Lonjakan Pasaran Cip AI & Masa Depan Tenaga Malaysia

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

Pasaran cip AI dijangka mencecah USD565 bilion menjelang 2032. Ini bukan sekadar berita teknologi – ia mengubah cara sektor tenaga dan pembuatan Malaysia bersaing.

cip AIAI industri tenagaPETRONAS digitalkilang pintarsemikonduktor Malaysiapredictive maintenancegenerative AI industri
Share:

Lonjakan Pasaran Cip AI & Masa Depan Tenaga Malaysia

Menjelang 2032, pasaran cip kecerdasan buatan global dijangka mencecah kira-kira USD565 bilion, naik daripada sekitar USD203.24 bilion pada 2025. Itu bukan kenaikan kecil; itu isyarat jelas bahawa dunia sedang membina infrastruktur baru berasaskan AI, sama pentingnya seperti lebuh raya dan grid elektrik satu ketika dulu.

Bagi Malaysia — khususnya sektor minyak & gas, tenaga dan pembuatan E&E — angka ini bukan sekadar statistik. Ia petunjuk ke mana pelaburan global sedang bergerak, dan bagaimana pemain seperti PETRONAS, TNB, dan pengilang elektronik utama perlu berfikir tentang strategi AI mereka untuk 5–10 tahun akan datang.

Dalam rantaian nilai tenaga dan pembuatan, cip AI ialah “enjin” kepada analitik masa nyata, generatif AI, robotik pintar dan kilang pintar. Kalau enjin global bertambah besar 15–16% setahun, syarikat yang masih bergantung kepada sistem legasi akan tertinggal jauh.

Artikel ini menghuraikan:

  • Mengapa pasaran cip AI meletup dan apa kaitannya dengan tenaga & pembuatan
  • Bagaimana PETRONAS dan pemain Malaysia lain boleh memanfaatkan gelombang ini
  • Langkah praktikal untuk pemimpin industri yang mahu bergerak dari POC kecil kepada pelaksanaan AI skala besar

1. Pasaran Cip AI Meletup: Apa Maksudnya Untuk Industri

Pertumbuhan 15.7% CAGR pasaran cip AI hingga 2032 bermakna dunia sedang mempercepat automasi, analitik masa nyata dan model AI yang lebih besar. Cip ini bukan hanya untuk telefon pintar atau pusat data Big Tech; ia sedang menyusup masuk ke:

  • Turbin gas dan loji jana kuasa
  • Pelantar minyak dan kemudahan pemprosesan
  • Kilang semikonduktor, automotif dan elektronik pengguna
  • Grid elektrik dan sistem utiliti pintar

Jika data ialah “minyak baru”, cip AI ialah loji penapisan yang menukarkan data mentah kepada keputusan bernilai.

Tiga pemacu utama pertumbuhan ini sangat relevan dengan Malaysia:

  1. Permintaan analitik masa nyata
    Operasi upstream, midstream dan downstream semakin memerlukan keputusan sub-saat: amaran kebocoran, pengesanan anomali getaran, pengoptimuman beban tenaga. Semua ini memerlukan pemprosesan di edge — di platform, di kilang, di stesen jana kuasa — bukan hanya di awan.

  2. Generative AI (GenAI) untuk operasi industri
    LLM dan model multimodal bukan lagi mainan pejabat. Di sektor tenaga, GenAI digunakan untuk:

    • Membaca dan meringkaskan laporan HSE bertahun-tahun
    • Menjana prosedur kerja berasaskan OEM manual dan standard dalaman
    • Menjawab soalan jurutera tentang konfigurasi kompleks dalam bahasa biasa

  3. Peralihan infrastruktur ke arah “AI-first”
    Pusat data baru dibina dengan GPU dan cip khusus AI pada skala besar. Pada masa sama, edge device seperti sensor pintar, PLC moden dan robot industri mula mengandungi NPU/ASIC AI terbina dalam.

Realitinya, cip AI kini komoditi strategik, sama seperti LNG atau wafer semikonduktor. Negara yang cepat menyesuaikan ekosistem perindustrian dengan keupayaan ini akan menguasai produktiviti generasi seterusnya.

2. Dari Reservoir ke Kilang: Di Mana Cip AI Menjana Nilai

Untuk sektor minyak & gas, tenaga dan pembuatan E&E, cip AI membuka peluang pada tiga lapisan: subsurface, aset fizikal, dan rantaian bekalan.

2.1 Reservoir & subsurface: simulasi lebih pantas, keputusan lebih yakin

Model reservoir tradisional boleh mengambil masa berjam-jam atau berhari-hari untuk dijalankan pada kluster pengkomputeran biasa. Dengan GPU dan cip AI khusus, syarikat boleh:

  • Melatih model surrogate AI yang meniru simulasi fizikal kompleks
  • Menjalankan ribuan senario pengeluaran dalam masa minit, bukan hari
  • Menggabungkan data seismik 3D, log telaga dan data pengeluaran dalam model bersepadu

Bagi pemain seperti PETRONAS, ini bermaksud:

  • Keputusan pelaburan telaga dan lapangan yang lebih pantas
  • Pengurangan risiko CAPEX untuk projek besar
  • Keupayaan mensimulasikan senario CCS/CCUS dan hidrogen dengan lebih cekap

2.2 Prediktif maintenance: dari manual kepada model masa nyata

Kebanyakan loji proses di Malaysia masih berada di fasa “condition-based maintenance” asas. Dengan cip AI di edge, pendekatan boleh dinaik taraf kepada predictive dan prescriptive maintenance:

  • Sensor getaran + mikrofon + suhu di pam dan kompresor disambungkan ke modul AI kecil
  • Model dilaras untuk mengenal pasti corak awal kegagalan bearing, misalignment atau cavitation
  • Sistem mengesyorkan tarikh penyelenggaraan optimum dan alat ganti yang diperlukan

Kesan langsung kepada syarikat tenaga dan utiliti:

  • Mengurangkan unplanned downtime 20–40%
  • Panjangkan jangka hayat aset kritikal
  • Kurangkan risiko insiden keselamatan akibat kegagalan mekanikal

2.3 Kilang pintar E&E dan automotif

Dalam siri “AI in Manufacturing” ini, satu pola berulang yang saya nampak: kualiti produk meningkat dengan pantas bila visi komputer dan robotik digabungkan dengan cip AI di garis pengeluaran.

Contoh di kilang semikonduktor atau EMS di Pulau Pinang dan Kulim:

  • Kamera resolusi tinggi memeriksa wafer atau PCB pada kelajuan tinggi
  • Cip AI pada industrial PC atau modul edge memproses imej dalam milisaat
  • Model mengesan mikrocacat yang mata manusia mudah terlepas, lalu menolak atau mengkuarantin unit tersebut

Bagi OEM automotif di Tanjung Malim atau Gurun, perkara sama digunakan untuk:

  • Pemeriksaan panel badan kenderaan
  • Pengesahan pemasangan komponen kritikal seperti brek dan sistem stereng
  • Pengoptimuman penggunaan tenaga di kilang berdasarkan data masa nyata

3. Bagaimana PETRONAS & GLC Tenaga Boleh Memanfaatkan Gelombang Cip AI

Realiti di lapangan: ramai pemimpin sudah “beli” idea AI, tapi projek masih terperangkap sebagai POC di satu atau dua tapak. Pertumbuhan pasaran cip AI memberi isyarat bahawa tetingkap untuk mendapatkan “first-mover advantage” semakin mengecil.

3.1 Selaraskan strategi AI dengan pelan digital & kelestarian

Untuk pemain seperti PETRONAS, TNB, Sabah Energy atau Sarawak Energy, strategi AI tak boleh terpisah daripada:

  • Pelan net zero dan pengurangan emisi
  • Program keselamatan operasi dan HSE
  • Strategi integrasi tenaga boleh baharu (solar, hidro, angin luar negara)

Contohnya:

  • AI untuk mengoptimumkan flare dan pembakaran bahan api sendiri
  • Peramal beban tenaga berdasarkan pola cuaca, permintaan industri dan mobiliti
  • Pengurusan stor tenaga untuk loji solar berskala besar

Cip AI menjadi asas kepada model-model ini — di pusat data korporat dan di tapak fizikal.

3.2 Bangunkan “AI Fabric” merentasi upstream, midstream, downstream

Saya sering nampak satu perangkap: setiap loji atau jabatan beli solusi AI sendiri, tanpa seni bina menyeluruh. Hasilnya, data terpecah-pecah dan kos membuak bila nak skala.

Ada pendekatan yang lebih sihat:

  1. Rangka seni bina data & AI peringkat kumpulan
    Termasuk di mana model akan dijalankan (cloud vs on-prem vs edge), jenis cip yang diperlukan (GPU, TPU, ASIC khusus), dan standard keselamatan data.

  2. Kenal pasti 5–10 kes guna “lajur utama”
    Contoh untuk syarikat tenaga:

    • Prediktif maintenance untuk rotating equipment
    • Optimumkan pengeluaran lapangan matang
    • Pencirian kualiti produk secara real-time di kilang petrokimia
    • Pengurusan tenaga di bangunan dan kompleks pejabat besar

  3. Bangunkan platform dalaman, bukan hanya projek tunggal
    Matlamatnya: bila satu model sudah disahkan di loji A, ia boleh diguna semula di loji B, C, D dengan penalaan minima.

Di sini, keputusan tentang jenis cip AI dan vendor jadi kritikal. Anda tak mahu setiap tapak menggunakan perkakasan berbeza yang sukar diselenggara.

3.3 Bina keupayaan dalaman, bukan bergantung 100% kepada vendor

Cip AI semata-mata tak memberi nilai kalau organisasi hanya bergantung sepenuhnya pada integrator luar.

Untuk pemain besar Malaysia, gabungan ini berkesan:

  • Pusat kecemerlangan (CoE) AI di peringkat korporat
    Fokus pada: data engineering, MLOps, pemilihan cip & platform, serta garis panduan keselamatan dan etika AI.

  • Pasukan hibrid di tapak
    Jurutera proses + reliability + data scientist ringan yang faham operasi sebenar, bukan hanya teori model.

  • Kerah kerjasama dengan universiti & pengilang cip
    Misalnya, gunakan Malaysia sebagai tapak demonstrasi untuk teknologi cip AI baru dalam konteks industri tropika, operasi luar pesisir dan grid elektrik yang kompleks.

4. Implikasi Untuk Sektor Pembuatan E&E & Automotif Malaysia

Pertumbuhan pasaran cip AI juga peluang langsung untuk kluster pembuatan Malaysia — terutamanya semikonduktor, OSAT, EMS, dan automotif.

4.1 Dari “buat untuk orang” kepada “reka & bina bersama”

Selama bertahun-tahun, banyak kilang di Malaysia fokus pada perhimpunan dan ujian produk yang direka di luar negara. Dengan lonjakan cip AI, ada ruang untuk naik setingkat:

  • Terlibat dalam reka bentuk modul edge AI untuk robotik industri
  • Menjadi hab pengeluaran modul GPU/ASIC bernilai tinggi
  • Menyediakan perkhidmatan integrasi sistem untuk kilang pintar serantau

Pengilang seperti di Bayan Lepas, Kulim dan Melaka yang sudah biasa dengan pelanggan global boleh memposisikan diri sebagai rakan kongsi utama dalam ekosistem cip AI Asia.

4.2 Kilang sendiri sebagai “showcase” AI perindustrian

Pelabur dan prinsipal global sekarang mahu lihat sesuatu yang lebih konkrit dari kadar gaji dan insentif cukai: mereka mahu ekosistem AI perindustrian yang matang.

Kilang di Malaysia boleh:

  • Melaksanakan visi komputer untuk pemeriksaan kualiti
  • Menggunakan analitik masa nyata untuk pengoptimuman OEE
  • Menjejak penggunaan tenaga per mesin dan mengaitkannya dengan sasaran ESG

Bila kilang menjadi living lab untuk penggunaan cip AI industri, ia lebih senang menarik projek baru bernilai tinggi daripada pelanggan global dalam elektronik dan automotif.

5. Langkah Praktikal 6–18 Bulan Untuk Pemimpin Industri

Pertumbuhan pasaran cip AI hingga USD565 bilion nampak jauh, tapi tingkap tindakan sebenar hanyalah beberapa tahun. Berikut ialah pelan ringkas yang boleh dijalankan dari sekarang hingga 2026.

5.1 Tentukan “north star” AI anda

Jawab dengan jelas, hitam putih:

  • Apakah 3 masalah operasi terbesar yang anda mahu AI selesaikan?
    Contoh: downtime tak dirancang, susut tenaga, risiko keselamatan.
  • Bagaimana ia menyokong sasaran kewangan dan ESG syarikat?

Tanpa ini, pelaburan perkakasan dan cip AI mudah menjadi projek teknologi tanpa pulangan.

5.2 Audit keupayaan perkakasan & data sedia ada

Buat pemetaan:

  • Di mana data berkualiti tinggi wujud (DCS, historian, CMMS, ERP)?
  • Tapak mana yang ada sambungan rangkaian stabil dan kemudahan server on-prem?
  • Peralatan apa yang boleh ditambah modul edge AI tanpa ganggu pensijilan keselamatan?

Audit begini membantu anda memilih tapak perintis yang realistik, bukan tapak “paling glamor tapi paling rumit”.

5.3 Bentuk konsortium dalaman–luar

Gabungkan:

  • Pasukan operasi / penyelenggaraan
  • IT & OT cybersecurity
  • Rakan teknologi (pengilang cip, integrator AI industri, vendor cloud atau data center lokal)

Matlamatnya jelas: from POC to scaled deployment, dengan pelan naik taraf perkakasan termasuk cip AI yang terancang, bukannya “tambal sulam”.

Penutup: Lonjakan Cip AI, Peluang Emas Industri Tenaga Malaysia

Pasaran cip AI yang dijangka melonjak ke USD565 bilion menjelang 2032 ialah isyarat keras bahawa AI bukan lagi ujian makmal, tetapi infrastruktur asas industri moden. Untuk Malaysia, terutamanya sektor minyak & gas, tenaga dan pembuatan E&E, ini ialah peluang berganda:

  • Menggunakan cip AI untuk menjadikan operasi tenaga lebih selamat, cekap dan rendah karbon
  • Menjadikan kilang elektronik dan automotif sebagai vitrin kilang pintar serantau
  • Memposisikan Malaysia sebagai nod penting dalam rantaian nilai global cip AI

Syarikat yang bertindak awal — merangka seni bina AI, melabur dalam perkakasan yang betul, dan membina bakat dalaman — akan memimpin apabila permintaan untuk tenaga pintar dan pembuatan berasaskan AI memuncak dalam beberapa tahun akan datang.

Persoalannya sekarang bukan lagi “perlu atau tidak AI?”, tetapi sejauh mana agresif anda mahu berada di hadapan apabila gelombang cip AI ini mencapai kemuncak.