Ledakan AI memanaskan data center dan menaikkan bil tenaga. Artikel ini kupas bagaimana penyejukan pintar dan AI boleh mengoptimumkan tenaga untuk data center, logistik dan oil & gas.
AI, haba data center dan bil elektrik yang melambung
Pasaran penyejukan data center dianggarkan bernilai USD14.21 bilion pada 2024 dan dijangka meningkat ke USD34.12 bilion menjelang 2033 dengan CAGR sekitar 10.3%. Angka ini bukan sekadar statistik industri – ia cerminan satu masalah asas: AI menjana kuasa komput yang luar biasa, dan haba yang sama luar biasa.
Setiap model AI yang dilatih, setiap algoritma untuk pengoptimuman laluan lori atau simulasi medan minyak, semuanya berakhir di tempat yang sama: data center. Semakin agresif syarikat logistik, utiliti dan oil & gas menggunakan AI, semakin tinggi tekanan ke atas tenaga dan sistem penyejukan.
Dalam siri "AI dalam Pengangkutan & Logistik" ini, fokus kita bukan sekadar pada algoritma penghantaran atau gudang pintar. Kita kena lihat juga jantung infrastruktur: data center, grid tenaga dan aset fizikal seperti lori, depot dan loji pemprosesan. Di sinilah pemain seperti Petronas dan utiliti utama mula menyusun semula strategi – dari reservoir bawah tanah hingga kepada rak server yang sarat GPU.
Kenapa ledakan AI menolak data center ke "dinding termal"
Ringkasnya: AI generatif dan model berskala besar menghasilkan kepadatan kuasa yang jauh lebih tinggi berbanding beban kerja IT tradisional, dan sistem penyejukan lama tak lagi cukup.
Dari server biasa ke rak penuh GPU
Dulu, kebanyakan data center dibina untuk:
- beban kerja aplikasi perusahaan biasa,
- penggunaan CPU yang stabil,
- kepadatan kuasa yang lebih rendah.
Kini, untuk melatih dan menjalankan model AI dalam logistik (contohnya pengoptimuman laluan beribu-ribu trak atau ramalan permintaan e-dagang), syarikat mula memenuhkan rak dengan GPU dan akselerator AI. Kesan langsung:
- Kepadatan kuasa per rak melonjak – dari ~5–10 kW ke 30–60 kW, malah ada yang melebihi 100 kW.
- Haba terkumpul sangat cepat, menolak had reka bentuk airflow tradisional.
- Chiller dan CRAC konvensional mula tepu, memaksa operator menutup kapasiti tambahan atau menanggung risiko downtime.
Dalam konteks Malaysia, di mana suhu ambien tinggi dan kelembapan sentiasa mencabar, isu ini jadi lebih kritikal. Data center untuk operasi logistik serantau dan pusat kawalan pipeline atau terminal minyak memerlukan reka bentuk termal yang jauh lebih matang.
Bil elektrik dan jejak karbon yang sukar diabaikan
Haba bukan satu-satunya masalah. Kos tenaga untuk menyejukkan sistem AI boleh mencecah 30–40% daripada keseluruhan penggunaan tenaga data center jika tak diurus dengan betul.
Bagi syarikat:
- logistik seperti Pos Malaysia atau GDex, dan
- syarikat tenaga seperti Petronas atau TNB,
setiap kWh yang dibazirkan untuk penyejukan yang tidak efisien akan terus memakan margin dan menggandakan jejak karbon.
Realitinya, isu penyejukan data center bukan isu IT semata-mata. Ia isu strategi tenaga dan kelestarian syarikat.
Teknologi penyejukan data center baharu: dari udara ke cecair pintar
Untuk kekal relevan dalam era AI, data center perlu beralih daripada penyejukan generasi lama kepada penyelesaian termal pintar yang digerakkan oleh data dan AI itu sendiri.
1. Penyejukan cecair (liquid cooling) untuk AI berskala besar
Penyejukan udara masih wujud, tapi untuk rak GPU berketumpatan tinggi, semakin banyak operator beralih kepada:
- Direct-to-chip liquid cooling – cecair penyejuk dialirkan terus ke blok penyejuk yang menyentuh CPU/GPU.
- Immersion cooling – server direndam dalam cecair dielektrik khas yang menyerap haba dengan sangat efisien.
Kelebihan utama:
- Penyingkiran haba lebih cekap (kapasiti haba cecair jauh melebihi udara).
- Boleh menurunkan PUE (Power Usage Effectiveness) dengan ketara.
- Membuka ruang untuk kepadatan kuasa lebih tinggi per rak, sesuai untuk AI training farm.
Di Malaysia dan rantau tropika, liquid cooling ada satu bonus tambahan: kurang bergantung pada udara luar panas dan lembap, jadi prestasi lebih konsisten sepanjang tahun.
2. AI untuk mengawal penyejukan secara dinamik
Inilah ironi menarik: AI yang mencipta masalah haba juga sebahagiannya menyelesaikannya.
Dengan sensor suhu, tekanan dan aliran yang dipasang di seluruh data center, model AI boleh:
- meramal zon panas (hotspot) sebelum ia kritikal,
- melaras kelajuan kipas, pam dan chiller secara masa nyata,
- mengagihkan beban kerja AI ke rak yang lebih sejuk atau cekap tenaga,
- mengoptimumkan operasi penyejukan mengikut tarif elektrik masa nyata.
Dalam logistik, kita sudah biasa mendengar tentang AI untuk pengoptimuman laluan; logiknya sama di sini. Kita hanya bertukar daripada mengoptimumkan pergerakan lori kepada mengoptimumkan pergerakan udara dan cecair penyejuk.
3. Guna semula haba (heat recovery) untuk nilai tambahan
Haba yang dibuang dari data center sebenarnya sumber tenaga suhu rendah. Di negara empat musim, ia digunakan untuk pemanasan daerah. Di Malaysia dan Asia Tenggara, potensinya boleh diteroka untuk:
- pemanasan proses industri suhu sederhana,
- pra-pemanasan air dalam loji rawatan atau fasiliti tertentu,
- integrasi dengan teknologi seperti heat pump untuk aplikasi khusus.
Ini mungkin belum arus perdana di sini, tapi bagi syarikat tenaga besar, ia satu peluang untuk model perniagaan tenaga teragih yang baharu.
Persamaan mengejutkan: penyejukan data center vs operasi oil & gas
Bila kita sebut penyejukan data center dan operasi oil & gas, nampak macam dua dunia berbeza. Sebenarnya tidak. Isunya sama: haba, tekanan, aliran, kebolehpercayaan dan kos tenaga.
AI untuk ramalan dan penyelenggaraan: dari pam ke chiller
Dalam oil & gas, AI digunakan untuk:
- predictive maintenance pam, kompresor, turbin,
- mengesan corak anomali pada tekanan dan aliran dalam paip,
- mengurangkan downtime tak berjadual.
Corak yang sama digunakan di data center:
- AI memantau chiller, cooling tower, pam dan CRAC;
- meramal bila prestasi merosot atau bila komponen berisiko gagal;
- menjadualkan penyelenggaraan semasa beban AI lebih rendah.
Kedua-dua dunia ini berkongsi DNA yang sama: proses berterusan, risiko downtime tinggi, dan kos tenaga besar.
Model simulasi: daripada reservoir ke aliran udara
Syarikat seperti Petronas sudah bertahun-tahun menggunakan simulasi reservoir 3D untuk memaksimumkan pemulihan minyak dan gas. Kini pendekatan itu bergerak ke dunia data center:
- CFD (computational fluid dynamics) digunakan untuk memodelkan aliran udara dan haba dalam dewan server.
- AI digunakan untuk mempercepat simulasi atau mempelajari corak optimum daripada data sejarah.
Hasilnya:
- reka bentuk data center lebih tepat,
- pelarasan seperti ubah susun rak atau tambah containment boleh diuji secara maya dahulu,
- risiko "dinding termal" dapat dijangka lebih awal.
Di mana logistik masuk dalam cerita ini?
Dalam siri AI dalam Pengangkutan & Logistik, kita banyak bercakap tentang:
- pengoptimuman laluan,
- automasi gudang,
- analitik fleet,
- ramalan permintaan dan last-mile delivery.
Semua ini bergantung pada platform AI dan data center. Kalau infrastruktur di belakang tak cekap tenaga dan termampat oleh masalah haba, manfaat AI pada lori dan gudang akan tersekat.
3 cara syarikat logistik boleh fikirkan semula strategi tenaga AI mereka
-
Libatkan pasukan tenaga & fasiliti dari awal
Jangan biar IT pilih platform AI tanpa berbincang dengan pasukan yang mengurus bil elektrik, fasiliti dan kelestarian. Gabungkan perancangan kapasiti komput, sistem penyejukan dan sasaran karbon dalam satu peta jalan. -
Pertimbangkan lokasi dan rakan tenaga strategik
Syarikat logistik besar di Malaysia boleh:- menempatkan workload AI berat di data center yang mempunyai PUE rendah dan akses kepada tenaga yang lebih hijau,
- bekerjasama dengan utiliti nasional dan syarikat tenaga untuk mencari penyelesaian bekalan kuasa dan penyejukan yang optimum (contoh: integrasi dengan gas, solar, atau waste heat).
-
Guna AI untuk tenaga, bukan hanya operasi logistik
Kalau anda sudah melabur dalam AI untuk laluan dan gudang, gunakannya juga untuk:- mengoptimumkan penggunaan elektrik di depot, hub dan data center,
- meramal beban tenaga berdasarkan volum penghantaran dan musim puncak,
- menyelaras operasi fleet elektrik (EV) dengan kapasiti grid dan tarif masa nyata.
Bagaimana Petronas & utiliti besar boleh memimpin gelombang ini
Dalam konteks Malaysia dan rantau, Petronas serta utiliti besar lain berada di posisi unik untuk menjadikan AI sebagai enjin kecekapan tenaga – bukan ancaman kepada grid.
1. Menjadi rakan tenaga strategik kepada pengendali data center & logistik
Bukan sekadar menjual gas atau elektrik, tetapi:
- membangunkan tawaran tenaga+AI di mana pengoptimuman beban, penyejukan dan penggunaan aset dilakukan secara bersepadu,
- membantu pelanggan perindustrian dan logistik merancang projek data center yang cekap tenaga dari hari pertama,
- menyediakan model kontrak berasaskan prestasi (contoh: jaminan penurunan PUE atau kos tenaga per unit komput).
2. Menggunakan pelaburan AI dalaman sebagai "makmal hidup"
Petronas, TNB dan utiliti lain sendiri sedang:
- menggunakan AI untuk pengurusan grid,
- mengoptimumkan operasi loji,
- meramal kegagalan aset lapangan.
Semua ini memerlukan data center, tenaga dan penyejukan. Dengan mengurus infrastruktur AI mereka sendiri secara cekap, mereka boleh:
- membina case study nyata untuk pasaran,
- menunjukkan bagaimana integrasi AI + penyejukan canggih menurunkan intensiti tenaga,
- menawarkan kepakaran ini kepada pelanggan logistik dan pembuatan.
3. Menyokong peralihan kepada logistik rendah karbon
AI bukan sahaja mengoptimumkan data center. Ia juga:
- mengurangkan kilometer kosong lori,
- mengurangkan idle time di pelabuhan dan hub,
- menyokong peralihan ke fleet elektrik atau hibrid.
Jika digabungkan dengan tenaga yang lebih bersih dan infrastruktur penyejukan efisien di belakang tabir, ekosistem ini boleh:
- mengurangkan kos operasi jangka panjang,
- membantu Malaysia mencapai sasaran pengurangan karbon,
- menjadikan pemain logistik tempatan lebih kompetitif di rantau.
Dari server ke lori: masa untuk lihat tenaga AI secara menyeluruh
Kebanyakan syarikat logistik dan tenaga sudah sedar tentang manfaat AI pada operasi depan – laluan lebih pintar, gudang lebih laju, ramalan permintaan lebih tepat. Yang ramai belum susun kemas ialah kos tenaga dan penyejukan di belakang tirai.
Realitinya, data center AI, grid tenaga, fasiliti logistik dan aset oil & gas adalah satu rantaian yang sama. Kalau satu bahagian boros dan panas, keseluruhan rantaian akan rasa kesannya dalam bentuk bil yang melambung dan risiko downtime.
Langkah praktikal seterusnya untuk organisasi yang serius tentang AI:
- Audit semula infrastruktur data center dan tenaga yang menyokong projek AI anda.
- Kenal pasti di mana AI boleh digunakan untuk mengoptimumkan penyejukan dan penggunaan tenaga, bukan hanya operasi logistik.
- Bina kerjasama yang lebih erat dengan pembekal tenaga, pengendali data center dan pasukan kelestarian dalaman.
AI bukan sekadar otak yang merancang pergerakan lori atau aliran minyak; ia juga boleh menjadi otak yang menyejukkan server, menstabilkan grid dan mengurangkan karbon – jika kita merancangnya dengan betul.