India Buka Nuklear Swasta: Isyarat Baharu untuk Tenaga & AI

India Buka Sektor Nuklear kepada Swasta – Apa Signalnya untuk Tenaga & AI?

Kerajaan India baru lulus Rang Undang-Undang Tenaga Atom SHANTI yang membuka sektor nuklear bernilai kira-kira US$214 bilion kepada pelabur swasta. Dalam masa yang sama, negara itu menyasarkan peningkatan kapasiti tenaga nuklear hampir 10 kali ganda dalam tempoh 20 tahun.

Ini bukan sekadar cerita dasar tenaga India. Ini petanda hala tuju baharu: diversifikasi tenaga, pemodenan infrastruktur, dan penggunaan teknologi canggih termasuk AI di loji-loji generasi akan datang.

Bagi pemain tenaga di Malaysia – Petronas, TNB, Sabah Electricity, Sarawak Energy dan pembekal perkhidmatan – langkah India ini memberi beberapa isyarat penting:

• Model baharu kerjasama kerajaan–swasta dalam tenaga berskala besar
• Keperluan sistem operasi yang lebih pintar dan automasi berasaskan AI
• Peluang lintas sektor: apa yang terbukti di nuklear boleh diterjemah ke minyak & gas, tenaga boleh diperbaharui dan utiliti tempatan

Saya nak kupas apa sebenarnya implikasi RUU SHANTI ini, dan bagaimana AI dalam sektor tenaga boleh jadi pembeza utama – termasuk untuk syarikat-syarikat di Malaysia.

---

Apa Itu RUU SHANTI dan Kenapa Ia Penting?

RUU SHANTI (Sustainable Harnessing of Advancement of Nuclear Energy for Transforming India) memberi laluan undang-undang untuk syarikat swasta melabur dan terlibat dalam rantaian nilai nuklear India, yang sebelum ini didominasi kerajaan.

Perkara utama yang berubah

Beberapa perubahan strategik yang boleh dijangka daripada rangka RUU sebegini:

1. Modal swasta untuk projek nuklear baharu

   • Akses kepada dana lebih besar dan pelbagai bentuk pembiayaan
   • Percepatan pembinaan loji dan infrastruktur sokongan

2. Model kerjasama baharu

   • JV antara syarikat milik kerajaan (seperti NPCIL) dengan konglomerat tenaga swasta
   • Ruang untuk pembekal teknologi antarabangsa dan startup teknologi tenaga

3. Peralihan kepada tenaga rendah karbon

   • Tenaga nuklear sebagai pelengkap solar, angin, hidro dan gas
   • Menyokong sasaran neutral karbon dan keselamatan tenaga jangka panjang

Kalau India serius nak gandakan kapasiti nuklear hampir 10x dalam 20 tahun, ini bermakna ratusan projek baharu, ribuan kontrak rantaian bekalan, dan keperluan sistem operasi berskala besar yang sangat efisien.

Di sinilah AI jadi kritikal.

---

Kenapa Tenaga Nuklear Perlukan AI Lebih Awal Daripada Sektor Lain

Untuk sektor nuklear, margin kesilapan hampir sifar. Kos downtime dan insiden keselamatan jauh lebih tinggi berbanding loji gas atau solar biasa. Itu sebabnya, bila sektor ini dibuka kepada swasta, pelabur serius akan cari satu perkara: keyakinan operasi.

Saya melihat sekurang-kurangnya empat bidang AI yang akan dominan dalam konteks nuklear India – dan relevan juga untuk minyak & gas dan utiliti Malaysia.

1. Penyelenggaraan ramalan (predictive maintenance)

Tenaga nuklear bergantung pada peralatan kritikal: pam, turbin, penukar haba, sistem penyejukan.

Dengan AI:

• Sensor IoT memantau suhu, getaran, tekanan secara masa nyata
• Model pembelajaran mesin mengesan corak luar biasa sebelum berlaku kegagalan
• Sistem menjangka bila sesuatu komponen akan rosak minggu atau bulan lebih awal

Hasilnya:

• Pengurangan downtime tak dirancang
• Jadual shut-down lebih terancang
• Kos penyelenggaraan lebih stabil dan boleh diramal

Ini sama logiknya dengan predictive maintenance di platform offshore atau kilang LNG yang Petronas dan pemain lain sedang guna – cuma di nuklear, nilai tambahnya lagi besar kerana setiap jam operasi sangat mahal.

2. Pengoptimuman tenaga dan kecekapan loji

Loji nuklear moden tak lagi hanya "hidupkan dan biar jalan". Operator perlukan:

• Penjadualan beban mengikut permintaan grid dan harga pasaran
• Pengurusan fuel cycle yang optimum
• Pengurangan kehilangan tenaga dalam sistem penyejukan dan turbin

AI boleh:

• Mengira konfigurasi operasi paling efisien secara dinamik
• Cadangkan set parameter operasi (contoh: kadar aliran, suhu, tekanan) yang mengurangkan penggunaan tenaga dalaman
• Mengimbangi antara output maksimum dan jangka hayat peralatan

Dalam konteks utiliti Malaysia yang mengurus campuran gas, arang batu, hidro dan solar, pendekatan ini sama: gunakan AI untuk seimbangkan campuran generasi dan kurangkan kos per MWh.

3. Keselamatan & pemantauan risiko

Keselamatan nuklear bukan sekadar pematuhan prosedur – ia perlu pemantauan berterusan.

AI boleh membantu dengan:

• Analitik video untuk memantau kawasan sensitif dan pergerakan kakitangan
• Sistem pengesanan anomali pada bacaan sensor keselamatan
• Simulasi senario kecemasan berdasarkan data sejarah dan data sintetik

Bagi sektor minyak & gas, kita sudah nampak AI digunakan untuk pemantauan keselamatan pekerja, pengesanan kebocoran gas, dan analitik HSE. Nuklear hanya menolak ke tahap paling tinggi dari segi keperluan ketelitian.

4. Perancangan projek & rantaian bekalan

Dengan sasaran pertumbuhan 10x dalam 20 tahun, cabaran terbesar India mungkin bukan teknologi nuklear itu sendiri, tetapi keupayaan mengurus program mega:

• Penjadualan projek ratusan kontraktor
• Pengurusan rantaian bekalan global untuk komponen kritikal
• Ramalan kos dan risiko kelewatan

AI dan analitik lanjutan boleh:

• Mensimulasikan jadual pembinaan dan mengenal pasti bottleneck awal
• Mengoptimumkan inventori supaya stok cukup tapi tak membazir
• Memberi "early warning" bila sesuatu projek mula menyimpang dari bajet atau timeline

Logik yang sama sangat berguna untuk projek kompleks seperti loji penapisan, petrokimia, terminal LNG dan grid nasional.

---

Apa Syarikat Tenaga Malaysia Boleh Belajar dari India

RUU SHANTI ialah isyarat kuat: libatkan swasta, gandakan kapasiti, dan gunakan teknologi canggih untuk kawal risiko. Malaysia tak perlu mengikut laluan nuklear India, tapi ada beberapa pengajaran yang sangat relevan.

1. Tenaga masa depan ialah gabungan – bukan satu sumber

India gunakan nuklear untuk melengkapkan solar skala besar, angin dan hidro.
Malaysia pula:

• Masih bergantung kepada gas dan arang batu untuk baseload
• Sedang meningkat kapasiti solar dan hidro
• Menjelajah hidrogen, biofuel, dan mungkin CCS

Pengajarannya: jangan tunggu sektor "matang" sebelum melabur AI. AI paling berguna bila:

• Campuran tenaga makin kompleks
• Data makin banyak dan berselerak
• Tekanan kos dan ESG makin tinggi

2. Projek tenaga besar memerlukan standard digital yang jelas

Bila India buka nuklear kepada swasta, mereka terpaksa fikir:

• Bagaimana standard data dan integrasi di antara pemain berbeza?
• Bagaimana pastikan keselamatan siber untuk loji dengan vendor pelbagai?
• Bagaimana audit dan pematuhan dikendalikan secara digital?

Bagi Petronas dan utiliti di Malaysia, soalan sama muncul apabila:

• Bekerjasama dengan banyak vendor AI dan IoT
• Mengurus aset di beberapa negara dan wilayah
• Melaporkan ESG dan prestasi operasi kepada pelbagai pihak berkepentingan

Pendekatan yang saya lihat berkesan: bina rangka kerja data & AI peringkat kumpulan (group-wide) dulu, baru skala ke aset dan negara.

3. AI bukan opsyen tambahan – ia faktor keyakinan pelabur

Dalam konteks nuklear India, pelabur swasta akan menilai:

• Sejauh mana projek disokong oleh automasi dan analitik maju
• Tahap ketelusan operasi dan keupayaan mengurus risiko

Perkara yang sama sebenarnya sudah berlaku di minyak & gas dan utiliti:

• Projek yang jelas strategi data dan AI lebih mudah menarik pembiayaan hijau
• Operator yang boleh tunjuk angka kecekapan, kadar insiden, dan intensiti karbon berdasarkan data sebenar lebih meyakinkan bank dan pemegang saham

Bagi syarikat tenaga Malaysia yang sedang beralih kepada tenaga rendah karbon, pelaburan AI ialah pelaburan reputasi dan keyakinan pasaran, bukan sekadar kos IT.

---

Rangka Praktikal: Cara Mulakan AI untuk Projek Tenaga Besar

Ramai pengurus projek tenaga suka idea AI, tapi buntu di peringkat pelaksanaan. Berdasarkan apa yang berlaku di India dan trend global, ini satu rangka ringkas yang boleh disesuaikan.

Langkah 1: Pilih use case yang dekat dengan nilai kewangan

Untuk nuklear India, fokus logiknya ialah:

• Pengurangan downtime
• Peningkatan faktor kapasiti
• Pemotongan kos penyelenggaraan

Untuk minyak & gas / utiliti di Malaysia, use case yang biasanya cepat beri hasil:

• Predictive maintenance untuk pam, kompresor, turbin
• Energy optimization di loji janakuasa dan fasiliti pemprosesan
• Pengurusan kehilangan (losses) dalam grid dan pipeline

Pilih 2–3 use case yang:

• Data asas sudah ada atau mudah dikumpul
• Kesan kewangan boleh diukur dalam 6–18 bulan

Langkah 2: Standardkan data operasi

AI tanpa data yang bersih akan gagal pelan awal.

Fokuskan kepada:

• Pengumpulan data sensor secara konsisten (tag, unit, frekuensi)
• Integrasi dengan sistem sedia ada (SCADA, DCS, CMMS, ERP)
• Data governance – siapa pemilik, standard kualiti, hak akses

Banyak organisasi yang saya lihat berjaya melakukannya bermula dengan satu loji perintis, kemudian guna struktur data sama untuk skala ke aset lain.

Langkah 3: Bentuk pasukan hibrid – operasi + data + vendor

Model paling praktikal:

• Subject Matter Expert (SME) operasi: jurutera loji, HSE, planner
• Data & AI team: data engineer, data scientist, MLOps
• Rakan teknologi: platform AI industri / vendor khusus tenaga

Nuklear India akan sangat bergantung pada model sebegini kerana standard keselamatan ketat, dan tidak semua perkara boleh di-outsourced. Realitinya sama untuk platform offshore atau grid nasional.

Langkah 4: Mula kecil, tapi bina untuk skala

Bila projek perintis berjaya:

• Dokumentasikan ROI, perubahan proses kerja, dan pengajaran
• Bina template untuk aset lain: dashboard standard, pipeline data standard, model AI yang boleh ditala semula
• Tetapkan sasaran 2–3 tahun untuk liputan AI di peringkat kumpulan

Di sinilah banyak organisasi gugur: projek POC berjaya, tapi tak dirancang untuk skala. India, dengan sasaran 10x kapasiti nuklear, tak ada pilihan selain bina sistem dari awal yang boleh diskalakan – dan itu minda yang sangat berguna untuk kita tiru.

---

Ke Hadapan: Dari Nuklear India ke Strategi Tenaga Malaysia

RUU SHANTI di India bukan hanya kisah negara jiran Asia. Ia cerminan bagaimana dasar tenaga, pelaburan swasta dan teknologi AI bergerak serentak.

Bagi ekosistem tenaga Malaysia, beberapa mesej utama jelas:

• Diversifikasi tenaga memerlukan kecerdasan operasi, bukan sekadar aset baharu
• AI sudah menjadi komponen asas keyakinan pelabur dan pengawal selia
• Pengalaman negara lain – termasuk India dalam nuklear – boleh dijadikan panduan mempercepat transformasi minyak & gas, utiliti dan tenaga boleh diperbaharui di sini

Kalau India boleh merancang pengembangan nuklear 10x dengan menyatukan dasar, pelaburan dan teknologi, soalan untuk kita ialah:
bagaimana kita mahu merancang 10x peningkatan kecekapan dan kebolehpercayaan dalam sistem tenaga Malaysia dengan bantuan AI?

Masa yang sesuai untuk menjawab soalan itu ialah sekarang, sebelum tekanan permintaan, ESG dan kos operasi naik lebih jauh.