AI, Cip & Kilang Pintar: 7 Isyarat Penting Hujung 2025

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

AI mengubah industri cip global – dari RISC‑V, photonics hingga analog AI. Apa maksud semua ini untuk kilang pintar elektronik & automotif di Malaysia?

AI dalam pembuatansemikonduktorkilang pintarelektronikautomotif elektrikRISC-Vanalog AI
Share:

Malaysia sedang mengeksport elektronik dan E&E bernilai ratusan bilion ringgit setiap tahun, tetapi satu angka lain jauh lebih menarik: pada suku ketiga 2025, pendapatan semikonduktor global mencecah AS$216 bilion dalam satu suku sahaja, meningkat kira‑kira 15% berbanding suku sebelumnya. Lonjakan ini bukan sekadar kitaran biasa – ia didorong oleh AI, automasi kilang pintar dan perlumbaan cip di antara kuasa besar.

Dalam siri AI dalam Pembuatan (Elektronik, Automotif, Semikonduktor) ini, fokus kita mudah: bagaimana semua pergerakan global ini memberi kesan kepada kilang di Penang, Kulim, Melaka atau Johor. Apa maksudnya untuk pengeluar elektronik, automotif dan semikonduktor di Malaysia yang sedang membina kilang pintar, melatih jurutera AI, dan menambah baik OEE di lantai produksi?

Artikel ini merangkum minggu yang sangat sibuk dalam industri cip – daripada pengambilalihan RISC‑V oleh Qualcomm, standard HBM baharu, hinggalah pelaburan gergasi dalam cip AI analog – lalu menapisnya kepada tujuh isyarat praktikal untuk pengeluar di Malaysia.

1. Lonjakan M&A Semikonduktor: AI Bukan Lagi Pilihan

Gelombang pengambilalihan minggu ini menunjukkan satu perkara: AI kini menjadi paksi strategi semikonduktor.

Beberapa perjanjian besar yang diumumkan:

  • Qualcomm membeli Ventana Micro Systems untuk mengukuhkan pembangunan CPU data center berasaskan RISC‑V dan CPU Oryon tersuai.
  • Arteris membeli Cycuity, pemain jaminan keselamatan perkakasan, bagi menambah ciri keselamatan dalam IP rangkaian on‑chip (NoC).
  • Virtusa membeli SmartSoC Solutions untuk bina tawaran “chip-to-cloud” penuh.
  • Beberapa kolaborasi lain seperti Siemens–GlobalFoundries (AI untuk automasi fab) dan yieldWerx–Ayar Labs (analitik data ujian fotonik).

Apa yang sedang berlaku sebenarnya?

Syarikat cip sedar bahawa:

  1. AI mengubah seni bina cip – daripada CPU monolitik kepada RISC‑V modular, chiplet dan pemecut khusus.
  2. Nilai sebenar datang daripada integrasi sistem penuh: IP reka bentuk, keselamatan, perisian, data ujian, sehingga ke cloud.
  3. Masa ke pasaran jadi penentu. Cara paling pantas? Beli teknologi yang sudah matang, bukannya bina semuanya dari kosong.

Implikasi untuk pengeluar di Malaysia

Bagi kilang elektronik dan semikonduktor di Malaysia, tiga mesej jelas:

  • RISC‑V dan seni bina tersuai akan masuk ke kilang anda lebih cepat – melalui produk pelanggan dan peralatan ujian baharu. Pasukan kejuruteraan proses perlu biasa dengan keperluan ujian dan validasi bagi platform baharu ini.
  • Rakan kongsi anda semakin memikirkan keselamatan perkakasan secara end‑to‑end. Jika anda terlibat dalam co‑design atau ODM/EMS, bersedia untuk requirement baharu seperti jaminan keselamatan on‑chip dan audit rantaian bekalan.
  • Pemain perkhidmatan mula menawarkan “chip-to-cloud”. Bagi syarikat Malaysia yang mahu memulakan projek AI kilang tanpa pasukan dalaman yang besar, model kerjasama sebegini boleh memendekkan masa pelaksanaan.

2. Keselamatan Cip: Dari Data Pusat Data ke Barisan Pengeluaran

Arteris–Cycuity, amaran PCIe, dan lonjakan startup keselamatan perkakasan semuanya menunjuk ke arah sama: AI tidak boleh dibina tanpa keselamatan.

Kemaskini utama minggu ini:

  • Arteris + Cycuity memberi tumpuan pada hardware security assurance untuk pergerakan data di dalam cip.
  • PCI‑SIG mengeluarkan amaran berkenaan potensi kerentanan keselamatan dalam PCIe 5.0.
  • SandGrain mengumpul dana untuk sistem identiti perkakasan bagi IoT.
  • Laporan dan penilaian MITRE ATT&CK menekankan keupayaan menghalang serangan secara masa nyata.

Kenapa ini penting untuk kilang pintar

Dalam kilang elektronik moden, data bergerak dari sensor ke PLC, ke edge server, ke cloud, dan kembali ke mesin. Bila kita tambah mod AI – untuk ramalan kegagalan, pengoptimuman tenaga atau kawalan kualiti berasaskan visi – data proses menjadi aset strategik.

Jika perkakasan yang mengendalikan data ini terdedah (melalui PCIe, SoC tanpa jaminan, atau IoT tanpa identiti yang kukuh), risiko yang timbul bukan sekadar serangan IT biasa:

  • Resipi proses, parameter solder reflow, profil etching atau ujian wafers boleh dimanipulasi.
  • Data kualiti boleh diubah, menyebabkan produk rosak terlepas ke pelanggan automotif atau perubatan.
  • Model AI yang dilatih menggunakan data kilang boleh dicuri.

Langkah praktikal untuk pengeluar di Malaysia

Saya biasanya cadangkan tiga langkah asas untuk kilang yang sedang atau bakal memasang AI di barisan produksi:

  1. Audit laluan data perkakasan
    Kenal pasti di mana data AI mengalir: kad PCIe, gateway IoT, server edge, GPU, NPU. Semak sama ada firmware dan OS dikemas kini dan vendor menyokong mekanisme keselamatan terkini.

  2. Gunakan prinsip “zero‑trust” untuk data kilang
    Banyak vendor semikonduktor kini bercakap tentang seni bina perkongsian data zero‑trust dalam pembuatan cip. Prinsip yang sama boleh digunakan di SMT atau backend assembly: tiada peranti atau aplikasi dianggap dipercayai tanpa pengesahan dan pemantauan.

  3. Masukkan keperluan keselamatan pada fasa reka bentuk sistem AI kilang
    Jangan jadikan keselamatan sebagai add‑on. Bila merancang projek visi AI untuk pemeriksaan optik atau predictive maintenance, masukkan kos dan masa untuk komponen keselamatan perkakasan dan perisian sejak awal.

3. Silicon Photonics, HBM & 1.4nm: Apa Maksudnya Untuk Kilang Pintar?

Platform fotonik, memori berjalur lebar tinggi (HBM), dan proses litografi ultra‑halus bukan sahaja berkaitan data center – ia akan mengubah reka bentuk mesin dan peralatan dalam kilang.

Perkembangan utama minggu ini:

  • UMC melesenkan proses silicon photonics iSiPP300 imec dan mempercepat platform fotonik pada wafer 12 inci.
  • JEDEC menyediakan standard SPHBM4 – memori berjalur lebar tinggi menggunakan DRAM HBM4 tetapi boleh dipasang pada substrat organik standard.
  • DNP membangunkan templat nanoimprint 10nm, membolehkan patterning untuk cip proses 1.4nm.
  • IEDM 2025 menonjolkan inovasi 3D HBM‑on‑GPU dan teknik mitigasi haba untuk workload latihan AI.

Kenapa pengurus kilang patut ambil peduli

  1. Silicon photonics = rangkaian kilang super pantas dan kurang panas
    Dalam beberapa tahun, modul fotonik di data center akan jadi biasa untuk mengurangkan latensi dan penggunaan tenaga. Bagi kilang yang mengendalikan ribuan sensor dan kamera beresolusi tinggi, sambungan optik pada tahap peralatan boleh menjadikan arkitektur kilang lebih ringkas dan cekap.

  2. HBM & SPHBM4 = pemproses AI tepi (edge) yang jauh lebih berkuasa
    Bila HBM boleh dipasang pada pakej organik standard, kos sistem turun. Ini membuka ruang kepada AI di mesin – bukan hanya di server. Contohnya, mesin AOI boleh mempunyai pemproses dengan HBM mini untuk jalankan model visi kompleks tanpa bergantung pada cloud.

  3. Proses 1.4nm & 3D monolitik = lebih banyak kuasa dalam ruang yang sama
    Untuk pengeluar mesin dan OEM di Malaysia, ini bermakna generasi baharu pengawal, inverter, dan modul kuasa dengan lebih banyak prestasi AI dan kawalan dalam saiz fizikal yang sama atau lebih kecil.

Aplikasi praktikal untuk E&E dan automotif di Malaysia

  • Kamera pemeriksaan X‑ray dan AOI berasaskan AI dengan pemproses ber-HBM dalam mesin, bukannya bergantung pada GPU berpusat.
  • Pengawal motor dan inverter EV yang menggabungkan ciri AI di pinggir (contoh: pemantauan kesihatan bateri real‑time) menggunakan proses RF dan kuasa baharu.
  • Rangkaian selamat kilang pinggir‑ke‑cloud menggunakan fiber dan, dalam jangka panjang, modul fotonik untuk sambungan ke bilik server kilang.

4. Analog AI & Neuromorfik: Jalan Keluar Daripada Kos Tenaga AI

Kos tenaga untuk AI semakin menjadi penghalang. Itulah sebabnya pelaburan besar minggu ini banyak tertumpu kepada analog AI dan neuromorfik.

Antara pembiayaan yang diumumkan:

  • Unconventional AI mengumpul AS$475 juta untuk mereka cip AI analog, algoritma dan perisian, dengan matlamat menjadikan inferens AI jauh lebih cekap tenaga.
  • BrainChip mengumpul AS$25 juta untuk mengembangkan portfolio IP dan cip neuromorfik untuk edge AI.
  • VisIC Technologies dan pemain GaN lain menumpukan pada elektronik kuasa untuk EV dan pusat data 800V.
  • Corintis membangunkan penyejukan cecair mikrofluidik terus‑ke‑cip khas untuk pusat data berkuasa AI.

Apa kaitan semua ini dengan kilang Malaysia?

Bila pengeluar menambah AI ke dalam barisan – contohnya 50 kamera visi untuk pemeriksaan, model ramalan kegagalan untuk 300 motor, atau AI perancangan jadual produksi – dua isu biasanya timbul:

  1. Bil elektrik meningkat jika semua model dijalankan di server GPU pusat.
  2. Latensi tinggi jika terlalu bergantung pada cloud.

Cip analog AI dan neuromorfik direka supaya inferens AI boleh dijalankan dekat dengan sensor dengan tenaga yang sangat rendah. Contoh praktikal di kilang:

  • Modul kamera dengan cip neuromorfik yang hanya menghantar anomali, bukan video penuh.
  • Sensor getaran motor dengan pemproses analog yang boleh mengesan corak awal kerosakan tanpa streaming data mentah.
  • Panel kawalan mesin yang mempunyai NPU analog kecil untuk mengoptimumkan parameter proses secara masa nyata.

Dalam konteks Malaysia, di mana banyak kilang berada di zon perindustrian dengan had kapasiti elektrik, pendekatan ini lebih masuk akal berbanding memasang rak GPU besar di setiap kilang.

5. Automotif & Mobiliti: Dari Cip EV ke Autonomi Berasaskan AI Fizikal

Segmen automotif sedang mengalami transformasi AI tersendiri – dan ia berkait rapat dengan peranan Malaysia sebagai hab pemasangan dan komponen automotif.

Sorotan minggu ini:

  • Rivian mengumumkan pemproses 5nm tersuai berasaskan Arm Cortex‑A720AE V9 untuk platform autonomi berasaskan “physical AI” dan gelung data hujung‑ke‑hujung.
  • Kereta elektrik global meningkat 32% tahun ke tahun pada Q3 2025, dengan China mewakili 60% jualan BEV dunia.
  • VisIC dan rakan strategiknya menolak GaN untuk inverter tarikan EV dan pusat data voltan tinggi.
  • Pengeluar seperti Volkswagen, Renault–Ford, dan Stellantis–Bolt menggandakan pelaburan dalam EV dan kenderaan autonomi di pasaran masing‑masing.

Pengajaran untuk ekosistem automotif Malaysia

  1. Cip khusus automotif dengan AI terbina dalam akan menjadi standard
    Sama ada ADAS, BMS, atau telematik, pengeluar komponen di Malaysia akan melihat lebih banyak keperluan untuk pengujian, penentukuran dan peleraian masalah pada sistem‑pada‑cip automotif yang kompleks.

  2. Kualiti proses menjadi kritikal bila AI terlibat
    Bila satu sensor atau modul AI gagal, kesannya bukan sekadar kereta rosak – ia boleh menjejaskan fungsi keselamatan. Ini memaksa kilang meningkatkan tahap automasi dalam SPC, pemeriksaan automatik dan penjejakan lot.

  3. Peluang integrasi AI fizikal di lantai kilang
    Teknologi yang dibangunkan untuk kenderaan autonomi – visi komputer, ramalan pergerakan pejalan kaki, pengelakan pelanggaran – boleh diguna semula untuk:

    • robot logistik dalam kilang,
    • AGV/AMR yang berkongsi laluan dengan pekerja,
    • sistem keselamatan untuk mengelak perlanggaran forklift.

Dengan pemain seperti Infineon dan rakan tempatan, Malaysia sudah pun berada dalam rantaian bekalan elektronik kuasa dan kawalan EV. Soalannya sekarang: sejauh mana cepat kilang di sini menyerap konsep AI fizikal ke dalam operasi sendiri?

6. Pendidikan & Bakat: Tetingkap Peluang Untuk Jurutera Malaysia

Tanpa bakat, semua pelaburan AI dan semikonduktor hanya tinggal slaid PowerPoint. Minggu ini ada beberapa berita penting di sudut ini:

  • Arm menandatangani MOU dengan kerajaan Korea Selatan untuk menubuhkan sekolah reka bentuk cip, mensasarkan latihan 1,400 pereka.
  • Universiti Teknologi Malaysia (UTM) dan Infineon melancarkan UTM–Infineon Innovation Launchpad untuk penyelidikan semikonduktor dan pembangunan bakat AI.
  • Beberapa universiti lain di luar negara menerima geran khusus untuk latihan tenaga kerja semikonduktor.

Bagi Malaysia, ini adalah isyarat jelas bahawa perang bakat semikonduktor + AI sedang memanas. Jika kita tidak bergerak pantas, jurang kemahiran akan melebar.

Apa yang syarikat boleh buat secara praktikal

  1. Latih semula jurutera proses kepada jurutera data kilang
    Ramai jurutera proses dan kualiti sebenarnya sudah biasa dengan data; mereka hanya perlukan kemahiran tambahan seperti Python asas, pemodelan statistik moden dan pemahaman pipeline AI.

  2. Program “AI untuk Kejuruteraan” dalaman
    Bukan semua orang perlu jadi saintis data. Tetapi jurutera automasi, maintenance, dan NPI perlu faham: bagaimana model AI digunakan, apa limitasinya, dan bagaimana menilai keberkesanan model.

  3. Kolaborasi rapat dengan universiti tempatan
    Gunakan platform seperti UTM–Infineon sebagai contoh: projek capstone di lantai kilang sebenar, data sebenar, masalah sebenar (yield, downtime, scrap). Ini cara paling cepat hasilkan graduan yang “production‑ready”.

7. Apa Langkah Seterusnya Untuk Kilang Pintar di Malaysia?

Menggabungkan semua isyarat tadi, hala tuju untuk pengeluar elektronik, automotif dan semikonduktor di Malaysia menjelang 2026 agak jelas:

  1. AI akan menjadi ciri standard dalam cip, mesin dan rangkaian kilang.
    Daripada RISC‑V, HBM, hingga neuromorfik, semuanya menolak pemprosesan lebih dekat dengan proses fizikal.

  2. Keselamatan tidak boleh dipisahkan daripada projek AI.
    Dari on‑chip security ke PCIe dan IoT, jurutera OT dan IT perlu bekerja sebagai satu pasukan.

  3. Rantaian bekalan dan bakat semakin menentukan daya saing.
    Negara yang bergerak pantas membina sekolah reka bentuk cip dan platform inovasi akan menguasai bahagian nilai tertinggi.

Jika anda mengurus kilang atau pusat R&D di Malaysia hari ini, tiga tindakan konkrit yang saya akan utamakan dalam 6–12 bulan akan datang:

  • Pilih satu barisan atau proses sebagai “living lab AI kilang pintar” – kecil tetapi hujung‑ke‑hujung (data, AI, keselamatan, integrasi mesin).
  • Bina blueprint keselamatan perkakasan–ke–cloud bersama pasukan IT/OT dan vendor semikonduktor anda.
  • Rangka pelan bakat 3 tahun yang menggabungkan latihan dalaman, kerjasama universiti, dan pengambilan pakar.

Realitinya, gelombang AI dalam pembuatan semikonduktor dan elektronik sudah pun sampai ke rantau ini. Soalnya bukan lagi sama ada kita mahu ikut serta, tetapi sejauh mana kita bersedia untuk membentuk cara kilang pintar akan beroperasi di Malaysia dalam 5–10 tahun akan datang.