniagaan infrastruktur AI sangat intensif modal di awal:

  1. Beli GPU, bina pusat data, pasang rangkaian dan sistem kuasa sebelum hasil benar-benar masak.
  2. Kapasiti disewa secara jangka panjang oleh kerajaan, bank, syarikat teknologi dan perusahaan besar.
  3. Margin dan aliran tunai positif datang selepas kadar penggunaan (utilization) naik ke tahap matang.

Pengasas Yotta, Darshan Hiranandani, jelas: mereka pilih NASDAQ kerana pasaran AS lebih faham naratif AI dan cloud berbanding pasaran domestik India buat masa ini. Pasaran yang faham, lebih mudah untuk mengumpul modal besar secara berulang.

Pengajaran untuk Malaysia: modal dan lokasi penyenaraian

Untuk Malaysia, ada tiga soalan strategik:

  1. Adakah kita bersedia guna pasaran global (contoh: NASDAQ, Singapore atau Hong Kong) untuk membiayai infrastruktur AI industri?
  2. Adakah Bursa dan komuniti pelabur tempatan cukup memahami model perniagaan AI compute dan pusat data?
  3. Adakah koperasi antara GLC, MNC dan pemain teknologi tempatan boleh memendekkan kebergantungan kepada cloud luar negara?

Kalau kita serius tentang AI dalam pembuatan, isu pembiayaan ini tak boleh diketepikan. GPU untuk 100,000 unit seperti disebut Yotta bukan angka kecil; kita bercakap ratusan juta hingga berbilion ringgit.

Model IndiaAI Mission vs Realiti Malaysia: Dua Lapis Permintaan

Satu lagi sudut menarik dari Yotta ialah struktur pelanggan mereka:

“Hari ini kira-kira 60% kapasiti kami untuk IndiaAI Mission dan 40% sektor swasta. Pusingan seterusnya, 80–20 untuk IndiaAI. Pusingan ketiga, kami jangka jadi 75% sektor swasta.”

Maksudnya:

  • Fasa awal: kerajaan jadi pemangkin, menyuntik permintaan besar melalui misi nasional.
  • Fasa matang: sektor swasta (bank, telco, pengeluar, syarikat teknologi) mengambil alih sebagai pengguna utama.

Daripada perspektif pembuatan, ini sangat relevan.

Bagaimana struktur dua lapis ini boleh terpakai di Malaysia?

  1. Lapisan kerajaan

    • Pusat data dan AI compute nasional yang menyokong:
      • projek perindustrian pintar di bawah MOSTI/MITI,
      • platform data industri nasional,
      • inisiatif latihan dan R&D AI industri.
    • Kontrak jangka panjang kerajaan memberikan ‘jaminan asas’ kepada penyedia pusat data tempatan untuk berani melabur.

  2. Lapisan sektor swasta (termasuk pembuatan)

    • MNC pembuatan elektronik dan semikonduktor yang ingin:
      • jalankan latihan model pengesanan kecacatan pada video line produksi,
      • guna AI untuk ramalan permintaan bahan mentah,
      • integrasi data kilang dari Malaysia, Vietnam, China, Eropah dalam satu platform.
    • Syarikat automotif dan vendor Tier-1 yang fokus kepada EV, ADAS dan telematik juga perlukan persekitaran AI compute yang patuh regulasi dan dekat dengan kilang.

Hakikatnya, Malaysia juga ada ‘dua ekonomi’ seperti yang disebut Hiranandani mengenai India – satu kumpulan pelanggan industri yang mempunyai bajet bertaraf global, dan satu kumpulan yang memerlukan fasilitasi kerajaan untuk mampu akses AI.

Kalau kita reka dasar dan infrastruktur dengan mengakui realiti dua lapis ini, kadar adopsi AI di kilang akan jauh lebih sihat.

Infrastruktur AI untuk Kilang Pintar: Apa Sebenarnya Diperlukan?

Bagi banyak pengurus kilang, istilah seperti “GPU cluster” atau “sovereign cloud” kedengaran jauh dari lantai produksi. Tapi kesannya sangat nyata apabila projek AI bergerak dari POC ke pengeluaran.

Secara ringkas, inilah blok asas infrastruktur AI yang relevan untuk pembuatan:

1. Pusat data dan sovereign cloud tempatan

Yotta menekankan perbezaan antara hyperscaler global dan model mereka:

  • Hyperscaler biasanya tak memberi kawalan penuh kepada pelanggan tentang di mana pelayan fizikal mereka dan hak milik sebenar aset.
  • Yotta membenarkan pelanggan perusahaan dan kerajaan mengekalkan kawalan lebih besar terhadap infrastruktur, sambil tetap menikmati fleksibiliti cloud dan akses GPU on-demand.

Bagi kilang elektronik atau semikonduktor yang mengendalikan data reka bentuk cip, parameter proses sensitif, dan rahsia proses, isu lokasi data dan kedaulatan (sovereignty) amat kritikal.

Model yang patut dipertimbangkan di Malaysia:

  • Sovereign industrial cloud – dihoskan di dalam negara, dengan pusat data Tier III/Tier IV berdekatan kluster pembuatan (contoh Penang, Kulim, Johor).
  • Dioptimumkan untuk:
    • latihan dan inferens model visi komputer untuk pemeriksaan kualiti,
    • pengoptimuman jadual produksi merentas beberapa kilang,
    • integrasi dengan sistem MES/SCADA sedia ada.

2. Rangkaian dan integrasi edge–cloud

Kebanyakan aplikasi AI kilang pintar akan jadi hibrid:

  • Edge (di kilang): inferens masa nyata di kamera, PLC, gateway industri.
  • Cloud / pusat data: latihan model, analitik mendalam, simulasi digital twin.

Infrastruktur yang baik perlu:

  • Latensi rendah antara kilang dan pusat data,
  • Saluran selamat (VPN, private line) yang mematuhi polisi keselamatan korporat global,
  • Reka bentuk storan yang memudahkan ‘data retention’ bagi keperluan audit industri (automotif, aeroangkasa, medikal).

3. Model perkhidmatan yang mesra pembuatan

Satu lagi point menarik tentang Yotta: mereka tidak obses nak jadi Nvidia atau pembangun model AI sendiri. Mereka menempatkan diri sebagai TSMC untuk compute – fokus kepada infrastruktur dan kecekapan operasi.

Bagi sektor pembuatan, ini sangat praktikal:

  • Kebanyakan kilang tak mahu bina model bahasa besar (LLM) sendiri.
  • Mereka mahu:
    • perkhidmatan GPU yang boleh diskala,
    • bantuan fine-tuning model visi/ramalan khusus proses mereka,
    • jaminan SLA yang sejajar dengan operasi 24/7.

Penyedia pusat data dan AI compute Malaysia boleh ambil pendekatan sama: jadi platform industri-neutral yang dipercayai, bukan cuba jadi semua benda sekali gus.

Dari Yotta ke Malaysia: Langkah Praktikal untuk Pemain Pembuatan

Supaya cerita ini jadi lebih daripada sekadar baca berita, berikut beberapa langkah praktikal untuk pengurus kilang elektronik, automotif dan semikonduktor di Malaysia.

1. Audit keperluan AI compute anda sekarang

Senaraikan projek AI sedia ada dan yang dirancang dalam 12–24 bulan:

  • Pemeriksaan kualiti berasaskan visi komputer
  • Pengesanan anomali mesin menggunakan data sensor
  • Perancangan pengeluaran dinamik
  • Ramalan rantaian bekalan dan inventori

Untuk setiap use case, tanya:

  • Berapa banyak data yang terlibat (video, sensor, log)?
  • Adakah latihan model dibuat di luar negara atau boleh tempatan?
  • Adakah ada keperluan pematuhan data (contoh: pelanggan automotif Jepun atau Eropah yang sensitif)?

Jawapan ini akan beri gambaran jelas sama ada anda perlukan akses GPU tempatan atau cukup dengan cloud umum biasa.

2. Libatkan pengurusan tertinggi tentang infrastruktur AI

Ramai pelabur dan Lembaga Pengarah sudah faham kepentingan automasi. AI pula sering dilihat sebagai projek IT atau projek pilot kecil.

Gunakan contoh Yotta sebagai bahan:

  • Tunjukkan bahawa pelaburan AI compute di peringkat negara sedang dipercepatkan oleh negara pesaing.
  • Jelaskan bahawa tanpa infrastruktur, kilang anda terhad kepada projek kecil yang tak boleh diskala.

Bila pengurusan faham gambaran besar, lebih mudah untuk:

  • runding bajet untuk sambungan rangkaian khusus ke pusat data tempatan,
  • menilai kerjasama strategik dengan penyedia AI compute tempatan atau serantau.

3. Desak model kerjasama yang jaga kedaulatan data kilang

Dalam sebarang perbincangan dengan penyedia cloud atau pusat data:

  • Tegaskan keperluan lokasi data di Malaysia untuk dataset kritikal,
  • Pastikan ada pilihan ‘dedicated tenancy’ atau sekurang-kurangnya tahap pengasingan yang selari dengan polisi korporat anda,
  • Semak bagaimana data latihan model digunakan semula (atau tidak digunakan) oleh penyedia.

Di sinilah model seperti Yotta – yang jelas tentang pemilikan pelayan dan lokasi – memberi rujukan berguna untuk rundingan.

Penutup: Malaysia Perlu “Yotta” Versinya Sendiri untuk Kilang Pintar

Cerita Yotta memperlihatkan satu corak yang sukar dinafikan: apabila kerajaan dan sektor swasta menyelaraskan permintaan kepada penyedia AI compute, modal global akan datang, infrastruktur akan terbina, dan ekosistem AI akan membesar dengan cepat.

Malaysia sudah ada asas kuat:

  • Kluster E&E dan semikonduktor bertaraf dunia,
  • Pelaburan besar dari MNC automotif dan elektronik,
  • Fokus nasional kepada ekonomi digital dan perindustrian berteknologi tinggi.

Yang tinggal ialah satu soalan strategik:

Adakah kita mahu bergantung selamanya pada AI compute di luar negara, atau berani membina kapasiti AI industri di tanah air sendiri, supaya kilang elektronik, automotif dan semikonduktor di Malaysia boleh berkembang sebagai antara yang paling pintar di rantau ini?

Jika jawapan anda condong ke arah kedua, sekarang masa yang tepat – sebelum gelombang permintaan mencapai tahap India – untuk mula berbincang secara serius tentang pusat data industri, sovereign cloud, dan model pembiayaan yang mampu menyokong fasa seterusnya kilang pintar di Malaysia.