Pelajaran AI daripada Broadcom untuk sektor E&E Malaysia

Pada 12/12/2025, saham Broadcom jatuh lebih 11% hanya kerana satu perkara: kebimbangan tentang margin keuntungan projek AI mereka.

Syarikat yang sama baru sahaja mengunci kontrak berbilion dolar untuk cip AI tersuai – termasuk nilai sekitar US$21 bilion dengan Anthropic bagi cip Ironwood Google – tetapi pasaran tetap gelisah bila mendengar frasa “margin tertekan”.

Inilah realiti pelaburan AI sekarang: hasilnya besar, tetapi silap strategi, margin boleh ‘makan diri’. Untuk pemain pembuatan elektronik dan semikonduktor di Malaysia, ini bukan sekadar berita Wall Street. Ini amaran awal tentang cara mengintegrasi AI dalam pembuatan tanpa mengulangi kesilapan yang sama.

Dalam siri “AI dalam Pembuatan (Elektronik, Automotif, Semikonduktor)” ini, saya nak kupas apa yang boleh dipelajari daripada kes Broadcom dan bagaimana pengeluar di Malaysia boleh menukar kebimbangan kos AI menjadi kelebihan kompetitif jangka panjang.

---

1. Apa sebenarnya yang berlaku dengan Broadcom dan AI mereka?

Ringkasnya: pendapatan AI Broadcom meningkat, tapi komposisi hasil baharu menekan margin kasar.

Beberapa poin penting daripada laporan terkini mereka:

• Saham jatuh >11% selepas pengurusan memberi amaran bahawa pertumbuhan jualan cip AI tersuai yang ber-margin lebih rendah akan menekan margin keseluruhan.
• Backlog Broadcom mencecah sekitar US$73 bilion, dijangka dihantar dalam 18 bulan akan datang – sebahagian besarnya dipacu permintaan AI.
• Walaupun ada selingan kejatuhan, harga saham masih naik >57% tahun ini, mencerminkan keyakinan jangka panjang pasaran terhadap AI.

Penganalisis pasaran berkongsi sudut yang menarik: walaupun margin kasar nampak tertekan, margin operasi untuk perniagaan AI Broadcom masih accretive — dengan skala yang betul, keuntungan bersih masih kukuh.

Masalah bukan pada AI itu sendiri, tetapi pada bagaimana pelaburan AI disusun, diukur dan di-skala-kan.

Ini terus membawa kita kepada soalan penting untuk pengeluar di Malaysia: kalau gergasi seperti Broadcom pun boleh kelihatan “kurang menarik” di mata pelabur bila silap framing margin, bagaimana pula dengan kilang E&E yang margin-nya jauh lebih nipis?

---

2. Pengajaran untuk pengeluar semikonduktor & elektronik di Malaysia

Pengajaran utama daripada kes Broadcom ialah: pelaburan AI mesti dilihat sebagai strategi kapasiti & produktiviti, bukan projek ‘nice to have’ yang kabur ROI-nya.

Bagi syarikat semikonduktor, EMS, dan pengeluar komponen automotif di Malaysia, ada tiga risiko jika mengikut jejak yang salah:

2.1 Fokus kepada ‘shiny AI’ tanpa model kewangan yang jelas

Ramai pengeluar bermula dengan:

• robot kolaboratif (cobot) di beberapa stesen,
• sistem visi AI yang mahal tapi hanya guna 30% fungsinya,
• platform analitik cloud yang data pun tak lengkap.

Kos CAPEX naik, OPEX cloud naik, tetapi OEE (Overall Equipment Effectiveness) kekal hampir sama. Inilah versi pembuatan bagi “margin tertekan” Broadcom.

2.2 TIADA baseline, TIADA cerita ROI

Pelabur Broadcom gelisah kerana mereka nampak margin turun, tapi tak nampak dengan jelas naratif “berapa banyak kapasiti tambahan dan pendapatan masa depan” yang datang bersama cip AI tersuai itu.

Kilang di Malaysia pun selalu buat kesilapan sama:

• Tak rekod baseline scrap rate, downtime, yield sebenar sebelum AI dipasang.
• Lepas projek selesai, sukar buktikan penjimatan kos atau peningkatan output.

Akhirnya, AI dilihat sebagai kos, bukan enjin margin.

2.3 Tak selaraskan strategi AI dengan pelanggan utama

Broadcom menang kerana selari dengan strategi hyperscaler seperti Google – mereka bina custom AI processors yang terus dikunci dengan kontrak besar bertahun-tahun.

Pengeluar di Malaysia patut meniru pendekatan ini pada skala mereka:

• Bincang dengan pelanggan utama (contoh OEM automotif, jenama peralatan elektrik) tentang KPI kualiti, ketepatan penghantaran, dan kelestarian yang mereka hargai.
• Reka pelaburan AI yang terus menyokong KPI pelanggan, bukan projek dalaman yang menarik tapi tak menambah nilai kepada rantaian bekalan.

---

3. Cara guna AI untuk menaikkan – bukan menekan – margin kilang

Untuk elak kes “amaran margin” seperti Broadcom, AI dalam pembuatan perlu dikaitkan terus dengan tiga punca utama margin:

1. Yield & kualiti
2. Utilisasi aset & throughput
3. Kos tenaga dan kos rework

3.1 AI dalam kawalan kualiti: kurangkan scrap, naikkan yield

Dalam semikonduktor dan elektronik, setiap 1% peningkatan yield boleh memberi impak besar kepada margin.

Contoh praktikal di Malaysia:

• Pemeriksaan PCB berasaskan visi AI yang mengesan solder defect mikro yang mata manusia terlepas.
• Model AI yang meramal paramater proses kritikal (suhu, masa, tekanan) untuk mengurangkan void, warpage, dan open/short.

Hasil yang realistik bila dilaksana dengan betul:

• Scrap rate turun 20–40%
• Kos RMA / warranty berkurang sehingga 30%

Bila angka ini direkod dan dilapor secara konsisten, apa-apa penurunan margin kasar akibat susut harga jual boleh diimbangi oleh kos unit yang jauh lebih rendah.

3.2 AI untuk penyelenggaraan ramalan: tambah uptime tanpa CAPEX besar

Daripada beli mesin baru bila kapasiti ketat, lebih bijak:

• Pasang sensor getaran, suhu, arus pada peralatan kritikal (reflow oven, molding, wire bonder, injection molding, stamping press).
• Guna model AI untuk predictive maintenance – kenal pasti corak bunyi atau getaran sebelum mesin rosak.

Kesan tipikal:

• Downtime tak dirancang turun 30–50%
• Uptime line kritikal naik beberapa jam seminggu tanpa tambah mesin

Ini terus menukar pelaburan AI sebagai cara murah untuk “beli kapasiti baharu” berbanding CAPEX mesin jutaan ringgit.

3.3 AI dalam perancangan & rantaian bekalan: kurang WIP, kurang overtime

Banyak kilang E&E Malaysia masih bergantung pada perancangan manual atau MRP asas. Masalahnya:

• WIP menimbun,
• stok bahan mentah terlebih,
• overtime tinggi bila forecast silap.

Dengan AI untuk peramalan permintaan dan penjadualan pintar:

• Inventori boleh dikurangkan 10–25%
• Penggunaan overtime turun dengan jadual pengeluaran yang lebih stabil
• Masa kitaran (cycle time) dipendekkan, percepat cash conversion.

Ini kesan langsung kepada margin operasi, bukan sekadar cerita teknologi.

---

4. Di mana Malaysia sudah ke hadapan – dan di mana kita masih ketinggalan

Realitinya, Malaysia bukan bermula dari kosong. Zon seperti Penang, Kulim, Senai, Batu Kawan sudah lama menjadi hub untuk pemain global:

• Pengeluar semikonduktor dan E&E besar mengendalikan smart factory, automasi tinggi, dan integrasi AI dalam proses mereka.
• Beberapa kilang automotif sudah menggunakan robotik ber-AI dalam welding, painting dan pemeriksaan keselamatan kenderaan.

Tapi ada tiga jurang ketara yang saya selalu nampak bila berbual dengan pengurus kilang dan pemilik SME E&E:

4.1 AI terasing, bukan sebahagian pelan transformasi kilang

Ramai buat PoC (proof-of-concept) di satu line, satu mesin, satu projek. Bagus untuk belajar, tetapi:

• Tanpa roadmap 3–5 tahun, manfaat hanya terhad kepada satu sudut kilang.
• Tak ada pelan standardisasi data, integrasi OT/IT, atau latihan pekerja.

Sedangkan pelabur dan HQ global akan bertanya: “Bagaimana semua ini menaikkan margin kilang secara keseluruhan?”

4.2 Kekurangan talent peringkat lantai pengeluaran

Malaysia sudah ada ramai data scientist dan jurutera IT, tapi AI pembuatan perlukan profil yang sedikit berbeza:

• Jurutera proses yang faham statistik, OEE dan mesin.
• Technician yang boleh membaca dashboard AI dan ubah setpoint proses.

Tanpa kelompok ini, sistem AI yang mahal akhirnya jadi seperti “black box” yang tak dipercayai operator.

4.3 Meletakkan AI sebagai kos IT, bukan pelaburan operasi

Bila AI hanya dimasukkan bawah bajet IT, projek akan bersaing dengan sistem HR, e-mel, dan infrastruktur lain.

Cara yang lebih berkesan:

• Letak projek AI utama di bawah Head of Operations / Plant Manager.
• Kaitkan objektif dengan KPI seperti scrap rate, OEE, on-time delivery, energy per unit.

Ini terus mengubah naratif daripada “AI ini mahal” kepada “AI ini menambah margin X% dalam masa Y bulan”.

---

5. Rangka kerja praktikal: dari ‘amaran margin’ kepada ‘margin naik’

Berpandukan drama Broadcom dan realiti kilang di Malaysia, berikut rangka kerja yang saya nampak berkesan untuk pengeluar elektronik, automotif, dan semikonduktor:

Langkah 1: Tetapkan baseline dan sasaran margin

Sebelum sebarang pelaburan AI:

• Rekod scrap rate, rework, downtime, OEE, energy per unit, output per shift.
• Tetapkan sasaran yang jelas, contohnya:
  • Scrap turun 30% dalam 12 bulan
  • OEE naik 10 mata dalam 18 bulan
  • Inventori WIP turun 20%

Tanpa ini, anda akan berada dalam situasi seperti pelabur Broadcom – nampak kos naik, tapi tak nampak cerita pulangan.

Langkah 2: Pilih 2–3 use case AI yang paling dekat dengan wang

Daripada cuba semua sekaligus, fokus pada kes penggunaan yang:

• Cepat nampak hasil (3–9 bulan)
• Mudah di-scale ke beberapa line lain
• Data asas sudah wujud atau mudah dikumpul

Biasanya ini termasuk:

• Pemeriksaan kualiti berasaskan visi AI
• Predictive maintenance untuk mesin kritikal
• Penjadualan pengeluaran pintar untuk line ber-volume tinggi

Langkah 3: Bina pasukan kecil OT + IT + proses

AI dalam pembuatan tak boleh diserah bulat-bulat kepada vendor.

Bentukkan pasukan dalaman:

• 1–2 jurutera proses kilang
• 1 jurutera automasi / OT
• 1 wakil IT / data
• 1 wakil operasi / production

Mereka inilah yang akan memastikan model AI:

• Guna data yang betul,
• Disepadukan dengan PLC / MES / ERP,
• Dianggap “boleh percaya” oleh operator.

Langkah 4: Ukur, lapor, dan ‘market’ hasil secara agresif

Satu lagi pelajaran dari Broadcom: komunikasi hasil sangat penting.

Dalam konteks kilang:

• Tunjuk papan pemuka yang jelas: sebelum & selepas AI.
• Laporkan kepada HQ atau pelabur: “Projek AI A mengurangkan kos per unit sebanyak X sen, menjadikan margin operasi line naik Y%.”

Bila naratif ini konsisten, anda akan dapat sesuatu yang Broadcom sedang berjuang untuk yakinkan pasaran: keyakinan jangka panjang bahawa AI adalah penjana margin, bukan pemampat margin.

---

Penutup: Masa untuk jadikan AI sebagai enjin margin Malaysia

Kes Broadcom mengingatkan sesuatu yang ramai terlupa: pelaburan AI yang besar tanpa naratif margin yang jelas akan menimbulkan panik, walaupun asas perniagaannya kukuh.

Bagi sektor pembuatan elektronik, automotif dan semikonduktor di Malaysia, kita sebenarnya berada pada posisi yang baik:

• Rantaian bekalan global sudah pun tertumpu di sini.
• Ramai pemain MNC sudah membawa masuk amalan kilang pintar.
• Ekosistem vendor automasi dan AI tempatan makin matang.

Bezanya sekarang ialah cara kita merancang dan mengurus integrasi AI:

• Fokus pada yield, downtime, tenaga dan inventori – perkara yang betul-betul mengalir ke P&L.
• Pastikan setiap projek AI ada baseline, sasaran, dan laporan hasil yang telus.
• Lihat AI sebagai pelaburan operasi yang mengukuhkan margin, bukan kos IT tambahan.

Syarikat yang berani menyusun strategi AI dengan cara ini akan jadi rakan pilihan jenama global yang sedang menilai tapak pengeluaran di Asia Tenggara. Soalannya cuma: adakah kilang anda mahu dilihat seperti versi Broadcom yang “mengelirukan pelabur”, atau versi yang jelas menunjukkan bagaimana AI mengembang margin?

Sekarang masa yang sesuai – sebelum tahun kewangan baharu bermula – untuk menyemak semula pelan AI kilang anda dan pastikan setiap ringgit yang dibelanjakan membawa anda lebih dekat kepada margin yang lebih sihat, bukan sebaliknya.