Apa Malaysia Boleh Belajar dari Lonjakan AI India

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

Yotta di India membina infrastruktur AI besar-besaran. Apa pengajaran untuk kilang elektronik, automotif dan semikonduktor di Malaysia?

AI dalam pembuatandata center AIsemikonduktorelektronik Malaysiakilang pintarautomotifinfrastruktur cloud
Share:

India, NASDAQ dan 100,000 GPU – apa kaitannya dengan kilang anda?

Dalam masa kurang dua tahun, Yotta Data Services di India naikkan hasil hampir 123%, rancang belanja sekitar USD1 bilion, dan sedang mara ke NASDAQ melalui penggabungan SPAC untuk kejar gelombang permintaan AI compute di negara itu.

Ini bukan sekadar cerita Wall Street atau syarikat data center India. Ini sebenarnya cermin kepada satu hakikat: siapa yang serius tentang pembuatan elektronik, automotif dan semikonduktor berasaskan AI, mesti serius tentang infrastruktur AI compute. Termasuk Malaysia.

Dalam siri "AI in Manufacturing (Electronics, Automotive, Semiconductor)" ini, saya nak kupas bagaimana langkah Yotta di India memberi petunjuk jelas kepada pemain E&E Malaysia – daripada kilang OSAT di Penang sampai pengeluar komponen automotif di Melaka – tentang apa yang perlu dibina sekarang kalau kita tak mahu tercicir.

1. Yotta, IndiaAI dan isyarat besar untuk permintaan AI compute global

Cerita Yotta ringkasnya: mereka bina dan operasi data center Tier III & IV, dan kini memilih NASDAQ untuk membiayai ledakan permintaan AI compute di India.

Beberapa poin penting daripada gerakan Yotta:

  • Nilai pra-transaksi sekitar USD2.75 bilion melalui penggabungan dengan Cartica Acquisition Corp (SPAC di AS)
  • Hasil naik daripada USD22 juta (FY2023) ke anggaran USD49.2 juta (FY2024)
  • Sasaran hasil FY2025 sekitar USD156 juta, dengan pelaburan modal tahunan hampir USD1 bilion
  • 33MW kapasiti hidup hari ini, dengan potensi pembangunan jangka panjang sehingga ~890MW
  • Menyumbang sebahagian besar kapasiti GPU di bawah IndiaAI Mission – inisiatif kerajaan untuk memperluas infrastruktur AI tempatan

Darshan Hiranandani, CEO Nidar/Yotta, terang-terang sebut: pecutan awal datang daripada IndiaAI, tapi gelombang sebenar akan datang daripada sektor swasta. Pusingan kapasiti seterusnya dijangka beralih kepada 75% pelanggan komersial.

Kenapa ini patut buat pengilang Malaysia ambil perhatian?

Kerana India bukan satu-satunya negara yang tiba-tiba “lapar” AI compute. Amerika Syarikat bercakap tentang kapasiti data center dalam puluhan gigawatt. China sudah di paras 7–8GW. India baru di sekitar 1.2GW tapi sedang mengejar.

Permintaan AI compute yang melompat inilah yang:

  • menggerakkan pasaran GPU, CPU khusus AI dan memori berprestasi tinggi,
  • mencipta permintaan besar untuk PCB, modul kuasa, sistem penyejukan,
  • dan akhirnya, mengubah cara kilang elektronik, automotif dan semikonduktor beroperasi sebagai kilang “pintar” berasaskan AI.

2. NASDAQ, SPAC dan hubungan tersembunyi dengan kilang pintar

Keputusan Yotta untuk tersenarai di NASDAQ (bukan Bursa Mumbai) adalah isyarat strategi, bukan sekadar soal lokasi bursa.

Beberapa mesej yang jelas:

  1. AI difahami dan dihargai lebih tinggi di pasaran modal yang matang.

    • Hiranandani sendiri kata: pasaran AS sudah faham cerita AI, India masih mencari naratif.
    • Mereka perlukan akses kepada modal besar, cepat, dan berulang – untuk beli GPU, bina data center, penuhi komitmen cloud kerajaan dan korporat.

  2. SPAC bukan lagi “gimmick” bila asas perniagaan sudah kukuh.

    • Yotta sudah ada ratusan juta dolar kontrak dan pelanggan sebenar.
    • SPAC jadi laluan pantas masuk pasaran, supaya kitaran pengumpulan dana selari dengan kitaran pembinaan kapasiti compute.

  3. Status tersenarai beri kelegaan kepada pelanggan besar.

    • Bank global dan organisasi kritikal lebih selesa bila pembekal infrastruktur AI mereka mempunyai tadbir urus, jawatankuasa audit, dan pendedahan kewangan tahap bursa.

Apa kaitan dengan kilang pintar di Malaysia?

Realitinya, transformasi kilang menjadi AI-driven smart factory tak berlaku dalam vakum. Ia ikut wang.

  • Pelaburan infrastruktur AI (data center, GPU, rangkaian berkelajuan tinggi) kini dikaitkan terus dengan kemampuan negara menarik FDI dalam E&E dan automotif.
  • Bila penyedia infrastruktur seperti Yotta berjaya mengakses modal global, mereka mampu tawarkan AI-as-a-Service dengan kos lebih rendah kepada pengilang.
  • Untuk Malaysia, soalnya: adakah kita ada pelaku tempatan yang cukup besar, cukup telus, dan cukup dipercayai untuk main peranan yang sama?

Buat masa ini, kebanyakan kilang E&E di Malaysia bergantung pada gabungan:

  • cloud global (AWS, Azure, Google Cloud),
  • pusat data serantau,
  • dan sistem on-premise di dalam kilang.

Kalau kita mahu ekosistem AI dalam pembuatan berkembang lebih pantas, kita perlu fikir serius tentang “Yotta versi Malaysia/ASEAN” – atau sekurang-kurangnya, strategi rakan kongsi yang jelas dengan pemain serantau.

3. Model Yotta: "TSMC infrastruktur", bukan pembuat cip atau model AI

Yotta memilih untuk fokus sebagai platform infrastruktur, bukan bersaing membina cip atau model AI mereka sendiri. Hiranandani mengumpamakan Yotta seperti TSMC, bukan Nvidia.

Maksudnya:

  • Mereka bina dan urus data center, kapasiti kuasa, penyejukan, dan rangkaian.
  • Mereka sediakan GPU dan sumber AI compute.
  • Pelanggan – sama ada kerajaan, universiti atau syarikat – membina model, aplikasi dan servis di atas platform itu.

Ini model yang sangat relevan untuk Malaysia, khususnya:

  • pengeluar semikonduktor yang mahu latih model AI untuk yield prediction dan defect classification,
  • pengeluar automotif dan komponen yang sedang uji sistem ADAS, visi komputer dan ujian simulasi,
  • pengeluar elektronik pengguna yang mahu jalankan analitik kualiti masa nyata di kilang.

Kenapa model "platform AI compute" ini penting untuk kilang?

Kerana kebanyakan pengilang:

  • tak mahu (dan tak patut) jadi pembekal infrastruktur data center,
  • tapi mereka perlukan akses konsisten kepada GPU/AI compute,
  • dan mereka perlukan kawalan ke atas data dan “sovereignty” tertentu.

Pendekatan Yotta di India ada beberapa ciri yang boleh diterjemah ke Malaysia:

  1. Cloud berdaulat (sovereign cloud) untuk sektor kritikal
    Mereka membina dan mengurus data center untuk National Informatics Centre India sebagai sebahagian usaha mewujudkan cloud berdaulat. Di Malaysia, analoginya mungkin:

    • cloud berdaulat untuk data perindustrian strategik,
    • tapak khas untuk data pengeluaran semikonduktor dan reka bentuk bernilai tinggi,
    • pusat ujian dan simulasi AI untuk automotif.

  2. Opsyen kawalan infrastruktur untuk pelanggan korporat
    Hiranandani menyindir hyperscaler global: pelanggan tak boleh tentukan di mana server mereka secara fizikal dan siapa sebutir-sebutir yang memiliki aset itu. Yotta pula beri pilihan lebih fleksibel.

Untuk pengilang Malaysia, terutamanya MNC yang mematuhi peraturan ketat, ini sangat kritikal:

  • tahu di mana data proses pengeluaran dan reka bentuk disimpan,
  • siapa yang mempunyai akses fizikal dan logik,
  • bagaimana pematuhan piawaian (ISO, automotif, medikal) dikawal.
  1. Modul kecil yang boleh disebar ke luar negara
    Yotta menunjukkan contoh di Saudi Arabia – mereka mengurus lapisan perisian dan operasi, universiti tuan rumah melabur dalam perkakasan. Model sebegini boleh jadi rujukan untuk kerjasama Malaysia–Timur Tengah atau ASEAN di zon perindustrian yang berkongsi rantaian bekalan.

4. Apa kaitannya dengan pembuatan elektronik dan semikonduktor Malaysia?

Permintaan global untuk AI compute mengheret naik seluruh rantaian bekalan E&E – dan Malaysia berada di tengah-tengah rantaian itu.

Beberapa implikasi langsung kepada sektor kita:

4.1 Lonjakan permintaan perkakasan AI

Bila negara seperti India bergerak daripada 1.2GW kepada beberapa gigawatt kapasiti data center, kesannya sampai ke kilang:

  • lebih banyak pesanan untuk modul kuasa, penyearah, dan sistem UPS industri,
  • keperluan besar untuk PCB berketumpatan tinggi, penyambung dan kabel berkelajuan tinggi,
  • permintaan untuk sistem penyejukan cecair dan termal maju.

Malaysia, sebagai hab pengeluaran elektronik dan semikonduktor, boleh:

  • memposisikan kilang sebagai pembekal utama komponen untuk data center AI,
  • membina design capability tempatan untuk modul kuasa khusus GPU rack,
  • mengintegrasikan AI dalam kilang sendiri untuk kekalkan kos kompetitif sambil memenuhi spesifikasi yang semakin kompleks.

4.2 AI dalam kilang: dari PoC kepada skala

Yotta menjangka dalam pusingan ketiga, 75% permintaan mereka datang daripada sektor swasta. Itu bermakna:

Gelombang seterusnya AI compute bukan lagi didorong oleh projek kerajaan, tetapi oleh kilang, bank, telco dan syarikat teknologi yang mahu AI pada skala produksi.

Untuk kilang Malaysia, ini masa yang sesuai untuk bergerak dari projek rintis kecil (kamera AI di satu stesen QC, misalnya) kepada rangkaian kilang pintar merentas lokasi. Contohnya:

  • kilang semikonduktor menggunakan AI untuk predictive maintenance ke atas ratusan peralatan front-end dan back-end,
  • pengeluar automotif guna AI untuk simulasi dan validasi komponen EV secara maya sebelum pilot production,
  • pengeluar EMS jalankan pengoptimuman jadual pengeluaran masa nyata berpandukan model AI yang memakan data daripada berpuluh baris SMT.

Semua ini memakan compute. Soalnya: adakah anda bergantung semata-mata pada cloud luar negara, atau anda sudah merancang kombinasi on-premise + data center serantau + rakan infrastruktur AI?

4.3 Peluang untuk "domestic cloud player" serantau

Hiranandani yakin India akhirnya akan ada pemain tempatan setaraf AliCloud atau Tencent Cloud di China. Malaysia mungkin tak perlu gergasi sebesar itu, tetapi kita boleh membina:

  • penyedia cloud industri khusus untuk data pembuatan dan E&E,
  • konsortium MNC + penyedia infrastruktur + kerajaan yang melabur dalam pusat data berfokus AI untuk sektor pembuatan,
  • rangkaian pusat data di koridor perindustrian utama (Penang, Kulim, Selangor, Johor) yang dioptimumkan untuk kegunaan kilang.

Bagi syarikat pembuatan, menyertai atau sekurang-kurangnya menyokong inisiatif sebegini awal-awal lagi akan beri kelebihan besar bila permintaan AI benar-benar meledak.

5. Langkah praktikal untuk pengilang Malaysia sekarang

Berapa pun besar kilang anda, menunggu “pelan nasional AI” yang sempurna bukan strategi. Ada beberapa langkah konkrit yang boleh diambil mulai suku pertama 2026:

5.1 Audit keperluan AI compute kilang anda

Senaraikan:

  • use case AI yang sudah ada (contoh: visi komputer untuk pemeriksaan, analitik OEE),
  • use case yang dirancang 12–24 bulan akan datang (contoh: digital twin, simulasi proses, perancangan rantaian bekalan berasaskan AI),
  • pola beban compute: berterusan, bermusim, atau “burst” ketika latihan model.

Daripada sini, anda boleh tentukan nisbah:

  • apa yang wajar kekal on-premise (latensi rendah, data sangat sensitif),
  • apa yang sesuai dipindahkan ke pusat data AI serantau,
  • dan apa yang boleh kekal di cloud umum.

5.2 Bina strategi rakan kongsi infrastruktur AI

Jangan tunggu sehingga GPU jadi “benda panas” yang sukar didapati baru mula mencari rakan. Berdasarkan pengajaran Yotta:

  • cari penyedia data center yang serius tentang beban AI – kuasa tinggi, penyejukan cecair, sambungan rangkaian ke kampus industri,
  • pastikan mereka telus dari segi pemilikan dan lokasi pelayan yang menempatkan data kritikal anda,
  • semak rekod pematuhan, tadbir urus dan kesediaan untuk audit.

5.3 Gabungkan pelaburan kilang pintar dengan akses modal

Kalau Yotta boleh gunakan pasaran modal antarabangsa untuk membiayai infra AI, pengilang juga boleh:

  • mengaitkan projek AI di kilang dengan green financing atau dana transformasi digital,
  • gunakan data prestasi (penurunan scrap, peningkatan OEE, pengurangan downtime) untuk menyokong kes pelaburan kepada HQ atau pelabur,
  • mempertimbangkan model capex-light – menyewa kapasiti AI compute berbanding membeli semua perkakasan sendiri.

Penutup: 2026–2028 bakal jadi tempoh penentu untuk AI dalam pembuatan

Yotta menjangka dalam sebulan akan datang mereka mungkin terpantas membawa masuk 100,000 GPU pertama ke India, malah mungkin 500,000 GPU seterusnya. Nombor ini mungkin kelihatan jauh daripada kilang di Bayan Lepas atau Senai, tapi kesannya tak jauh mana.

Setiap GPU yang masuk ke pusat data AI di India, AS atau China mencipta tekanan dan peluang baharu dalam rantaian bekalan E&E – termasuk di Malaysia. Dalam masa yang sama, setiap keputusan pengurus kilang di Malaysia untuk:

  • kekal dengan sistem konvensional, atau
  • betul-betul melabur dalam AI dan infrastruktur compute yang sesuai

akan menentukan kedudukan mereka dalam rantaian nilai global 3–5 tahun lagi.

Saya yakin ada ruang luas untuk Malaysia membina ekosistem AI dalam pembuatan yang kukuh – gabungan kekuatan semikonduktor, elektronik dan automotif dengan infrastruktur AI compute serantau yang lebih mantap.

Soalannya sekarang: adakah kilang anda akan jadi pengguna awal yang mengambil kesempatan daripada infra AI ini, atau menunggu sehingga pesaing anda menggunakannya untuk memotong kos dan masa ke pasaran?