AI a buněčné zemědělství: proč je The Cultured Hub zlom

Rozjet výrobu kultivovaného masa nebo mléčných bílkovin není problém nápadu. Je to problém měřítka. V laboratoři vychází skoro všechno: pár baněk, stabilní teplota, nadšený tým. Jakmile ale chcete přejít na pilotní výrobu ve stovkách až tisících litrů, realita začne být tvrdá. V prosinci 2024 proto zaujalo otevření The Cultured Hub ve švýcarském Kemptthalu – společné scale-up zázemí, které zaštiťují Givaudan, Bühler Group a Migros.

A teď to důležité pro naši sérii Umělá inteligence v zemědělství a potravinářství: podobné provozy ukazují, kde AI dává v potravinářských inovacích největší smysl. Ne jako marketingová nálepka, ale jako „tichý“ nástroj, který drží proces stabilní, šetří čas při ladění receptur a zkracuje cestu od prototypu k bezpečné, opakovatelné výrobě.

The Cultured Hub má ambici vyplnit mezeru mezi malou laboratoří a drahou továrnou. Nabízí možnost škálovat procesy až na pilotní objemy kolem 1 000 litrů, bez toho, aby startupy musely hned kupovat vlastní zařízení nebo se vzdávat významného podílu ve firmě. V době, kdy investice do cultivated/cellular ag projektů ochladly a kapitál je dražší, je to přesně ten typ infrastruktury, který rozhoduje o tom, kdo přežije další dva roky.

The Cultured Hub: proč je „sdílený scale-up“ tak velká věc

Odpověď na otázku „proč to řešit“ je jednoduchá: škálování je nejdražší a nejrizikovější část buněčného zemědělství. Nejde jen o větší nádrže. Větší objem znamená jiné míchání, jiné přenosy kyslíku, jiný stres pro buňky, jiné riziko kontaminace a často i jiné výsledné složení produktu.

The Cultured Hub je navržený tak, aby firmy zvládly přechod:

• od „shake flasks“ a malých bioreaktorů
• k pilotním operacím, které už připomínají reálnou výrobu
• včetně podpory pro regulatorní šarže, analytiku a postupy bezpečnosti potravin

Z praxe v potravinářství platí jedna nepříjemná věc: když se proces při škálování rozbije, většinou se nerozbije viditelně hned. Rozpadne se kvalita – chuť, textura, výtěžnost, stabilita. A to je přesně místo, kde AI (a obecně pokročilá analytika) umí ušetřit měsíce.

Proč to dává smysl i ekonomicky (a proč to teď vzniká)

Zakládat vlastní pilotní biotechnologický provoz je kapitálově náročné: zařízení, validace, hygiena, kvalita, personál, bezpečnostní režimy. Sdílené facility s odborníky „na telefonu“ dávají startupům možnost:

1. testovat více iterací rychleji, než když se vše staví od nuly
2. snížit fixní náklady a přenést část rizika do OPEX
3. zrychlit rozhodování, jestli má smysl jít do plné továrny

A upřímně: v roce 2025 je to i reakce na trh. U cultivated potravin pořád visí otazník nad tím, zda se některé produkty dostanou na komoditní cenové hladiny, které by mohly konkurovat tradiční živočišné výrobě. Pilotní infrastruktura proto není „luxus“, ale filtr – oddělí procesy, které mají šanci, od těch, které jsou v principu neškálovatelné.

Kde AI reálně pomáhá v buněčném zemědělství (a kde ne)

AI v buněčném zemědělství je nejcennější tam, kde je hodně proměnných a málo času. Typicky: řízení bioprocesu, kvalita, optimalizace médií, detekce kontaminace, plánování výroby.

Naopak nečekejte, že AI sama „vymyslí“ kultivovaný steak, který bude levnější než kuřecí. Pokud je médium drahé, energie drahá a výtěžnost nízká, žádný model to kouzelně nezmění. Co ale AI umí: zkrátit cyklus učení a pomoct rychleji dojít k lepším parametrům.

1) Prediktivní řízení bioreaktoru: méně pokus–omyl

Pilotní měřítko (stovky až tisíc litrů) je místo, kde se z „receptu“ stává systém. Dobrý procesní tým dnes kombinuje klasickou automatizaci (PID regulace, alarmy) s modely, které predikují vývoj kultury.

AI/ML se používá například k:

• predikci růstu buněk podle průběhu pH, DO (rozpuštěný kyslík), spotřeby glukózy a laktátu
• odhadu správného okamžiku pro krmení (fed-batch) nebo sklizeň
• optimalizaci míchání a provzdušnění tak, aby se minimalizoval stres buněk

Praktický přínos? Stabilnější šarže a menší rozptyl kvality. A to je pro potraviny zásadní. Spotřebitel odpustí, že je to dražší. Neodpustí, že to jednou chutná dobře a podruhé divně.

2) Kontaminace a bezpečnost potravin: AI jako „včasný alarm“

U buněčných kultur je kontaminace existenciální riziko. V laboratorním měřítku ji občas zachráníte rychlou reakcí. V pilotu může kontaminace znamenat ztrátu celé šarže a týdny sanitace.

AI může pomoci tím, že:

• analyzuje časové řady ze senzorů a hledá anomálie (např. neobvyklé změny spotřeby kyslíku)
• propojuje data z mikrobiologie, provozu a čištění a hledá slabá místa
• učí se z historie „téměř incidentů“ (nejen z havárií)

Tady nejde o futurismus. Jde o to, že dřív než člověk uvidí problém v laboratorním testu, proces už často „voní“ jinak v datech.

3) Optimalizace kultivačních médií: největší nákladová položka

U cultivated produktů jsou média a růstové faktory často to, co tlačí cenu nahoru. AI je užitečná, když máte mnoho kombinací složek a chcete rychle zjistit, co funguje.

Fungují přístupy jako:

• design of experiments (DoE) podpořený ML pro hledání optimálního složení
• modely, které odhadují vztah mezi složkami a výtěžností
• simulace scénářů „co když“ pro levnější alternativy vstupů

Důležitý detail: nejlepší výsledky bývají tam, kde AI spolupracuje s procesními a biochemickými znalostmi. Čisté „házení dat do modelu“ v potravinářské biotechnologii většinou končí slepou uličkou.

„Scale-up gap“: problém, který dělí vítěze od poražených

Scale-up gap je mezera mezi prototypem a výrobkem, který jde dělat opakovaně, bezpečně a ekonomicky. The Cultured Hub vznikl přesně proto, aby tuhle mezeru zmenšil.

V praxi je škálování buněčného zemědělství kombinace tří disciplín:

1. Biologie – jak buňky rostou, co je stresuje, jak se mění fenotyp
2. Procesní inženýrství – přenos kyslíku, míchání, teplo, sterilita
3. Datová vrstva – senzory, historizace, modely, kvalita dat

Bez třetí disciplíny dnes škálování zbytečně bolí. Ne proto, že by AI byla módní, ale proto, že pilotní výroba generuje obrovské množství signálů a vazeb, které člověk ručně neuhlídá.

Co by měl mít moderní „AI-ready“ pilotní provoz

Jestli se pohybujete v potravinářství, biotechnologiích nebo investujete do food tech, dívejte se na velmi konkrétní věci:

• Senzorika a měření: pH, DO, teplota, průtoky, tlak, pěna, online/offline metabolity
• Kvalita dat: jednotný čas, kalibrace, audit trail, minimalizace ručních zápisů
• Historian a kontext: aby šlo dohledat, co se změnilo (surovina, šarže média, operátor)
• Model governance: kdo model schválil, jak se aktualizuje, jak se testuje drift

AI bez dobrých dat je jen drahá dekorace. Naopak dobrá data i bez AI zlepší proces. Ideální je obojí.

Co to znamená pro Česko: potravinářství, agrifood a šance na nové partnerství

The Cultured Hub je ve Švýcarsku, ale signál je evropský: infrastruktura se přesouvá od slibů k provozu. Pro české prostředí to otevírá dvě realistické cesty.

1) Dodavatelské příležitosti: automatizace, senzory, analytika

České firmy mají silné know-how v průmyslové automatizaci a výrobních IT. Buněčné zemědělství potřebuje:

• robustní sběr dat ze senzorů a integraci do MES/SCADA
• validované postupy (auditovatelnost, traceability)
• prediktivní údržbu a řízení energie (bioproces je energeticky citlivý)

Tohle nejsou „měkké“ inovace. Jsou to konkrétní zakázky, kde se potkává potravinářství s Průmyslem 4.0.

2) R&D spolupráce: fermentace, alternativní proteiny, přesná výživa

Vedle buněčných kultur roste význam bio-fermentace (včetně precision fermentation) pro výrobu bílkovin, tuků nebo funkčních složek. V českém prostředí už existují kapacity ve fermentaci i potravinářské chemii. Co často chybí, je:

• pilotní měřítko s kvalitní datovou vrstvou
• propojení s trhem (produkt, senzorická kvalita, regulace)

A tady je inspirace z The Cultured Hub jasná: sdílená infrastruktura může rozhýbat ekosystém rychleji než čekání na „velkou továrnu“.

Jak začít s AI v potravinářské biotechnologii bez velkých řečí

Nejrychlejší cesta k výsledku je začít u jedné úzké metriky a jedné bolesti. Ne u desetistránkové strategie.

Z praxe funguje tento postup:

1. Vyberte procesní cíl: výtěžnost, stabilita šarže, doba cyklu, spotřeba média, počet odchylek
2. Zmapujte data: co měříte online, co offline, co ručně, co chybí
3. Zaveďte „single source of truth“: jednotná databáze/historian
4. Postavte jednoduchý model: anomálie, predikce růstu, doporučení krmení
5. Ověřte přínos na 5–10 šaržích: bez toho se to v provozu neuchytí

Jedna věta, která se mi opakovaně potvrzuje: AI projekt bez metriky návratnosti skončí jako interní demo.

„Nejdražší v pilotním provozu není senzor nebo software. Nejdražší je špatná šarže, která vás naučí to samé potřetí.“

Kam se to posune v roce 2026: co sledovat

K 21.12.2025 je trend zřejmý: vznikají platformy a huby, které pomáhají škálovat, protože kapitál už není bezedný. V roce 2026 bych sledoval tři věci:

• Standardizaci dat a kvality v buněčném zemědělství (bez standardů se sdílené facility těžko provozují)
• Hybridní přístupy: kombinace kultivovaných složek s rostlinnými/fermentovanými matricemi (lepší cena i textura)
• Regulační a spotřebitelskou trajektorii v EU: rychlost schvalování, označování, důvěra

Ať už jste výrobce, technologický dodavatel nebo investor, The Cultured Hub je praktická ukázka toho, že „future food“ se nebude rodit jen v laboratoři, ale v provozu, který umí řídit kvalitu a data.

Buněčné zemědělství bez AI se dá dělat. Ale bude pomalejší, dražší a víc závislé na štěstí. V potravinářství, kde se hraje na bezpečnost, konzistenci a cenu, je tohle luxus, který si málokdo může dovolit.

Chcete-li si z toho vzít konkrétní krok pro vlastní firmu: vyberte jeden proces, kde dnes bojujete s rozptylem výsledků, a začněte měřit tak, abyste z toho zítra mohli udělat model. Budoucnost potravin se totiž nedělá jen v receptu – dělá se v datech.