AI & Nuklear: Masa Depan Tenaga Untuk U.K. dan Malaysia

Pada 2023, United Kingdom menetapkan sasaran untuk menggandakan kapasiti nuklear mereka menjelang 2050, dengan hala tuju jelas ke arah pengembangan besar bermula sekitar 2026. Dalam masa yang sama, syarikat tenaga seperti Petronas di Malaysia sudah menggunakan kecerdasan buatan (AI) untuk mengoptimumkan pengeluaran minyak, gas dan tenaga. Dua arus besar ini – nuklear generasi baharu dan AI dalam tenaga – sebenarnya sedang bergerak ke arah matlamat yang sama: keselamatan tenaga dan kelestarian jangka panjang.

Ramai pemain industri fokus sama ada pada satu teknologi sahaja: nuklear, tenaga boleh diperbaharui, atau AI. Kebanyakan syarikat terlepas pandang bahawa nilai sebenar datang bila semua ini digabungkan dalam satu strategi tenaga yang menyeluruh. U.K. memberi contoh jelas bagaimana pelaburan fizikal dalam loji nuklear dan pelaburan digital dalam analitik pintar boleh berjalan seiring.

Dalam artikel ini, saya akan kaitkan rancangan nuklear agresif U.K. – termasuk projek Hinkley Point C, Sizewell C dan reaktor modular kecil (SMR) – dengan realiti di Malaysia dan Asia Tenggara. Kita akan tengok bagaimana AI boleh menjadi otak kepada sistem tenaga masa depan, dan kenapa pemain seperti Petronas, utiliti besar, dan pengendali grid perlu bertindak sekarang, bukan tunggu 2030.

---

1. Apa Sebenarnya Sedang Dibina di U.K.?

Jawapannya: U.K. sedang melakukan “rebuild” nuklear besar-besaran dengan gabungan loji berskala besar dan teknologi SMR yang lebih fleksibel.

Mengikut ringkasan RSS, dua loji nuklear konvensional sedang dibina dan kerajaan telah memilih Rolls-Royce sebagai pembida utama untuk projek SMR pertama.

Loji nuklear konvensional: Hinkley Point C & Sizewell C

Dua projek utama dikendalikan oleh EDF Energy (Perancis):

• Hinkley Point C (Somerset)

  • Dua reaktor jenis EPR, jumlah kapasiti sekitar 3.2 GW.
  • Bila siap, cukup untuk membekalkan elektrik kepada kira-kira 6 juta rumah.
  • Fokus utama: mengganti stesen arang batu dan gas yang sudah tua, serta mengurangkan kebergantungan kepada import gas.

• Sizewell C (Suffolk)

  • Rekabentuk serupa Hinkley Point C, juga dijangka sekitar 3.2 GW.
  • Sebahagian daripada strategi jangka panjang U.K. untuk mencapai sifar bersih (net zero) menjelang 2050.

Dua projek ini bukan kecil: ia melibatkan pelaburan puluhan bilion pound, ribuan pekerjaan dan rantaian bekalan yang kompleks – dari pembinaan hingga operasi. Pada skala sebegini, setiap peratus kecekapan tambahan membawa impak kewangan dan karbon yang besar. Di sinilah AI dalam tenaga mula menjadi faktor kritikal.

SMR: Reaktor modular kecil sebagai pelengkap

Selain loji besar, U.K. mahu membangunkan Small Modular Reactors (SMR):

• Rolls-Royce dipilih sebagai pembida utama untuk SMR pertama U.K.
• Kapasiti setiap unit SMR biasanya dalam lingkungan 300–470 MW, jauh lebih kecil daripada loji konvensional, tetapi:
  • Lebih cepat dibina (modular, dibuat di kilang, dipasang di tapak).
  • Lebih fleksibel dari segi penempatan (berdekatan kawasan industri, bandar kecil atau tapak projek khusus).
  • Sesuai bergandingan dengan tenaga boleh diperbaharui dan storan.

Ed Miliband, Setiausaha Tenaga U.K., menyatakan pada Disember lepas bahawa kerajaan tidak akan berhenti pada projek-projek yang telah diumumkan sahaja. Maksudnya: pipeline nuklear U.K. akan terus berkembang selepas 2026, dengan kombinasi projek besar dan SMR.

Untuk pemain tenaga di Malaysia, ini bukan sekadar berita antarabangsa. Ini petunjuk arah: negara maju sedang memperkukuh nuklear sambil mempercepat solar, angin dan hidro — bukan menggantikan satu dengan satu.

---

2. Kenapa Nuklear & AI Saling Melengkapi, Bukan Bersaing

Nuklear memberi tenaga asas (baseload) yang stabil, AI memastikan tenaga asas itu digunakan dengan paling cekap dan paling selamat.

Nuklear kerap dilihat sebagai isu politik atau emosi. Namun dari sudut operasi, loji nuklear moden adalah sistem kejuruteraan yang sangat kompleks – penuh data, sensor dan prosedur. Sistem sebegini sebenarnya “dilahirkan” untuk AI.

Di mana AI memberi nilai dalam operasi nuklear?

Beberapa bidang utama:

1. Penyelenggaraan ramalan (predictive maintenance)

   • Sensor vibrasi, suhu, tekanan dan aliran menghasilkan ribuan titik data setiap saat.
   • Model AI boleh mengesan corak halus yang manusia sukar lihat.
   • Kerosakan pam, injap atau turbin boleh diramal minggu atau bulan lebih awal, mengurangkan risiko trip tidak dirancang.

2. Pengoptimuman operasi dan bahan api

   • AI boleh mencadangkan konfigurasi operasi yang mengurangkan penggunaan bahan api atau memanjangkan tempoh antara refuelling.
   • Walaupun hanya 1–2% penjimatan, pada loji beberapa GW, kesan ekonominya sangat besar.

3. Keselamatan dan pemantauan risiko

   • Sistem pengesanan anomali (anomaly detection) berasaskan AI boleh memantau beribu-ribu parameter serentak.
   • AI mampu memberi amaran awal bila gabungan faktor tertentu menyerupai keadaan sebelum insiden kecil.

4. Integrasi dengan grid pintar (smart grid)

   • Nuklear biasanya beroperasi stabil, tetapi bila digabungkan dengan solar, angin dan bateri, jadual pengeluaran boleh ditala supaya kos sistem keseluruhan minimum.
   • AI grid optimisation boleh memutuskan bila nuklear kekal pada output tinggi, bila turunkan sedikit, dan bila storan tenaga digunakan.

Inilah sebabnya rancangan nuklear U.K. tidak boleh dilihat terpisah daripada transformasi digital. Loji generasi baharu akan datang bersama ekosistem data, analitik masa nyata, model AI dan integrasi sistem yang jauh lebih matang berbanding loji lama.

---

3. Dari London ke Kuala Lumpur: Apa Relevan Untuk Malaysia?

Relevannya jelas: walaupun Malaysia belum mengesahkan loji nuklear, asas yang sama – kepelbagaian campuran tenaga dan AI sebagai enjin pengoptimuman – sudah pun bergerak.

Malaysia sedang mempercepat tenaga boleh diperbaharui (solar, hidro), sambil minyak dan gas masih menjadi tunjang dalam ekonomi dan keselamatan tenaga. Di sinilah pemain seperti Petronas dan utiliti utama boleh belajar beberapa perkara daripada U.K.:

a) Fikir 20–30 tahun, bukan 3–5 tahun

Loji nuklear U.K. yang siap selepas 2030 dirancang untuk beroperasi hingga 2060–2070. Syarikat minyak dan gas juga perlu mindset serupa:

• Pelaburan AI untuk modelling reservoir, perancangan pengeluaran dan optimisasi tenaga bukan projek jangka pendek; ia platform jangka panjang.
• Bila campuran tenaga Malaysia berubah (lebih banyak solar, mungkin nuklear, lebih banyak hidrogen), asas data dan AI yang kuat membenarkan peralihan lebih licin.

b) Gabungkan infrastruktur fizikal dan digital dari awal

U.K. membangunkan loji nuklear baharu serentak dengan membina grid lebih pintar dan pasaran tenaga lebih dinamik.

Malaysia boleh mengambil pendekatan sama dalam konteks sendiri:

• Di sektor minyak & gas: platform AI Petronas untuk production optimisation boleh dihubungkan dengan sistem grid nasional dan utiliti, supaya pola penggunaan tenaga di loji penapisan, petrokimia dan fasiliti LNG dioptimumkan mengikut harga dan permintaan masa nyata.
• Dalam tenaga boleh diperbaharui: bila ladang solar berskala utiliti bertambah, AI disisi pengendali grid (TNB, misalnya) dan pengeluar tenaga boleh diperbaharui boleh mengurangkan curtailment dan kerugian.

c) Persediaan untuk nuklear masa depan

Malaysia sedang mengkaji potensi nuklear sebagai sebahagian pelan jangka panjang. Bila keputusan dibuat, negara yang sudah:

• Mahir menggunakan AI bagi keselamatan industri,
• Mempunyai budaya data-driven operations,
  akan jauh lebih bersedia untuk mengendalikan loji nuklear moden.

Dalam konteks ini, apa yang berlaku di U.K. ialah “preview” kepada versi lebih kompleks ekosistem tenaga yang mungkin kita lihat di Asia Tenggara pada 2030-an.

---

4. Di Mana AI Dalam Tenaga Sudah Membawa Hasil (Termasuk Petronas)

AI dalam tenaga bukan teori; ia sudah menjana pulangan yang boleh diukur, termasuk di Malaysia.

Contoh aplikasi AI yang relevan untuk pemain tenaga

1. Reservoir modelling & subsurface analytics

   • AI digunakan untuk menganalisis data seismik, log telaga dan sejarah pengeluaran.
   • Hasilnya: rancangan penggerudian lebih tepat, risiko dry well turun, dan pemulihan faktor (recovery factor) meningkat.

2. Predictive maintenance untuk aset kritikal

   • Di platform luar pesisir, kilang LNG, dan loji penapisan, AI menjejak corak getaran pam, turbin dan kompresor.
   • Syarikat antarabangsa melaporkan pengurangan downtime tidak dirancang sehingga 30–50% bila predictive maintenance dilaksanakan dengan baik.

3. Pengoptimuman penggunaan tenaga di fasiliti industri

   • Loji petrokimia dan kilang penapisan ialah pengguna tenaga yang sangat intensif.
   • Model AI yang memantau steam balance, heat integration dan operasi peralatan boleh mengurangkan penggunaan tenaga 5–10%. Untuk kompleks besar, itu bermakna berjuta-juta ringgit setahun.

4. Keselamatan dan pemantauan operasi

   • Analitik video berasaskan AI untuk pemantauan zon berbahaya, pengesanan PPE, dan pengesanan kebocoran (melalui imej termal) sedang diuji dan diguna pakai.
   • Walaupun sukar dinilai dalam RM, satu insiden besar yang berjaya dielakkan sudah cukup memulangkan pelaburan.

Petronas sendiri telah lama berada di hadapan dalam inisiatif digital dan AI. Bila syarikat seperti ini menggabungkan kepakaran AI dalaman dengan kerjasama pembekal teknologi, mereka berada pada kedudukan baik untuk menyokong projek tenaga baharu, termasuk jika Malaysia memutuskan untuk masuk ke bidang nuklear atau hidrogen berskala besar.

---

5. Langkah Praktikal Untuk Utiliti & Syarikat Tenaga di Malaysia

Jika U.K. sedang membina semula sistem tenaga fizikal mereka, pemain di Malaysia boleh menyusun semula “infrastruktur otak” mereka hari ini.

Berikut pendekatan yang saya nampak berkesan:

1) Mula dengan peta jalan data & AI tenaga

Sebelum berbelanja besar, susun satu pelan jelas:

• Di aset mana potensi penjimatan tenaga paling besar?
• Di mana risiko downtime paling kritikal?
• Sistem mana yang paling kaya data tetapi kurang dianalisis?

Jawapan kepada soalan-soalan ini akan menentukan projek AI yang patut didahulukan.

2) Pilih 2–3 kes guna (use case) bernilai tinggi

Jangan cuba buat semua sekaligus. Untuk kebanyakan syarikat tenaga, tiga kes guna awal yang hampir selalu berbaloi ialah:

1. Predictive maintenance untuk aset bernilai tinggi (turbin gas, kompresor utama, pam kritikal).
2. Optimisasi penggunaan tenaga di fasiliti terbesar (penapisan, petrokimia, LNG).
3. Analitik keselamatan operasi (untuk mengurangkan insiden dan downtime berkaitan keselamatan).

Bila 2–3 projek ini menunjukkan ROI yang jelas, pelaburan lebih besar dalam platform data dan AI biasanya lebih mudah diluluskan.

3) Bina pasukan hibrid: jurutera + saintis data

Realitinya, projek AI tenaga gagal bila hanya satu pihak dominan:

• Kalau hanya jurutera: model AI tak cukup matang.
• Kalau hanya saintis data: model hebat tetapi tak praktikal di tapak.

Pasukan ideal gabungkan:

• Jurutera proses / operasi,
• Pakar aset (turbin, pam, reaktor),
• Saintis data dan MLOps,
• Wakil keselamatan dan pematuhan.

4) Fikir integrasi dengan masa depan: SMR, hidrogen, RE

Bila membina platform AI hari ini, anggap ia akan menyokong:

• Ladang solar skala utiliti baharu,
• Projek hidrogen hijau atau biru,
• Mungkin juga loji nuklear atau SMR jika polisi negara berubah.

Struktur data, standard, dan integrasi waktu sebenar (real-time) patut dirancang dengan fleksibiliti ini. U.K. sedang menuju ke arah sistem di mana nuklear, angin luar pesisir, solar, gas dengan CCS, dan bateri semua dikendalikan sebagai satu sistem – Malaysia boleh memintas beberapa kesilapan yang mereka buat dengan merancang awal.

---

6. Pandangan Hadapan: U.K., Petronas dan Masa Depan Tenaga Serantau

Rancangan nuklear 2026 U.K. menunjukkan satu perkara yang ramai masih enggan terima: era tenaga masa depan bukan soal satu teknologi menang, yang lain kalah. Ia soal gabungan nuklear, minyak & gas yang lebih bersih, tenaga boleh diperbaharui dan AI yang mengawal semuanya sebagai satu ekosistem.

Bagi pemain di Malaysia – Petronas, utiliti besar, pengendali grid, juga pengeluar tenaga bebas – ini masa yang sesuai untuk:

• Mengukuhkan asas AI dalam operasi sedia ada,
• Menggunakan projek minyak & gas hari ini sebagai “makmal hidup” untuk teknologi yang nanti akan digunakan pada loji tenaga masa depan, sama ada nuklear, hidrogen atau gabungan RE berskala besar.

U.K. sedang menunjukkan bagaimana SMR dan AI boleh bersama-sama menyumbang kepada keselamatan tenaga, pengurangan karbon dan kestabilan grid. Soalan sebenar untuk rantau ini ialah: siapa di Asia Tenggara yang akan menjadi peneraju dalam menggabungkan pelaburan fizikal tenaga dengan kecerdasan digital di belakang tabir?

Kalau organisasi anda sedang menilai projek AI dalam tenaga – dari predictive maintenance hingga pengoptimuman grid – ini masa terbaik untuk bertanya:
Bagaimana keputusan hari ini akan meletakkan kami sebaris dengan standard tenaga masa depan seperti yang sedang dibina di U.K.?