Bagaimana Kuantum & AI Mengubah Logistik Pintar

Kuantum, AI dan Lori Elektrik: Gabungan Pelik yang Sebenarnya Masuk Akal

Kadar penggunaan elektrik dalam pengangkutan jalan dijangka melonjak berpuluh peratus menjelang 2030, tetapi ramai pengeluar dan syarikat logistik masih pening kepala dengan satu isu asas: macam mana nak rancang rangkaian lori elektrik dan autonomi yang benar‑benar efisien?

Einride di Sweden dan IonQ di AS baru sahaja memberi satu petunjuk penting. Mereka menggabungkan AI, pengkomputeran klasik dan pengkomputeran kuantum untuk mengoptimumkan operasi fret elektrik dan autonomi – dan ini bukan lagi eksperimen makmal, tetapi penggunaan dunia sebenar dengan data komersial.

Untuk pemain logistik dan pembuatan di Malaysia, terutamanya dalam sektor E&E, automotif dan semikonduktor, kisah ini lebih daripada sekadar berita teknologi. Ini adalah gambaran awal bagaimana pengkomputeran kuantum akan masuk ke dalam gudang, pusat pengedaran dan kilang pintar, dan bagaimana anda patut bersedia.

Dalam artikel ini, saya akan huraikan:

• Apa sebenarnya sedang dibuat oleh Einride & IonQ
• Kenapa masalah logistik lori elektrik jauh lebih rumit daripada fleet diesel biasa
• Bagaimana pendekatan hibrid AI + kuantum boleh diterjemah ke konteks Malaysia
• Langkah praktikal untuk pengilang dan penyedia logistik tempatan yang nak mula mencuba pendekatan sebegini

Apa Yang Dilakukan Einride & IonQ Sebenarnya?

Ringkasnya, Einride menggunakan pengkomputeran kuantum IonQ untuk mengoptimumkan peruntukan penghantaran (shipment allocation) dalam platform AI mereka yang dipanggil Saga.

Saga ialah otak yang mengawal ekosistem Einride:

• Lori elektrik
• Lori autonomi
• Infrastruktur pengecasan
• Data pelanggan dan operasi secara menyeluruh

Platform ini dah pun digunakan untuk mengurangkan bilangan kenderaan, penggunaan tenaga dan kos pengangkutan keseluruhan bagi pelanggan besar mereka di tujuh negara. Kerjasama dengan IonQ menambah satu lagi lapisan: menggunakan algoritma kuantum untuk menyelesaikan bahagian masalah yang paling kompleks.

Pendekatan mereka bukan menggantikan AI sedia ada, tetapi mengambil pendekatan hibrid – sebahagian pengiraan di komputer klasik, sebahagian lagi di pemproses kuantum.

Pada peringkat awal, pasukan kejuruteraan Einride dan IonQ:

• Memecahkan masalah orchestrasi fleet kepada modul yang lebih kecil
• Menggunakan algoritma kuantum khusus untuk bahagian optimumkan peruntukan penghantaran, sambil mengambil kira:
  • Kekangan pemandu
  • Had bateri lori elektrik
  • Lokasi dan kapasiti pengecasan
  • Keperluan masa penghantaran dan SLA pelanggan

Mereka menilai 15 kes guna kuantum berpotensi dalam ekosistem Einride – daripada jadual penghantaran, load building, perdagangan tenaga, hinggalah keselamatan lori autonomi.

Yang menarik: benchmark semasa menunjukkan integrasi ini dah pun berfungsi secara teknikal dalam workflow sebenar. Kelebihan mungkin belum maksimal (perkakasan kuantum masih berkembang), tetapi asasnya dah ada.

Kenapa Logistik Lori Elektrik Lebih Susah Daripada Diesel Biasa

Untuk faham kenapa pengkomputeran kuantum masuk campur, kita kena jujur: kebanyakan sistem perancangan logistik tradisional memang tak cukup untuk fleet elektrik dan autonomi skala besar.

Dari “hantar dan isi minyak” kepada “hantar, caj, jaga bateri”

Dengan lori diesel konvensional, formula perancangan lebih mudah:

• Rancang laluan paling pendek atau paling murah
• Pastikan pemandu ikut undang‑undang waktu kerja
• Isi minyak di mana‑mana stesen bila perlu

Untuk lori elektrik dan autonomi, dimensi masalah bertambah:

• Jarak bukan satu‑satunya isu; profil ketinggian, trafik dan cuaca mempengaruhi penggunaan bateri
• Masa pengecasan perlu diselaras dengan jadual penghantaran dan ketersediaan charger
• Degradasi bateri bergantung kepada bagaimana fleet digunakan
• Lori autonomi perlu kekangan tambahan untuk keselamatan, liputan sensor dan peta

Masalah‑masalah ini membentuk apa yang orang teknikal panggil “combinatorial optimization problem” – bilangan kombinasi pilihan melonjak secara eksponen bila bilangan lori, pesanan dan stesen pengecasan meningkat.

Di sinilah pengkomputeran kuantum mula masuk akal: ia direka untuk menangani masalah pengoptimuman skala besar yang terlalu berat untuk komputer klasik semata‑mata, terutamanya bila syarikat mahu respons hampir masa nyata.

Kuantum + AI: Apa Maksudnya Untuk Logistik Pintar di Malaysia

Bagi pengilang elektronik, automotif dan semikonduktor di Malaysia yang sedang menuju ke arah kilang pintar dan rantaian bekalan pintar, apa yang Einride dan IonQ buat bukan sekadar cerita jauh di Eropah.

1. Logistik sebagai sambungan semula jadi kilang pintar

Banyak syarikat di Malaysia sudah melabur dalam:

• Sistem MES dan SCADA di lantai pengeluaran
• AGV/AMR dalam gudang
• IoT untuk pemantauan mesin secara masa nyata

Tetapi bila produk keluar dari kilang, ketepatan dan kecerdikan sering “terputus” di pintu pagar. Perancangan penghantaran masih dibuat dengan excel, sistem lama, atau bergantung sepenuhnya kepada 3PL.

Pendekatan seperti Einride menunjukkan masa depan yang lebih konsisten:

• Data pengeluaran (contoh: jadual lot wafer atau modul elektronik) mengalir terus ke platform perancangan fret
• Platform AI+kuantum mengoptimumkan bila, bagaimana dan dengan lori mana barang dihantar
• Pertukaran data dua hala: status penghantaran kembali memberi maklum balas kepada perancangan pengeluaran

2. Rangkaian pengecasan EV industri sebagai masalah pengoptimuman besar

Malaysia sedang menggalakkan EV dan elektrifikasi logistik. Banyak pengilang besar mula uji:

• Forklift elektrik
• Lori elektrik untuk penghantaran dari kilang ke hub
• Pengecas pantas di kawasan industri

Masalahnya, bila bilangan EV meningkat, soalan yang sama akan timbul:

• Di mana nak letak pengecas untuk capai kos tenaga minimum?
• Macam mana nak seimbangkan tarif masa puncak TNB dengan jadual penghantaran?
• Bila patut caj, bila patut tangguh, bila patut hantar ke laluan lain?

Ini semua masalah pengoptimuman multi‑kekangan – kategori yang sama Einride sasarkan dengan kuantum.

3. Pengangkutan komponen bernilai tinggi (E&E dan semikonduktor)

Dalam rantaian bekalan semikonduktor, kelewatan sehari boleh bermakna ratusan ribu ringgit nilai WIP tersekat. Di Malaysia, kita ada:

• Pengeluar OSAT dan EMS yang bergantung pada inbound/outbound just‑in‑time
• Pusat logistik serantau untuk komponen elektronik Asia Pasifik

Pendekatan pengoptimuman lanjutan boleh digunakan untuk:

• Menentukan kombinasi laluan udara, darat dan laut paling kos‑efektif mengikut risiko dan SLA pelanggan
• Menyusun semula penghantaran secara dinamik bila berlaku gangguan (banjir, pelabuhan sesak, isu geopolitik)

Kalau hari ini ramai guna AI untuk ramal permintaan, gelombang seterusnya ialah AI + kuantum untuk optimum tindakan fizikal – lori mana bergerak, ikut laluan mana, caj di mana, bawa muatan apa.

Dari Teori ke Praktikal: Apa Yang Boleh Dibuat Syarikat di Malaysia Sekarang

Anda mungkin berfikir: “Menarik, tapi kuantum ini rasanya jauh lagi untuk kita.” Saya setuju separuh. Perkakasan kuantum masih awal, tetapi persediaan data dan struktur masalah perlu dibuat dari sekarang. Bila teknologi matang, syarikat yang sudah bersedia akan menang banyak.

Berikut beberapa langkah praktikal yang saya rasa realistik untuk 12–36 bulan akan datang.

1. Kemas dan perkayakan data logistik anda

Quantum atau tidak, platform pengoptimuman hanya sekuat data di belakangnya. Mulakan dengan:

• Satukan data pengangkutan daripada TMS, WMS, ERP dalam satu gudang data
• Rekodkan parameter penting: masa tiba & berlepas sebenar, penggunaan bahan api/tenaga, berat muatan, kelewatan, sebab gangguan
• Pasang telematik atau IoT di lori dan treler utama untuk dapatkan data lokasi dan penggunaan tenaga yang konsisten

Bila sampai masa nak cuba algoritma lanjutan (termasuk kuantum), anda dah ada “vertically integrated dataset” seperti Einride.

2. Kenal pasti masalah pengoptimuman paling kritikal

Bukan semua masalah perlukan kuantum. Fokus pada yang benar‑benar menyakitkan:

• Perancangan laluan dan jadual penghantaran multi‑hub
• Penggunaan fleet EV dan pengurusan pengecasan
• Penggabungan pesanan (consolidation) merentas pelanggan atau kilang

Tanya soalan mudah: “Kalau kita boleh kurangkan kos kawasan ini 10–20%, kesannya pada P&L macam mana?” Di sinilah teknologi maju patut diberikan perhatian.

3. Uji dulu dengan AI dan pengoptimuman klasik

Einride sendiri menggunakan pendekatan hibrid: algoritma dalaman state‑of‑the‑art + modul kuantum. Untuk kebanyakan syarikat Malaysia sekarang, langkah realistik ialah:

• Guna enjin pengoptimuman laluan (VRP solver) dan AI peramal permintaan
• Integrasikan dengan TMS/WMS sedia ada
• Laksanakan projek perintis di satu region atau produk line

Bila foundation ini kukuh, barulah masuk akal untuk bekerjasama dengan penyedia teknologi yang menawarkan pengkomputeran kuantum sebagai servis.

4. Cari rakan teknologi yang faham perkilangan dan logistik tempatan

Bukan semua vendor AI atau kuantum faham konteks Malaysia:

• Masa henti di pintu kilang
• Isu jalan perindustrian sempit
• Potensi gangguan banjir

Bila menilai rakan teknologi:

• Minta mereka tunjuk contoh kes guna di logistik atau pengilangan, bukan sekadar demo generik
• Tanya bagaimana mereka memodelkan kekangan sebenar lapangan dalam algoritma
• Pastikan ada pelan pemindahan ilmu kepada pasukan dalaman anda

Apa Pengajaran Terbesar Dari Einride & IonQ Untuk Malaysia

Bagi saya, mesej paling besar dari kerjasama ini mudah: syarikat yang menggabungkan data operasi mendalam dengan teknologi pengoptimuman maju akan menguasai logistik masa depan.

Einride bukan sekadar beli lori elektrik dan sensor. Mereka:

• Bina ekosistem data hujung‑ke‑hujung (kenderaan, pelanggan, pengecasan)
• Bangunkan platform Saga sebagai “otak” AI
• Libatkan pakar kuantum seperti IonQ untuk bahagian masalah yang paling keras

Hasilnya, mereka sudah ada lebih 25 pelanggan enterprise, jangkaan ARR USD65 juta dari kontrak yang ditandatangani, dan potensi lebih USD800 juta jangka panjang. Semua itu datang dari kombinasi hardware + data + algoritma, bukan satu aspek sahaja.

Untuk Malaysia, terutamanya dalam siri “AI dalam Pengangkutan & Logistik” yang kita bincang, hala tuju ini masuk akal:

• Pengilang E&E dan semikonduktor: jadikan logistik keluar masuk komponen sama pintar dengan line SMT dan cleanroom anda
• Syarikat 3PL dan penyedia pengangkutan: bina kelebihan daya saing bukan hanya dengan lori baharu, tetapi dengan sistem pengoptimuman yang lebih bijak
• Pihak penggubal dasar dan ekosistem: fikir tentang bagaimana infrastruktur EV, data dan bakat AI/kuantum boleh saling melengkapi

Musim hujung tahun 2025 ini, ramai pasukan sedang rancang bajet 2026. Kalau saya di tempat anda, saya akan tanya satu soalan mudah dalam mesyuarat strategi seterusnya:

“Bahagian mana dalam rantaian logistik kita yang paling sesuai dijadikan ‘Einride versi Malaysia’ – lokasi di mana data, AI dan mungkin kuantum boleh beri kita kelebihan 5 tahun berbanding pesaing?”

Jawapan jujur pada soalan itu selalunya titik mula kepada pelan transformasi yang betul‑betul memberi kesan.