AI a mycelium: recept na protein a čerstvou zeleninu

Astronauti na dlouhých misích nepotřebují jen kalorie. Potřebují stabilní přísun bílkovin, vitamínů a čerstvých potravin – a to v prostředí, kde je voda, energie i prostor dražší než zlato. Právě proto má smysl sledovat, kdo vyhrává soutěže typu Deep Space Food Challenge: ukazují totiž, jak bude vypadat „zemědělství bez půdy“ nejen na Měsíci, ale i v halách, kontejnerech a sklenících tady u nás.

Kanadskou část Deep Space Food Challenge vyhrál systém CANGrow, který kombinuje pěstování čerstvé zeleniny a ovoce (např. jahody, cherry rajčata) s výrobou proteinu z mycelia pomocí biomasa fermentace. Na první pohled je to kosmická kuriozita. Já to ale čtu jako velmi praktickou lekci pro každého, kdo řeší náklady, udržitelnost a predikci kvality ve výrobě potravin: uzavřené produkční systémy se bez AI dlouhodobě neobejdou.

Proč vyhrál systém, který spojuje mycelium a hydroponii

CANGrow uspěl hlavně proto, že řeší celý jídelníček, ne jen jednu komoditu. Většina návrhů ve finále podobných soutěží míří na jeden zdroj proteinu (řasy, hmyz, mycelium). Jenže dlouhá mise znamená měsíce a roky. A roky znamenají nutriční pestrost, psychologii jídla i stabilitu dodávek.

Koncept CANGrow stojí na pěti komorách:

• 4 pěstební komory s LED osvětlením a hydroponií (voda je UV ošetřená)
• 1 malý bioreaktor pro produkci myceliového proteinu (biomasa fermentace)

Tohle spojení je důležité i pro pozemské zemědělství: čerstvá produkce řeší mikronutrienty, chuť a „fresh“ efekt, zatímco fermentace dává spolehlivý protein s předvídatelnými parametry.

Nejzajímavější na CANGrow není kosmos. Je to myšlenka, že jeden systém umí plánovat a vyrábět „zeleninu i bílkovinu“ podle toho, co zrovna chybí.

Kde do toho vstupuje AI: bez optimalizace je to drahá hračka

Uzavřené pěstování i fermentace mají společné jedno: všechno je měřitelné. A když je všechno měřitelné, tak je škoda to neoptimalizovat.

AI v pěstebních komorách: světlo, voda, stres rostlin

V hydroponii a vertikálním farmaření se nejčastěji láme chleba na:

• spotřebě energie (LED)
• hospodaření s vodou a živinami
• prevenci chorob (plísně, biofilm, kontaminace)

AI v precizním zemědělství tady dává okamžitý smysl: model může upravovat světelné receptury (intenzita, spektrum, fotoperioda) podle fáze růstu, cílové kvality a aktuální „reakce“ rostlin (z kamer, multispektru, senzorů transpirace).

Prakticky to znamená, že místo pevného nastavení „svítíme 16 hodin denně“ se systém chová jako řízení výroby:

• když rostlina zpomaluje růst, AI hledá příčinu (živiny, pH, teplota, VPD)
• když se zvedá riziko plísní, AI dřív upraví proudění vzduchu a zálivku
• když je drahá elektřina, AI plánuje energeticky levnější okna bez pádu výnosu

V prosinci 2025 je tohle mimochodem extrémně aktuální i na Zemi: ceny energií a tlak na uhlíkovou stopu nutí producenty hledat měřitelnou efektivitu. AI není „nice to have“, ale způsob, jak udržet jednotkovou ekonomiku.

AI v bioreaktoru: stabilní protein znamená stabilní proces

Fermentace biomasy (včetně mycelia) je citlivá na:

• teplotu, pH, rozpuštěný kyslík
• rychlost míchání a provzdušnění
• složení média a dávkování substrátu
• mikrobiální kontaminace

Tady AI funguje jako „operátor navíc“:

• predikuje odchylky dřív, než se projeví ve výtěžnosti
• optimalizuje krmné křivky (kdy a kolik dávkovat)
• hlídá kvalitu a opakovatelnost šarží

Pro potravinářství je to zásadní: retail a gastro chtějí konzistentní chuť, texturu a nutriční profil. Myceliový protein má obrovskou výhodu v tom, že se dá ladit procesně – a AI tohle ladění výrazně urychluje.

Co si z kosmického pěstování může vzít české zemědělství

Ne každý bude stavět pětikomorový modul. Ale principy jsou přenositelné do českých podmínek – od skleníků přes pěstování v kontejnerech až po potravinářské provozy.

1) „Dvojí produkce“ jako strategie proti riziku

Kombinace čerstvé produkce a fermentace se dá číst jako řízení rizika:

• když kolísá výnos plodin, protein z fermentace drží stabilitu nabídky
• když je problém v bioreaktoru, čerstvá produkce stále běží

Pro firmy, které cílí na B2B odběratele (gastro, kantýny, retail), je tahle robustnost často důležitější než absolutní maximum výnosu.

2) Uzavřené systémy jsou ideální pro datové řízení

Na poli sbíráte data „s šumem“ (počasí, půda, škůdci). V uzavřené hale je variabilita menší – a to je pro AI dar.

Pokud už dnes používáte senzory (EC/pH, teploty, CO₂, vlhkost), máte nakročeno k:

• predikci výnosu (skutečně po dnech, ne odhadem)
• plánování sklizně podle objednávek
• řízení kvality (cukernatost, velikost plodu, pevnost)

3) Kompostování a recyklace: méně odpadu, méně nákupů

CANGrow zmiňuje i akcelerované kompostování jako součást ekosystému. Na Zemi tohle dává smysl hlavně ve městech a v gastro provozech: bioodpad se mění v vstup do další produkce.

AI zde pomáhá s:

• predikcí objemu odpadu (plánování kapacit)
• optimalizací poměru uhlík/dusík v kompostu
• kontrolou hygieny a rizik (teplota, čas, patogeny)

Jak vypadá AI-řízená architektura „farmy v krabici“

AI v zemědělství a potravinářství není jedna aplikace. Funkční řešení je spíš skládačka, která propojí pěstování, fermentaci i logistiku.

Minimální sada dat, která se vyplatí sbírat

Pro start nepotřebujete stovky senzorů. Největší efekt má pár kanálů:

• pěstování: teplota, RH, CO₂, světelná intenzita, EC/pH živného roztoku, průtok
• vizuál: kamerový monitoring (růst, barva, symptomy)
• fermentace: teplota, pH, DO, tlak/plyny, dávkování substrátu
• energie: spotřeba po okruzích (světla vs. HVAC vs. čerpadla)

Tři AI funkce, které přinášejí nejrychlejší návratnost

1. Prediktivní řízení klimatu a LED – snižuje náklady na energii a stabilizuje kvalitu.
2. Včasná detekce stresu a chorob z obrazu – snižuje ztráty a zásahy „na poslední chvíli“.
3. Prediktivní kontrola fermentace – méně zkažených šarží, vyšší výtěžnost.

Já jsem v praxi opakovaně viděl, že firmy nejdřív řeší „AI model“, ale přeskočí disciplínu v datech: kalibrace senzorů, jednotné značení šarží, kvalitní logování událostí. Přitom právě to rozhoduje, jestli AI bude přínos, nebo jen další dashboard.

Časté otázky, které padají u mycelia a AI (a jasné odpovědi)

Je myceliový protein totéž co houby?

Ne. Mycelium je vláknitá „podhoubní“ struktura. V potravinářství se často pěstuje řízeně v bioreaktoru a výsledný produkt je biomasa s vysokým podílem bílkovin a vlákniny.

Proč se mycelium hodí do extrémních podmínek?

Protože výroba probíhá v uzavřené nádobě, s menšími nároky na prostor a s dobře kontrolovatelným prostředím. To je přesně typ procesu, který se dá automatizovat a optimalizovat.

Kde je největší přínos AI: ve výnosu nebo v nákladech?

V uzavřených systémech typicky nejdřív v nákladech a stabilitě (energie, ztráty, zkažené šarže). Teprve potom přichází hon za maximálním výnosem.

Co udělat hned: rychlý plán pro firmy, které chtějí AI ve výrobě potravin

Pokud jste skleník, vertikální farma, producent hydroponie nebo potravinář s fermentací, tenhle postup funguje spolehlivě:

1. Vyberte jeden cíl (např. snížit spotřebu energie o 10 % v Q1 2026, nebo omezit zmetkovitost šarží).
2. Zaveďte datovou hygienu (kalibrace, jednotné názvy, log událostí).
3. Postavte baseline (jak to vypadá bez AI – náklady, výnos, kvalita).
4. Nasazujte AI jako řízení, ne report (automatické zásahy s limity a schvalováním).
5. Měřte dopad na jednotkovou ekonomiku (Kč/kg, kWh/kg, ztráty %).

Tohle je přesně duch „precizního zemědělství“: méně dojmů, víc čísel.

Kam to celé míří v roce 2026: potraviny jako řízený systém

Výhra CANGrow v Deep Space Food Challenge je signál, že budoucnost potravin není jen o nových surovinách, ale o systémech, které umí vyrobit víc kategorií potravin v jednom kontrolovaném ekosystému.

V rámci naší série Umělá inteligence v zemědělství a potravinářství tohle beru jako jasný milník: AI je spojovací tkáň mezi pěstováním, fermentací, recyklací a plánováním dodávek. Bez ní se uzavřené produkční moduly těžko škálují – ekonomicky i provozně.

Chcete si z toho odnést jednu větu? Kdo umí řídit světlo, vodu a mikrobiologii daty, ten bude mít v příštích letech stabilnější kvalitu i marži. A otázka pro rok 2026 zní: budete tuhle „farmu v krabici“ stavět ve vlastní režii, nebo si ji vezmete jako službu?