India bina loji kuasa AI melalui Yotta dan NASDAQ. Apa pelajaran untuk Petronas, utiliti dan sektor tenaga Malaysia yang mahu AI pada skala industri?
Bagaimana Langkah Yotta di NASDAQ Mengubah Peta AI Compute – dan Apa Maknanya untuk Tenaga & Oil & Gas Malaysia
India hanya ada kira-kira 1.2 GW kapasiti pusat data AI, berbanding 60 GW di Amerika Syarikat. Jurang itulah yang sedang cuba dikejar oleh Yotta Data Services – dan mereka sanggup melaburkan sekitar US$1 bilion capex setahun untuk mengejarnya.
Ini bukan sekadar cerita IPO di New York. Gerakan agresif India membina infrastruktur AI compute melalui Yotta dan IndiaAI Mission ialah cermin kepada satu soalan besar untuk Malaysia:
Kalau India sedang bina “loji kuasa AI” berskala gigawatt, apa strategi Malaysia – khususnya sektor tenaga dan oil & gas seperti Petronas – untuk pastikan ekosistem AI industri kita tak tercicir?
Dalam siri AI in Oil & Gas / Energy ini, saya nak kupas bagaimana langkah Yotta ini boleh dijadikan pelan kasar (blueprint) untuk Malaysia: dari cara membiayai infrastruktur AI, hinggalah bagaimana ia menyokong AI dalam pemodelan reservoir, predictive maintenance, pemantauan keselamatan dan pengoptimuman tenaga.
1. Apa Sebenarnya Yotta Sedang Bina di India?
Yotta bukan syarikat AI model atau pembuat cip. Mereka ialah operator pusat data Tier III & IV yang fokus kepada tiga perkara:
- Kapasiti GPU berskala besar untuk beban kerja AI
- Perkhidmatan colocation & hyperscale
- Cloud terurus, termasuk sovereign cloud untuk kerajaan India
Beberapa fakta penting:
- Pegangan induk, Nidar Infrastructure, dinilai sekitar US$2.75 bilion pra-transaksi
- Pendapatan naik 123% dari US$22 juta (FY 2023) ke anggaran US$49.2 juta (FY 2024)
- Sasaran FY 2025: pendapatan US$156 juta, dengan kerugian lebih besar (US$113.4 juta) kerana peningkatan capex
- Kapasiti semasa: 33 MW live, dengan potensi pembangunan sehingga 890 MW
Darshan Hiranandani (CEO) terang-terang kata: mereka gembira menjadi seperti TSMC dalam dunia AI – fokus pada infrastruktur dan platform, bukan berlumba buat cip atau model.
Untuk kita di Malaysia, terutama dalam tenaga dan oil & gas, mesejnya jelas:
AI industri tak akan hidup tanpa “grid compute” yang kukuh – sama seperti loji kuasa untuk grid elektrik.
2. Kenapa Yotta Pilih NASDAQ, Bukan Bursa Domestik?
Jawapannya agak pedas tapi jujur: pelabur AS lebih faham “AI story”.
Yotta memilih untuk tersenarai di NASDAQ melalui penggabungan dengan SPAC Cartica Acquisition Corp kerana:
-
Akses modal yang pantas dan berulang
NASDAQ memudahkan syarikat tersenarai membuat penambahan modal dari semasa ke semasa. Untuk projek AI compute bernilai berbilion dolar, kelajuan kitaran pembiayaan ini kritikal. -
Tahap kepercayaan pelanggan enterprise global
Bank dan syarikat gergasi lebih selesa berurusan dengan syarikat yang mematuhi piawaian tadbir urus, audit dan pendedahan korporat di pasaran modal matang. -
Naratif AI yang matang di pasaran pelabur
Di India, pasaran saham masih “mencari bentuk” untuk menilai syarikat cloud/AI berskala besar. Di NASDAQ, pelabur sudah biasa dengan cerita pertumbuhan tinggi + kerugian besar + capex berat, selagi trajektori kapasiti dan pelanggan meyakinkan.
Yotta juga secara sedar menjarakkan diri daripada imej SPAC spekulatif era pandemik: mereka sudah ada ratusan juta dolar hasil, bukan sekadar “pitch deck”.
Apa kaitan dengan Malaysia, Petronas dan utiliti besar?
Untuk projek AI infrastruktur tenaga di Malaysia – sama ada pusat data hijau berdekatan loji janakuasa, atau sovereign cloud untuk data operasi oil & gas – realitinya pembiayaan tak boleh hanya bergantung pada bajet dalaman:
- Skala GPU & pusat data AI untuk predictive maintenance seluruh rangkaian loji, paip dan pelantar akan mencecah ratusan juta hingga bilion ringgit
- Model hibrid pembiayaan (pasaran tempatan + pasaran global + JV dengan pemain infra serantau) jauh lebih realistik
Ada satu pelajaran jelas dari Yotta:
Kalau nak bina infrastruktur AI yang serius, cara kita bercerita kepada pasaran modal mesti sama serius – jelas, berangka dan dikaitkan dengan permintaan sebenar industri.
3. IndiaAI Mission: “Anchor Tenant” untuk Permintaan AI Compute
Salah satu faktor kejayaan Yotta ialah IndiaAI Mission, inisiatif kerajaan India untuk mempercepatkan akses kepada infrastruktur AI tempatan.
Hari ini, sekitar 60% kapasiti Yotta digunakan untuk IndiaAI Mission, baki 40% pelanggan swasta. Pusingan seterusnya akan condong 80–20 untuk kerajaan, dan dijangka kemudian berbalik kepada 75% sektor swasta.
Ini strategi yang sangat menarik:
- Kerajaan bertindak sebagai anchor tenant awal untuk GPU dan pusat data
- Ini mengurangkan risiko permintaan kepada pelabur
- Selepas ekosistem matang, sektor swasta ambil alih sebagai pemacu utama
Bayangkan pendekatan sama untuk Malaysia
Untuk sektor oil & gas dan tenaga, Malaysia boleh meniru pola ini:
-
Fasa 1 – Anchor oleh syarikat berkaitan kerajaan & utiliti
- Petronas, TNB dan beberapa GLC tenaga menjadi pengguna utama awal untuk kluster GPU AI nasional
- Fokus use case: pemodelan reservoir, pengoptimuman grid, perancangan kapasiti tenaga boleh diperbaharui
-
Fasa 2 – Pengembangan ke rantaian bekalan & industri berkaitan
- Kontraktor perkhidmatan oil & gas, OEM peralatan, dan pengeluar E&E yang menyokong sektor tenaga menggunakan kapasiti sama
-
Fasa 3 – Ekosistem AI industri serantau
- Malaysia menawarkan kapasiti AI compute bersijil keselamatan tinggi kepada syarikat tenaga ASEAN lain yang perlukan sovereign atau near-sovereign cloud
Tanpa “anchor” seperti ini, sukar untuk mana-mana pemain build pusat data AI berskala gigawatt dengan yakin.
4. Sovereign Cloud, Kawalan Infrastruktur dan Data Oil & Gas
Satu lagi perincian penting: Yotta dipilih untuk membina dan mengurus pusat data bagi National Informatics Centre (NIC) India, sebahagian misi kerajaan untuk mewujudkan sovereign cloud yang tidak bergantung kepada hyperscaler global.
Hiranandani menyindir sedikit pemain hyperscale antarabangsa:
"Hyperscaler takkan beri pilihan untuk kata server itu milik anda atau di mana ia berada."
Model Yotta berbeza:
- Pelanggan enterprise atau kerajaan boleh kekal memiliki perkakasan atau sekurang-kurangnya kawalan fizikal lokasi
- Pada masa sama, mereka mendapat akses on-demand kepada beban kerja AI dan perkhidmatan cloud
Kenapa ini sangat kritikal untuk oil & gas dan tenaga?
Data berikut bukan sekadar “data biasa”:
- Data seismic dan reservoir jangka panjang
- Telemetri paip dan fasiliti kritikal
- SCADA dan data kawalan loji janakuasa
- Log operasi pelantar luar pantai dan kilang LNG
Bagi pemain seperti Petronas, TNB dan utiliti besar lain, isu kedaulatan data dan risiko geopolitik makin penting bila lebih banyak analitik dan AI berpindah ke cloud.
Model sovereign atau near-sovereign cloud ala Yotta menawarkan kombinasi menarik:
- Kawalan ke atas lokasi dan lapisan infrastruktur
- Piawaian keselamatan setara global
- Akses kepada GPU dan platform AI tanpa perlu bina semuanya sendiri
Untuk Malaysia, masa depan mungkin bukan “semua on-premise” atau “semua hyperscale global”, tetapi:
Gabungan pusat data AI tempatan berstatus sovereign/strategik, ditambah integrasi terpilih ke cloud global – dengan lapisan tadbir urus data yang ketat.
5. Dari Data Center ke Rig & Loji: Aplikasi Nyata untuk AI dalam Tenaga
Semua cerita NASDAQ, SPAC dan gigawatt hanya berbaloi jika ia menyokong use case AI industri yang jelas. Untuk tenaga & oil & gas Malaysia, antara aplikasi utama yang memerlukan compute besar ialah:
5.1 Pemodelan reservoir & eksplorasi
- Penggunaan physics-informed neural networks dan simulasi 3D skala besar memerlukan ribuan GPU untuk dilatih dengan pantas
- Dengan kluster compute tempatan, model boleh dikemas kini lebih kerap bila data baru masuk, bukan 6–12 bulan sekali
5.2 Predictive maintenance untuk loji & pelantar
- Analisis getaran, suhu, tekanan dan arus motor secara masa nyata
- Model AI perlu dilatih atas berbilion titik data sensor dari ratusan aset kritikal
- Latihan model pusat di “loji AI” (pusat data) + inferens di tepi (edge) di pelantar atau loji menjimatkan kos dan masa henti
5.3 Pengoptimuman tenaga dan emisi
- Model AI mengoptimumkan kombinasi fuel, beban, dan keadaan operasi untuk minimumkan kos dan COâ‚‚
- Ini selari dengan agenda tenaga bersih dan sasaran emisi Petronas dan utiliti besar lain
5.4 Keselamatan operasi & pemantauan video
- Analitik video AI untuk mengesan PPE, tumpahan, api, atau kelakuan tak selamat di fasiliti kritikal
- Latihan model visi komputer beresolusi tinggi memerlukan GPU yang besar, lebih efisien jika dibuat di pusat data AI tempatan yang dioptimumkan
Semua ini berkongsi satu keperluan: AI compute yang konsisten, boleh skala dan boleh audit.
6. Apa Yang Malaysia Boleh Tiru (dan Ubah Suai) dari Pendekatan Yotta
Berikut beberapa langkah praktikal yang saya rasa realistik untuk ekosistem Malaysia, khususnya tenaga & oil & gas:
6.1 Jadikan pemain tenaga sebagai pemangkin utama
- Bentuk konsortium AI tenaga nasional diterajui Petronas, TNB, plus beberapa GLIC/GLC
- Kenal pasti 10–20 use case AI bernilai tinggi (OPEX jimat, downtime turun, emisi turun) sebagai asas justifikasi pelaburan compute
6.2 Rangka model pembiayaan bercampur
- Kombinasi:
- modal dalaman syarikat tenaga,
- dana infra (domestik & antarabangsa),
- potensi penyenaraian kenderaan khusus (REIT/Infra Trust / mungkin SPAC luar negara pada masa depan)
- Jadikan pelanggan anchor (syarikat tenaga) sebagai asas revenue visibility kepada pelabur – sama seperti IndiaAI Mission untuk Yotta
6.3 Bangunkan blueprint sovereign / strategic cloud untuk tenaga
- Tetapkan keperluan kedaulatan data untuk:
- data operasi kritikal,
- data kawal selia,
- data keselamatan dan alam sekitar
- Reka arkitektur campuran: pusat data AI tempatan + integrasi ke cloud global untuk beban kerja kurang sensitif
6.4 Fikir jangka panjang: dari MW ke GW
Yotta bercakap tentang potensi sehingga 890 MW, malah mengintai masa depan multi-GW.
Malaysia tak perlu bermula pada skala itu, tapi arah tuju perlu jelas:
- Fasa awal: 10–50 MW khusus untuk beban kerja AI industri & tenaga
- Fasa pertengahan: ratusan MW dengan integrasi sumber tenaga boleh diperbaharui (solar, hidro, mungkin co-location dengan loji gas berkecekapan tinggi)
- Fasa lanjutan: hub AI compute serantau untuk tenaga & pembuatan di ASEAN
Realitinya, siapa yang kuasai “loji kuasa AI” serantau akan ada pengaruh besar ke atas ekosistem AI industri Asia Tenggara.
Penutup: Jangan Tunggu Bila GPU Sudah Habis di Pasaran
Dalam temu bual, CEO Yotta yakin mereka mungkin jadi yang terpantas membawa 100,000 GPU pertama ke pasaran India – mungkin juga 500,000 GPU seterusnya.
Itu satu isyarat yang sukar diabaikan.
Untuk Malaysia, terutama dalam sektor tenaga dan oil & gas yang sedang dipacu AI, persoalannya bukan lagi “perlu atau tidak pusat data AI sendiri”, tetapi:
- Berapa cepat kita boleh wujudkan kapasiti AI compute yang berskala dan selamat?
- Siapa akan menjadi anchor tenant dan pemacu permintaan awal?
- Model pembiayaan dan tadbir urus apa yang paling masuk akal untuk konteks Malaysia?
Yotta sudah buat pilihan berani: mengintai pasaran modal antarabangsa, menjadikan kerajaan sebagai pemangkin awal, dan fokus mati-matian kepada peranan sebagai “TSMC untuk AI infra”.
Malaysia tak perlu menyalin bulat-bulat, tetapi kita memang patut belajar daripada trajektori mereka. Kalau sektor tenaga kita mahu AI untuk benar-benar mengurangkan kos, meningkatkan keselamatan dan mempercepatkan peralihan tenaga, asasnya bermula di tempat yang sunyi dan sejuk: dewan pusat data penuh GPU yang kita sendiri kawal.