What is AINNA NeuralOps?

AINNA NeuralOps is Malaysian-built private AI infrastructure for enterprise AI that is controlled, efficient and locally governed, combining orchestration, smart routing and detached systems.

What operating proof does AINNA have?

AINNA reports operator-proven retail operations including RM15M+ lifetime sales, 14 production systems, 30 official stores and 80k+ active SKUs from its current operating data.

How efficient is NeuralOps?

AINNA's internal benchmark reports up to 87% token reduction through smart routing and model distillation. This is an internal operational benchmark, not an external audit.

Is the infrastructure locally governed?

Yes. AINNA designs for private, self-controlled deployment so data and inference remain under the organisation's own governance.

AINNA NeuralOps Pitch Pelabur · AI Berdaulat untuk PKS Malaysia

Ringkasan Eksekutif

Financial Snapshot

One screen for bankers and VCs the model in a single view. Semua figures are TARGET projections unless labelled otherwise.

Year-1 HasilRM2.85M

Year-1 Recurring ARRRM1.78M

Year-1 Customers500

Blended ARPURM202

5-Yr RecurringRM55.3M

5-Yr CombinedRM88.4M

5-Yr Infra KosRM4.98M

Funding AskRM2.0M

Recurring MRR RM148,668 → ARR RM1,784,016 · Setup RM294,000 · Perkhidmatan RM774,000 · Total Year-1 RM2,852,016. Target

Masalahnya

Mengapa Pelaksanaan AI Semasa Gagal untuk PKS Malaysia

AI Tradisional creates a paradox: the more PKS adopt it, the more it costs and the more control they lose.

Jurang AI PKS

Per-token pricing costs scale indefinitely with usage
Data leaves Malaysian premises privacy & sovereignty risk
Black-box models no customisation or control
Foreign jurisdiction regulatory uncertainty
Recurring costs forever no equity or asset built
Subject to API rate limits & downtime

Alternatif NeuralOps

Predictable monthly subscription pricing
Data stays local designed for data locality and PDPA-aligned deployment
Full customisation your models, your rules
Bidang kuasa Malaysia, direka untuk penyetempatan data.
Infrastruktur as an asset build equity
24/7 autonomous controlled workload routing

Why Now

Why This Opportunity Exists Now

Faktor sokongan makro dalam AI perusahaan berkait langsung dengan peluang pelaksanaan AINNA yang diuji oleh pengendali.

↗

Daripada Eksperimen kepada Operasi

Organisasi beralih daripada eksperimen chatbot terpencil kepada AI operasi yang tertanam dalam aliran kerja harian. Ini mewujudkan permintaan untuk infrastruktur AI yang boleh dipercayai, ditadbir, dan boleh diramal kosnya, bukannya kebaharuan per token.

§

Kos & Control Matter

Kos inferens, tadbir urus dan kawalan data menjadi kriteria pemilihan utama. Perusahaan semakin mengutamakan penggunaan persendirian/tempatan dengan ekonomi yang boleh diramal dan kebolehauditan.

∮

Operator-Tested Seni Bina

AINNA's architecture was built and validated inside its own complex commerce operasi. This puts the platform ahead of the typical vendor that must learn workflow reality at customer cost.

Penyelesaiannya

NeuralOps Sistem Berasingan Seni Bina

Platform tiga lapisan yang memenuhi keperluan penggunaan berbeza. Infrastruktur AI Detached dibina daripada pengendali langsung dan aliran kerja sebenar. Model operasi ialah Roda Tenaga Kecekapan (Segmentasi → Smart Routing → Distillation → Detached Sistem → Infrastruktu Lihat roda tenaga →

259Senario library

14Sistem Pengeluaran

7-modelOn-premise LLM orchestra

87%Internal token benchmark

Tempatan-firstOptional controlled fallback

PDPA-alignedBy design (not certified)

259Senario library

14Sistem Pengeluaran

7-modelOn-premise LLM orchestra

87%Internal benchmark

Tempatan-firstDengan sandaran terkawal

PDPA-alignedBy design (not certified)

∑

Platform NeuralOps

Teras subscription for AI orchestration, model management and workflow automation, with a VPN backbone for secure on-premise deployment.

7-model LLM orchestra
Smart routing & workload management
On-premise deployment

∮

NeuralOps API

API add-on enabling integration with existing systems, custom workflows and third-party applications. Usage-based AI credits.

RESTful API endpoints
Kredit packs: 10K=RM30 · 50K=RM120 · 100K=RM200
Tempatan-first routing (optional controlled fallback)

Δ

Vertical SaaS

Aplikasi khusus industri berasaskan NeuralOps, bermula dengan pematuhan perkhidmatan kewangan bagi Malaysia.

Bank Recompiler RM50/user/mo
Street Akaun Report RM100/user/mo
Lagi verticals in development

Commercial Model

Harga Seni Bina

Langganan tiga peringkat dengan tambahan yang telus. Semua harga ialah TARGET.

PKS

RM100

per month · 1–2 users

Platform NeuralOps access
Up to 2 users
Basic workflow automation
Setup: RM300 Target
API add-on: RM50/mo Target

Paling Popular

Perniagaan

RM299

per month · up to 5 users

Platform + advanced workflows
Up to 5 users
Custom model tuning
Setup: RM1,000 Target
API add-on: RM150/mo Target

Enterprise

RM1,000

per month · up to 20 users

Full platform + dedicated support
Up to 20 users
Custom development billed separately
Setup: RM5,000+ Target
API add-on: RM500/mo Target

Add-on Harga

Add-on	PKS	Perniagaan	Enterprise
API add-on	RM50/mo	RM150/mo	RM500/mo
Setup fee	RM300	RM1,000	RM5,000+
AI credits (10K)	RM30
AI credits (50K)	RM120
AI credits (100K)	RM200

Semua harga adalah TARGET. Pembangunan tersuai TIDAK termasuk dalam mana-mana pelan dan dicaj secara berasingan. Yuran persediaan dan caj penggunaan dikenakan seperti yang disenaraikan.

Financial Model

Four Hasil Streams

Platform + API + Vertical SaaS + Perkhidmatan diversified, recurring-first model.

Recurring Hasil (MRR)

Stream	MRR (RM)	ARR (RM)
Platform subscriptions	100,880	1,210,560
API add-ons	21,200	254,400
Usage overage (10%)	10,088	121,056
Dedicated deployments	6,000	72,000
Bank Recompiler (110 users)	5,500	66,000
Street Akaun (50 users)	5,000	60,000
Total Recurring	148,668	1,784,016

Perkhidmatan & Jumlah Hasil

Category	Bulanan (RM)	Annual (RM)
Bulanan service income	64,500	774,000
Setup fees (one-time)		294,000
Recurring revenue	148,668	1,784,016
Total Year-1 Hasil	213,168	2,852,016

Semua angka adalah unjuran sasaran. Keputusan sebenar bergantung kepada pemerolehan pelanggan, pengesahan harga, dan pelaksanaan penggunaan.

Year-1 Model

Year-1 Pelanggan Target

500 NeuralOps customers in Year 1. Target

350

PKS

RM100/bulan · 1–2 users

MRR contribution: RM35,000

120

Perniagaan

RM299/bulan · up to 5 users

MRR contribution: RM35,880

30

Enterprise

RM1,000/bulan · up to 20 users

MRR contribution: RM30,000

Total Platform MRR: RM100,880 Target

Total Platform ARR: RM1,210,560 Target

Pertumbuhan

Five-Year Projection Pengurusan Pertumbuhan Senario

500 → 8,000 NeuralOps customers · RM88.4M 5-year cumulative combined revenue target. This is a management scenario, not guaranteed growth.

Metric	Year 1	Year 2	Year 3	Year 4	Year 5
NeuralOps Customers	500	1,000	2,000	4,000	8,000
Recurring Hasil (RM)	1,784,016	3,568,032	7,136,064	14,272,128	28,544,256
Setup fees (RM)	294,000	588,000	1,176,000	2,352,000	4,704,000
Perkhidmatan (RM)	774,000	1,548,000	3,096,000	6,192,000	12,384,000
Jumlah Hasil (RM)	2,852,016	5,704,032	11,408,064	22,816,128	45,632,256

Total Recurring Hasil (5yr)

RM55,304,496

Total Combined Hasil (5yr)

RM88,412,496

Pertumbuhan pelanggan mengandaikan peningkatan 100% tahun ke tahun. SaaS menegak berskala secara linear dengan bilangan pelanggan. Perkhidmatan dan yuran persediaan berskala secara berkadar. Projection

Pertumbuhan Senario Pengurusan Senario

Laluan alternatif pertumbuhan pelanggan. Ini adalah senario arah, bukan ramalan hasil yang dijamin.

Senario	Year-5 Customers	Year-5 ARR	Assumptions
Conservative	2,000	~RM13.8M	Slower conversion; ~400 baharu customers/year
Asas	8,000	~RM55.3M	Pengurusan scenario, ~100% YoY growth
Upside	15,000	~RM103.7M	High conversion + channel leverage

Year-5 Valuation Positioning Senario

Titik permulaan: RM2 juta untuk 10% bersamaan RM20 juta penilaian selepas pelaburan. Pengembangan penilaian tahun kelima bergantung pada kualiti pelaksanaan dan tindak balas pasaran. Rujuk Dokumen 3 untuk rangka kerja penciptaan nilai penuh.

Senario	Year-5 Nilai	Positioning
Asas Case	~RM150M	Hasil berulang, ekonomi unit yang disahkan dan pelaksanaan PKS yang boleh diulang
Pertumbuhan Case	RM300M–RM500M	Kontrak perusahaan yang lebih kukuh, skala serantau, dan model proprietari yang boleh dipertahankan.
Breakout Senario	RM1B+	Breakout Senario — Not a Ramalan

Pengembangan penilaian akan bergantung kepada pendapatan berulang, model proprietari khusus, kejayaan model Distillation, penerimaan PKS, impak ekonomi PKS yang boleh diukur, kontrak perusahaan, pengembangan serantau, kerelevanan institusi, harta intelek yang boleh dipertahankan

Open Document 3 Pelabur Hub

Operasi

Kos Infrastruktur

VPS + GPU H200 RM4.98M over 5 years. Estimate

Year	Customers	VPS Kos	GPU Kos	Total Infra	Kos/User
Year 1	500	50,000	264,000	314,000	628
Year 2	1,000	100,000	264,000	364,000	364
Year 3	2,000	200,000	528,000	728,000	364
Year 4	4,000	400,000	792,000	1,192,000	298
Year 5	8,000	800,000	1,584,000	2,384,000	298
Total		1,550,000	3,432,000	4,982,000

VPS: RM100/pengguna/tahun. Sewa pelayan GPU H200 (4× H200 141GB): ~RM22,000/bulan. Setiap pelayan menyediakan perkhidmatan untuk ~1,500 pelanggan bagi inferens LLM. Pelayan GPU awal dibiayai daripada peruntukan infrastruktur RM500K. Estimate

Unit Economics

Unit Economics Rangka Kerja

Based on target pricing final unit economics require validated commercial data.

∑

Blended ARPU

RM202

Bulanan blended (Platform + API)

Estimate

∞

VPS Kos/User

RM8.33

Bulanan infra cost per user

Estimate

⌁

GPU Kos/User

To Validate

Inference, acceleration, peak load

Estimate

Δ

Gross Margin

To Validate

ACV − VPS − GPU − support − direct

Estimate

Unit Economics Validation Table

Metric	Nilai	Status
Blended ARPU (Platform + API)	RM202/bulan	Estimate
VPS cost per user	RM8.33/bulan	Estimate
GPU cost per user	To Be Validated	Estimate
Total infra cost per user	VPS + GPU + support	Estimate
Gross Margin	To Be Validated	Estimate
CAC	To Be Validated	Estimate
LTV	To Be Validated	Estimate

Ekonomi unit akhir akan dikira menggunakan harga yang disahkan, peruntukan VPS, inferens GPU, overhed sokongan, dan data pengekalan.

Contribution Margin Equation (to be validated)

Hasil per customer − VPS − allocated GPU inference − support − payment fees − external-API fallback − storage/backup = contribution margin. Pengurusan will measure each line during the round; none of these are yet commercially proven.

Proof

Semasa Traction

Internal Peruncitan Kajian Kes verified historical data, clearly separated from external AI revenue.

Operasi Runcit Dalaman Historical Actual

AINNA's NeuralOps platform was developed and proven within the founding team's own retail operations managing 80,000+ SKUs across 30 active stores on Shopee, TikTok and Lazada, processing ~9,000 pesanan bulanan.

Penting: Ini adalah keputusan syarikat operasi AINNA sendiri, BUKAN hasil NeuralOps SaaS luaran. RM15M+ ialah jualan runcit kumulatif sepanjang hayat syarikat operasi, bukan hasil tahunan dan bukan hasil platform NeuralOps.

80,000+SKU Diurus

~9,000Pesanan Bulanan

30Aktif Stores

2019Ditubuhkan

RM15M+Lifetime Peruncitan Jualan

RM325KZakat & Taxes

259Senario library · 14 production

80,000+SKU Diurus

~9,000Pesanan Bulanan

30Aktif Stores

2019Ditubuhkan

RM15M+Lifetime Peruncitan Jualan

RM325KZakat & Taxes

259Senario library · 14 production

Internal Workload Benchmark Internal Benchmark

Smart routing demonstrated a 87% token reduction vs naive full-LLM routing in internal benchmarks an internal operational result, not a universal industry claim.

Naive Penghalaan

7.5M Tokens

Smart Routing

1.0M Tokens

Berdasarkan beban kerja operasi dalaman AINNA. Hasil mungkin berbeza mengikut model, infrastruktur dan kes penggunaan.

Commercial Validation

Validation Status

Pemisahan telus antara pengesahan dalaman, projek perintis luaran, dan hasil luaran. Tiada apa-apa yang dilebih-lebihkan.

Internal Validation Internal Benchmark

AINNA's NeuralOps platform runs real AINNA operating deployments (14 production systems) inside the company's own complex commerce operasi. This is the strongest validation currently available.

Luaran Pilots / POC Pipeline

Perintis luaran terpilih dan pelaksanaan bukti konsep bertujuan sebagai pencapaian komersial seterusnya. Pelanggan NeuralOps luaran yang disahkan membayar tidak dilaporkan pada masa ini.

Luaran Paying Customers To Validate

Tiada pengesahan pada tarikh dek ini. Hasil NeuralOps SaaS luaran tidak dituntut. Pusingan benih bertujuan untuk menukar pengesahan dalaman kepada skala komersial luaran.

Pipeline / Strategic Discussions Estimate

Strategic discussions may exist but are not presented as partnerships, LOIs or revenue. No partnership, contract, certification or adoption is claimed without documented evidence.

NeuralOps has completed substantial internal validation. The next commercial milestone is conversion of selected external pilots into recurring customers.

Market

Market Opportunity

Bottom-up market sizing based on addressable customer count × realistic annual ARPU. No GDP or national-economic-conribution shortcuts.

TAM

Total Addressable Market

1.2M

MSMEs in Malaysia

1.2 million theoretically addressable MSME customers
Annual theoretical revenue TAM ≈ RM2.9B Estimate
Formula: 1,200,000 × (RM202 × 12)
Sumber: PKS Corp / DOSM official MSME establishment data

SAM

Serviceable Addressable Market

120K

Digital-ready segment (10% of TAM) Estimate

120,000 target customers
RM290.9M serviceable revenue Estimate
Digital/operational readiness assumption
Sektor tumpuan: runcit, logistik, perkhidmatan kewangan

SOM

Serviceable Obtainable Market

8,000

Year-5 target Target

8,000 PKS deployed (Year-5 target)
Senario pertumbuhan pengurusan tidak dijamin.
High-touch onboarding + channel leverage

Market Sizing Methodology

TAM = eligible MSME count × blended annual ARPU = 1,200,000 × (RM202 × 12) ≈ RM2.9B theoretical annual revenue TAM.

ARPU = RM202 sebulan (anggaran pengurusan merentas peringkat PKS RM100, Perniagaan RM299, dan Enterprise RM1,000, serta tambahan API). Estimate

SAM = digital/operationally ready share (management assumption of 10%) = 120,000 customers × RM2,424 annual ARPU ≈ RM290.9M. Estimate

SOM = Year-5 obtainable customer target of 8,000 = 0.67% of TAM count. Target

MSME count: Kira-kira 1.2 juta MSME Malaysia. Sumber: PKS Corp Malaysia / Statistik penubuhan rasmi Jabatan Perangkaan Malaysia, 2024. Angka tepat 2024 tertakluk kepada pengesahan terhadap keluaran rasmi terkini sebelum penerbitan. Luaran Market Data

Metodologi: saiz berdasarkan pelanggan dari bawah ke atas. Ini sengaja TIDAK mendarabkan KDNK PMKS, keluaran kasar, atau sumbangan ekonomi negara untuk menuntut Jumlah Pasaran Boleh Ditujui AINNA.

AINNA's long-term objective is to demonstrate measurable economic impact across thousands of PKS: lower operating costs, improved financial visibility, improved productivity, better compliance readiness, increased operating efficiency and potential income growth.

Jika impak tersebut dapat dibuktikan, platform itu mungkin menjadi relevan secara strategik kepada program PKS kerajaan, agensi pembangunan, institusi kewangan, ekosistem perakaunan dan rakan kongsi perusahaan.

Competitive Landscape

AINNA vs AI Tradisional Providers

Pembezaan struktur yang dibina atas kedaulatan data, model harga dan kredibiliti pengendali.

∅ AI Tradisional Providers

Per-token penetapan harga (kos skala infinitely)
Data leaves premises (privacy risiko)
No customisation (black-box models)
Foreign jurisdiction (data sovereignty)
Recurring kos forever (no equity)
Subject to API rate limits & downtime

✓ AINNA NeuralOps

Predictable monthly subscription pricing
Data stays local (data-locality & sovereignty)
Full customisation (your models, your rules)
Bidang kuasa Malaysia (selaras dengan PDPA secara reka bentuk)
Infrastruktur as asset (build equity)
24/7 autonomous (controlled workload routing)

Produk & Moat

Mengapa AINNA Could Win

Hujah parit berkualiti pelabur. Ini adalah keupayaan dan IP kumulatif, bukan ciri AI generik. Apabila kelebihan yang dicadangkan mudah direplikasi, kami tidak membesar-besarkannya.

1

Operator-Built Knowledge

Dibina daripada tahun-tahun operasi perdagangan sebenar, bukan kes penggunaan slaid. Platform ini menyelesaikan masalah yang dialami AINNA secara langsung.

2

Seni Bina

Segmentasi → Smart Routing → Parser Khusus → Detached Sistem → Infrastruktur Persendirian. Setiap lapisan mengurangkan kos yang tidak perlu dan memastikan pelaksanaan dapat diramal.

3

Aliran Kerja Boleh Guna Semula IP

259 published senario built from operational problems, reusable across customers as deployment accelerators. An accumulating, defensible library.

4

Data & Operational Learning

Pelajaran daripada aliran kerja sebenar memaklumkan reka bentuk penghalaan dan penghurai, mengurangkan panggilan model frontier yang tidak perlu dan menurunkan kos setiap hasil.

5

Kos Seni Bina

Penghalaan setempat-pertama mengelakkan kos per token yang tidak perlu sambil mengekalkan sandaran luaran terkawal secara pilihan apabila diperlukan.

6

Sovereign Pelaksanaan

Penggunaan persendirian/tempatan dengan kawalan tadbir urus ke atas lokasi data, akses, dasar penghalaan, pilihan model dan kebolehauditan. Sandaran pilihan tidak melemahkan kawalan kedaulatan.

Mengapa Perkara Ini Sukar untuk Dihasilkan Semula dalam Tempoh 6–12 Bulan?

Perpustakaan aliran kerja terkumpul dan pembelajaran operasi yang diperoleh daripada pengendali merupakan bahagian paling sukar untuk disalin dengan cepat. Pembekal AI tujuan umum boleh menawarkan infrastruktur persendirian atau penyesuaian atas permintaan, maka itu sahaja bukan

Go-To-Market

Multi-Channel Strategy

Bagaimana sasaran 500 pelanggan Tahun-1 dijangka dicapai. Logik pemerolehan merupakan andaian GTM, bukan pencapaian. Target

1

Direct Jualan

In-house sales team targeting Malaysian PKS through events, referrals and digital outreach focused on retail, logistics and financial services.

2

Channel Partners

Perunding teknologi, pengintegrasi sistem dan persatuan industri sebagai rakan kongsi penjual semula dan rujukan di bawah model perkongsian hasil.

3

Produk-Led Pertumbuhan

Pemasukan kendiri untuk peringkat PKS, demo percuma dan penerapan bukti konsep yang menunjukkan nilai sebelum penukaran.

Year-1 Acquisition Logic (GTM assumption)

Saluran di bawah merupakan andaian pemerolehan ilustratif, bukan data penukaran yang disahkan. CAC / penukaran akan diukur sepanjang pusingan.

Channel	Prospek Sasaran	Conversion	Expected Customers
Direct outbound	1,500	8%	120
Channel partners	1,000	10%	100
Associations / vertical	800	10%	80
Perintis / POC conversion	150	40%	60
Produk-led / self-service	3,000	3%	90
Strategic enterprise	50	100%	50
Total Year-1	6,500	—	500

Angka-angka merupakan andaian GTM pihak pengurusan yang belum disahkan. Penukaran sebenar bergantung pada respons pasaran, pengesahan harga dan pelaksanaan.

Peta Hala Tuju

Produk & Infrastruktur Peta Hala Tuju

Strategi tiga fasa daripada VPS kongsi ke pusat data khusus. Target

1

Phase 1 · Asas

Year 1 · 500 customers · RM2M funding

Infrastruktur VPS Kongsi
Up to 500 customers
VPN NeuralOps backbone
50% AI infrastructure & capability · 30% inventory & market expansion · 20% OPEX

2

Phase 2 · Skala

Year 3 · 2,000 customers · Self-funded

Dedicated GPU servers
500–2,000 customers
vLLM cluster deployment
Vertical SaaS growth & channel expansion

3

Phase 3 · Skala & Redundancy

Year 5 · 8,000 customers · Pengurusan target

Full data center
2,000–8,000 customers
Multi-region redundancy
Exit / IPO preparation

Pertumbuhan pelanggan mengandaikan senario pengurusan pertumbuhan kira-kira 100% tahun ke tahun. Ini adalah senario sasaran, bukan jaminan.

Permintaan

Funding Ask

RM2M for 10% RM18M pre-money, RM20M post-money. Capital is allocated to infrastructure, capability, market expansion and operating discipline.

Total Funding Required: RM2,000,000

ASK

RM2,000,000

10% equity

PRE-MONEY

RM18,000,000

Sebelum pusingan ini.

POST-MONEY

RM20,000,000

Selepas pusingan ini

Use of Funds

Category	Allocation	RM Amount	Purpose
Infrastruktur AI & Capability	50%	RM1,000,000	Asas AI strategik terbahagi antara infrastruktur dan kecerdasan keupayaan/domain.
Infrastruktur AI	25%	RM500,000	GPU, VPS, private inference and routing backbone
AI Capability & Domain Intelligence	25%	RM500,000	Kejuruteraan AI, kejuruteraan model, model distillation, set data khusus, pembangunan peraturan, pengesahan, penilaian, kejuruteraan sistem dan penglibatan pakar domain.
Inventori & Market Expansion	30%	RM600,000	Kedalaman inventori, pengembangan pasaran, saluran dan kesediaan penggunaan
OPEX	20%	RM400,000	Perbelanjaan operasi, fungsi sokongan dan penampan pelaksanaan
Total	100%	RM2,000,000

The RM500K AI Capability & Domain Intelligence budget is not ordinary salary/OPEX. It funds AI engineering, model engineering, model distillation, domain knowledge acquisition, specialised datasets, rule development, validation, evaluation, system engineering and domain expert involvement across Perakaunan & Kewangan, Audit, Tax, Zakat, QA / Quality Pengurusan, HR / Gaji, Procurement, Supply Chain, Perundangan / Kepatuhan, Pembuatan / Engineering, Cybersecurity and Operasi Perniagaan.

Modal → Infrastruktur → Pengetahuan Domain → Model Distillation → AI Khusus → Produk Komersial → Hasil Berulang → IP Berskala

Hasil engines: specialised AI SaaS, enterprise AI deployment, model / IP licensing, integration & automation, and commerce & market expansion.

Why RM20M Post-Money? Pengurusan Proposal

RM20M post-money is a management-proposed valuation, not an externally proven figure. The rationale is based on the following assets and stage, not on comparable-company valuation multiples.

Operating Sejarah

RM15M+ cumulative lifetime retail sales of the operating company since 2019.

Proprietary Seni Bina

NeuralOps: segmentation, smart routing, specialised parsers, detached systems, private infrastructure.

Aliran Kerja Boleh Guna Semula IP

259 published senario across 33 verticals; 14 production systems.

Infrastruktur Sedia Ada

7-model local LLM orchestra and private-infrastructure deployment capability.

Founder Execution

Platform binaan pengendali yang disahkan dalam operasi perdagangan kompleks AINNA sendiri.

Seed Capital Need

RM2M funds engineering, infrastructure, GTM and onboarding to reach the next commercial milestone.

Pembiayaan benih meminta RM2 juta untuk 10%: nilai selepas pelaburan = RM2 juta / 10% = RM20 juta; nilai sebelum pelaburan = RM20 juta − RM2 juta = RM18 juta.

Pasukan

Founding Pasukan

Pasukan pimpinan pengendali manusia. Infrastruktur pembangunan AI proprietari (Agent TC) dibentangkan secara berasingan sebagai aset teknologi di bawah.

Nur Ain Syuhada

Co-Pengasas & CEO

Memacu visi, perkongsian dan pembangunan perniagaan. Pengendali e-dagang pelbagai platform yang menguruskan lebih 80K SKU.

Academic Background

Ijazah Perniagaan (Perniagaan Digital) — focus on Transformasi Digital, E-dagang & Strategi Inovasi (2023–Kini)

Experience

Menubuhkan AINNA pada 2019 dan sejak itu membinanya menjadi pengendali e-dagang pelbagai platform yang menguruskan 80K+ SKU di Malaysia dan Indonesia. Memimpin visi, perkongsian dan pembangunan perniagaan, memacu pertumbuhan syarikat daripada operasi tempatan kepada perusahaan re

Rozni binti Enana

Co-Pengasas & Pengarah Strategi Pelanggan

Perancangan strategik, operasi dan pertumbuhan syarikat. Menyelia koridor perdagangan rentas sempadan Dumai–Melaka dan Medan–Port Klang.

Academic Background

Perniagaan Pengurusan & Strategi Pelanggan — Strategic Leadership & Mampan Perniagaan (Pembangunan Profesional)

Experience

2018–NowPengasas & Pengarah Strategi Pelanggan, AINNA

2016–2018Usahawan & Usaha Niaga — Various Industri

Masli Yahaya

Co-Founder & Pengarah Teknikal

30 years IT & Engineering. Architect of the Sistem Berasingan, 7-model LLM orchestra, and the broader scenario/workflow library.

Academic Background

Sijil of Competency — Marine Engineer Officer Class IV (Foreign Going), Jabatan Laut Malaysia (1995)
Diploma Kejuruteraan (Marin) — Gred A / Kelas Pertama, Ungku Omar Polytechnic (1994)
Kejuruteraan Mekanikal — Sek Men Teknik Ipoh (1989)

Experience

2019–NowPengarah Teknikal / CTO, AINNA

2014–2019Pengurus Media Sosial (IT), ICYM

2008–2014Pengurus IT, Allianze University College

2006–2008Pengurus Teknikal, QMEMS Sdn Bhd

2002–2006Jurutera Reka Bentuk Produk, Simyxta Microelectronics

1997–2002Jurutera Reka Bentuk Produk, ATL Electronic

Badrul Haziq

Kewangan & Perakaunan

Ijazah Sarjana Muda Pendidikan (Perakaunan) dengan pengalaman praktikal dalam kerja pentadbiran, pengurusan aset, dan pengajaran. Menerapkan pengetahuan perakaunan untuk menyokong operasi kewangan AINNA.

Academic Background

Ijazah Sarjana Muda Pendidikan (Perakaunan) dengan Kepujian — Universiti Pendidikan Sultan Idris (UPSI), CGPA 3.5

Matriculation Program: Perakaunan — Melaka Matriculation College, CGPA 4.00 (Dean's List)

Experience

2026Trainee Teacher, SMK Tinggi St. David

2025Administrative & Kewangan Assistant, UPSI

2025Pelajar Worker, Pusat Penyelidikan Kanak-Kanak, UPSI

2024–25Part-Time Instructor (Ping Pong), UPSI

Muhamad Hakim Hafizi

Co-Founder & Ketua Logistik

Operasi Indonesia, hubungan vendor dan logistik. Menguruskan operasi koridor perdagangan Dumai dan Medan.

Academic Background

Ijazah Sarjana Muda Kejuruteraan Mikroelektronik — Universiti Malaysia Perlis (UniMAP), focus on Automasi, Sistem Kawalan & Logistik Teknologi (2022–Kini)

Experience

2019–NowCo-Founder & Ketua Logistik, AINNA

Muhammad Hakam Hafizul

Co-Founder & Head of R&D

Malaysia operations, warehousing and logistics. Leads R&D on sensor-based systems — optical sensors, RFID triangulation.

Academic Background

Ijazah Kejuruteraan Elektronik (Sedang Berjalan) — Industri Instrumentasi, Automasi Control, Sensor Calibration & Signal Memproses (2024–Kini)
Diploma Kejuruteraan Elektrik (Measurement & Control) — MJII (2020–2023)

Experience

2019–NowCo-Founder & Head of R&D, AINNA

Muhammad Firdaus Bin Nordin

Operasi & Pembangunan Perniagaan

Menghubungkan operasi langsung dengan pembangunan perniagaan merentas unit gudang, restoran dan e-dagang. Menyokong penyampaian komersial AINNA dan operasi berhadapan pelanggan.

Academic Background

Bachelor of Technopreneurship & Teknologi Pengurusan (Sedang Berjalan) — focus on Teknologi Pengurusan, Inovasi, Jualan & Pembangunan Perniagaan.

Sijil Profesional TRIZ · BTEC (Course Related), KESSUMA 2015 & 2016 — Inovasi & Penyelesaian Masalah.

Experience

2026–KiniPembantu Gudang (Separuh Masa), J&T Bukit Rambai, Melaka

2024–Jan 2026Penolong Pengurus Restoran, Cosmo Restaurant Sdn Bhd · Burger King, Melaka

2023Eksekutif Pembangunan Perniagaan (Latihan Industri), Ferryrich Sdn Bhd — 20% sales increase on TikTok in 6 months

TerdahuluCatering Staff (2021–2023) · Kakitangan Dapur (2021)

Mohd Shafiq Haiqal Bin Masli

Operasi E-Dagang

Mengendalikan storefronts, pesanan dan aliran kerja katalog merentas pasaran. Membina dan menggabungkan 10 kedai dalam talian ke dalam AINNA, menjana jualan RM1 juta merentas kira-kira 25,000 SKU.

Academic Background

Kelayakan teknikal dalam pemesinan industri, dengan asas dalam kejuruteraan ketepatan dan penyelesaian masalah teknikal.

Experience

2024–KiniOperasi E-Dagang, AINNA — menggabungkan 10 kedai, menyelia penyenaraian, penetapan harga, kempen, dan pematuhan platform.

2021–2024Usahawan E-Dagang Bebas — 10 online stores, RM1M sales, ~25,000 SKUs

Teknologi Asset

Agent TC

Infrastruktur Pembangunan AI Milik · Ejen Dalaman

Agent TC is AINNA's internal AI-assisted development and operational agen. It helps design and manage automation workflows, data pipelines and integrations across AINNA's stack. It is presented as a technology asset, not a human founder.

Peranan

Ejen dalaman pembangunan dan operasi berbantu AI yang menyokong kelajuan kejuruteraan. Identiti model khusus, panjang konteks dan kedudukan penanda aras tidak dituntut sehingga wujud bukti yang boleh disahkan.

Supporting Aset

14Sistem terasing in production

7Model asas tempatan yang diorchestrated (DeepSeek, Qwen, Llama, Mistral, Gemma, Phi, Command-R)

259Published scenario-library items

Based di Melaka, Malaysia · Full team bios & references available in data room. Agent TC is an internal technology asset, distinct from the human founding team.

Risk

Risiko & Mitigation

Penilaian telus terhadap risiko utama dan mitigasi yang dirancang. Estimate

Pelanggan Acquisition

Menyasarkan 500 pelanggan pada Tahun 1 memerlukan GTM yang berkesan. Mitigasi: pendekatan pelbagai saluran dengan jualan langsung, rakan kongsi dan PLG; pelaksanaan perintis untuk membuktikan nilai sebelum penskalaan.

Harga Validation

Harga sasaran (RM100/RM299/RM1,000) memerlukan pengesahan pasaran. Mitigasi: pelancaran berperingkat, harga penerima awal, maklum balas berterusan, kesediaan untuk menyesuaikan peringkat harga.

Penskalaan Infrastruktur

Anggaran kos VPS mungkin berbeza mengikut harga pembekal dan penggunaan. Langkah mitigasi: reka bentuk modular, strategi pelbagai pembekal, pemantauan kos infrastruktur sebagai KPI.

Teknologi

Hybrid routing uses external API fallback not zero API dependency. Mitigation: transparent disclosure, continuous optimisation to minimise external API calls.

Competition

Penyedia AI yang mantap dan pendatang baharu. Mitigasi: Fokus khusus PKS Malaysia, kelebihan kedaulatan data, kredibiliti binaan pengendali.

Regulatory

Peraturan perlindungan data dan perkhidmatan kewangan. Seni bina direka untuk penempatan selaras dengan PDPA dan kebolehauditan, tetapi pensijilan PDPA rasmi untuk penempatan tertentu memerlukan bukti undang-undang berasingan. Pengurangan risiko: belanjawan pematuhan (5% daripada

Hasil Concentration

Sasaran Tahun-1 adalah unjuran, bukan jaminan. Mitigasi: aliran hasil yang pelbagai dan andaian pertumbuhan yang konservatif.

Due Diligence

Evidence & Due Diligence

Data yang disahkan, label yang jelas, metodologi yang telus.

Due Diligence Pack

Evidence chain behind the pitch

Each page validates a layer of the investment thesis moat, technology, unit economics, and growth path.

Aliran Kerja IP

259 Senario

Detached-system library across 33 industry verticals reusable workflow IP.

View evidence → Tech DD

LLM Seni Bina

Smart routing across 7 local models local-first with controlled fallback.

View evidence → Unit econ

87% Token Benchmark

Kajian ekonomi unit yang dimodelkan; 87% merupakan penanda aras dalaman dengan andaian yang dinyatakan.

View evidence → Pertumbuhan

Logistik OS Peta Hala Tuju

6-stage forward roadmap from operator base to broader platform ambition.

View evidence →

Data Labeling Panduan

Setiap angka utama dalam dek ini dilabelkan dengan statusnya:

Historical Past verified data

Target Intended pricing or goal

Projection Forward-looking estimate

Estimate Best-effort calculation

Internal Benchmark Internal test result

Verified Independently verifiable

Melabur dengan AINNA NeuralOps

RM2M seed · 10% equity · RM18M pre · RM20M post. Target: RM2.85M Year-1 revenue · RM88.4M 5-year combined revenue.

Request Pelabur Meeting Kembali kepada Permintaan

Dokumen ini mengandungi unjuran berpandangan ke hadapan dan anggaran sasaran. Prestasi lepas operasi dalaman tidak menjamin keputusan masa hadapan. Semua angka dilabelkan dengan statusnya sebagaimana yang berkenaan. Rujuk bahagian risiko untuk perbincangan penuh mengenai ketidakp

Pelabur Deck · Versi 2026.08 · Updated 21 August 2026 · Financial model last updated 21 August 2026