AI a buněčné ryby: jak škálovat produkci bez oceánů

V prémiových restauracích se dnes platí za dvě věci: konzistentní kvalitu a příběh původu. A u tuňáka modroploutvého to platí dvojnásob. Jenže realita dodavatelských řetězců mořských ryb je čím dál tvrdší – přetlak poptávky, tlak na udržitelnost, rizika falšování, a k tomu nestabilní nabídka daná počasím, kvótami a geopolitikou.

Právě proto stojí za pozornost příklad izraelského startupu Wanda Fish, který míří na pěstované (buněčné) rybí filety – začíná modroploutvým tuňákem a žlutotlem. Jejich přístup je důležitý nejen pro „food tech“ svět, ale i pro naši sérii Umělá inteligence v zemědělství a potravinářství: buněčné zemědělství totiž není jen biologie a nerezové bioreaktory. V praxi je to hlavně řízení procesu. A tam AI často rozhoduje o tom, jestli se výroba dá ekonomicky škálovat.

Níže rozebírám, co si z příběhu Wanda Fish může odnést český potravinář, inovátor nebo investor – a hlavně kde přesně má AI v buněčné akvakultuře největší návratnost.

Co je na Wanda Fish zajímavé (a proč to není jen „lab ryba“)

Wanda Fish staví na jednoduché, ale v praxi náročné myšlence: vyrobit celý rybí filet (whole-cut) z tukových a svalových buněk, který se chová podobně jako běžná ryba při krájení, tepelné úpravě a servírování.

Klíčové je, že firma deklaruje model „jednorázový odběr“ tkáně: vezmou jeden vzorek rybí tkáně, oddělí potřebné buněčné populace (hlavně sval a tuk) a dál už se k rybě nevracejí. Pro značku je to silný příběh („jediný odběr“), pro výrobu zase stabilní buněčná linie – a tím i šance na opakovatelnost.

Další zajímavý detail: Wanda Fish zdůrazňuje, že všechny prvky nahrazují rostlinnými a chtějí se vyhnout živočišným složkám. V buněčném zemědělství to typicky znamená tlak na:

• složení kultivačního média (aby bylo levné, bezpečné a škálovatelné),
• růstové faktory a jejich alternativy,
• procesní kontrolu (protože méně „berliček“ v médiu = vyšší nároky na stabilitu).

A přesně tady začíná prostor pro AI.

Proč buněčné mořské plody potřebují AI dřív než marketing

Největší brzda buněčných potravin bývá překvapivě prostá: cena a výtěžnost. CEO Wanda Fish otevřeně mluví o cestě k „price parity“ a zmiňuje typické páky: vyšší hustota buněk v bioreaktoru, levnější ingredience a recyklace média.

To jsou tři věty, ale v pozadí je stovky rozhodnutí denně.

AI jako „autopilot“ pro bioproces

Buněčná akvakultura je v praxi řízení komplexního systému, kde se mění:

• teplota, pH, rozpuštěný kyslík (DO), CO₂,
• míchání, smykové napětí, pěnění,
• koncentrace živin (glukóza, aminokyseliny), metabolitů (laktát, amoniak),
• rychlost růstu, diferenciace buněk, poměr sval/tuk.

Moderní provoz proto potřebuje prediktivní řízení: nečekat, až se proces „rozjede špatně“, ale včas zachytit signál, že se buněčná kultura blíží k limitu.

V praxi se tu uplatní hlavně:

• modely časových řad pro predikci odchylek (např. drift pH a DO),
• soft-senzory (AI odhadne veličiny, které neměříte online – třeba koncentraci laktátu – z kombinace dostupných signálů),
• reinforcement learning / MPC (pokročilé strategie řízení dávkování živin a okysličení),
• detekce anomálií pro včasné odhalení kontaminace nebo selhání senzoru.

Jedna věta, kterou říkám často: když škálujete bioreaktor, škálujete i nejistotu. AI ji umí zmenšit.

Optimalizace „media cost“: kde se láme ekonomika

V buněčné výrobě obvykle neprohraje ten, kdo má horší PR. Prohraje ten, kdo má drahé médium.

AI se dá použít k návrhu a optimalizaci složení média:

1. systém navrhne experimenty (Design of Experiments) tak, aby daly maximum informací s minimem běhů,
2. model (např. bayesovská optimalizace) hledá kombinace složek pro nejlepší růst při nejnižší ceně,
3. procesní data se vrací zpět do modelu a zpřesňují predikce.

Pokud Wanda Fish cílí na trh kolem roku 2026, bude právě tahle disciplína rozhodovat, jestli první komerční dávky skončí jen v pár restauracích, nebo se otevřou dveře retailu.

Proč začínají restauracemi: strategie, která dává smysl

Wanda Fish chce začít ve fine dining a teprve později jít do retailu. Není to póza – je to racionální postup.

Restaurace dávají tři výhody:

• vyšší prodejní cena: dokážete prodávat dřív, než dosáhnete cenové parity,
• rychlá zpětná vazba: šéfkuchař je přísný „tester“ textury, chování na pánvi, chuti i výtěžnosti,
• značka: dobrá restaurace funguje jako důvěryhodný filtr.

Z pohledu AI je na tom nejlepší, že restaurace umí poskytnout strukturovanou zpětnou vazbu, kterou lze převést na data: „tahá se“, „je suchý“, „příliš měkký“, „tuk se rozpouští moc rychle“. Pokud to sbíráte systematicky, dá se to spojit s parametry procesu a vytvořit mapu: které bioprocesní nastavení vede k jakému senzorickému výsledku.

AI pro kvalitu: od „chutná/ nechutná“ k měřitelným metrikám

Největší chyba, kterou firmy dělají, je odsun kvality na konec. U whole-cut ryb je kvalita primární parametr.

AI pomůže propojit:

• obrazová data (mikroskopie, struktura tkáně),
• fyzikální testy (pevnost, pružnost, ztráta vody),
• chemii (profil mastných kyselin, volatilní látky),
• senzorické hodnocení (panel, kuchaři).

Výsledek? Místo dojmů máte prediktivní model kvality, který lze použít při škálování.

Co si z toho může vzít české zemědělství a potravinářství

Na první pohled to vypadá jako „izraelský tuňák v laboratoři“ – daleko od českého pole. Jenže princip je stejný jako v precizním zemědělství: měřit → předvídat → řídit.

Tady jsou tři konkrétní přenosy do praxe, které v Česku dávají smysl už dnes:

1) Digitální dvojče výroby (nejen pro bioreaktory)

Digitální dvojče není buzzword, když ho použijete správně. V potravinářství může modelovat třeba fermentaci, sušení, zrání nebo chlazení.

U buněčné akvakultury je to téměř nutnost: digitální dvojče bioprocesu pomůže testovat scénáře (např. změnu dodavatele surovin média) bez rizika zkažené dávky.

2) Prediktivní údržba a kvalita v reálném čase

Pokud se učíme z buněčných provozů, pak hlavně tohle: online kontrola je levnější než řešení reklamací.

Stejné metody (detekce anomálií, predikce driftu) se dají aplikovat na:

• mlékárny (CIP procesy, stabilita teplotních režimů),
• pivovary (fermentace, kontaminace),
• masný průmysl (chladicí řetězec, výtěžnost).

3) Transparentní „původ“ jako konkurenční výhoda

Wanda Fish staví příběh na tom, že se k rybě nevrací a oceán nezatěžuje. Podobně české firmy mohou stavět na datové dohledatelnosti: od pole po výrobní linku.

AI tu hraje roli v automatizaci dokumentace, kontrole konzistence šarží a odhalování odchylek.

Nejčastější otázky, které si lidé kladou (a jak na ně odpovědět bez omáčky)

Kdy budou buněčné ryby běžně v obchodech?

U většiny firem se realistický horizont retailu měří v letech, ne v měsících. Wanda Fish míří na trh kolem roku 2026, zpočátku v restauracích.

Proč začínat tuňákem modroploutvým a ne „levnou rybou“?

Protože prémiová ryba snese vyšší cenu v prvních letech a zároveň řeší největší tlak na oceán i reputační riziko falšování.

Nahradí to klasický rybolov?

Ne v krátkém období. Přínos je v tom, že část poptávky (hlavně prémiové druhy) může přejít na alternativní výrobu a ulevit přetíženým ekosystémům.

Co bych dělal na místě výrobce: 90denní plán pro AI ve výrobě buněčných potravin

Pokud jste potravinářský inovátor, který zvažuje buněčnou výrobu nebo jiný citlivý bioproces, tady je postup, který jsem viděl fungovat:

1. Audit dat: co měříte, jak často, jak spolehlivě, kde jsou slepá místa.
2. Jedno use-case s jasným KPI: např. snížení zmetkovitosti o X %, zvýšení výtěžnosti o Y %.
3. Model anomálií nad historickými šaržemi: rychlá hodnota, nízké riziko.
4. Soft-senzory: odhad klíčových veličin bez drahého hardware.
5. Pilot prediktivního řízení na dílčím kroku (např. dávkování živin).

Tohle je přesně typ práce, kde AI v potravinářství není „hezký dashboard“, ale přímá cesta k ekonomice provozu.

Kam to celé míří v roce 2026 (a proč to řešit už v prosinci 2025)

Prosinec bývá měsíc plánování rozpočtů a investic. A zároveň měsíc, kdy potravinářské firmy řeší stabilitu dodávek, ceny vstupů a reputační rizika. Buněčné mořské plody nejsou sci-fi; jsou to provozní systémy, které se učí vyrábět konzistentně a levně.

Moje sázka je jasná: vyhrají týmy, které spojí biotechnologii s AI pro řízení procesu. Ne ty, které nejhlasitěji mluví o udržitelnosti, ale ty, které dokážou udržitelnost převést do čísel: výtěžnost, energetika, odpad, stabilita šarží.

Pokud řešíte AI v zemědělství a potravinářství, buněčná akvakultura je skvělý lakmusový papírek: ukazuje, jak moc se výroba potravin mění z „řemesla“ na datově řízený průmysl. A teď ta podstatná otázka: máte v roce 2026 chtít být dodavatelem těchto dat a modelů, nebo jen jejich pasivním uživatelem?