Pengeluaran daging yang ditanam secara berskala adalah mahal dan memakan masa. Beralih dari makmal kecil ke bioreaktor komersial sering gagal disebabkan oleh hasil biologi yang tidak dapat diramalkan. Tetapi AI dan kembar digital sedang mengubah ini. Alat-alat ini mensimulasikan dan mengoptimumkan proses secara maya, mengurangkan kos dan masa pembangunan sehingga 50%. Berikut adalah caranya:
- Kembar digital mencipta replika maya bioreaktor, mensimulasikan keadaan seperti dinamik bendalir dan pengagihan nutrien. Mereka meramalkan hasil tanpa merisikokan peralatan fizikal.
- Penderia berkuasa AI membolehkan pemantauan dan penyesuaian masa nyata, meningkatkan kecekapan dan mengurangkan pembaziran.
- Syarikat seperti Gourmey telah menggunakan teknologi ini untuk menurunkan kos pengeluaran kepada €7/kg (£6/kg) dan mengurangkan perbelanjaan makanan kepada €0.20/liter (£0.17/liter).
Dari mengoptimumkan pertumbuhan sel hingga mencegah kegagalan peralatan, AI dan kembar digital sedang membentuk semula laluan ke arah pengeluaran daging ternakan yang boleh diskalakan dan kos-efisien. Teruskan membaca untuk mengetahui bagaimana alat-alat ini dilaksanakan dan kesannya terhadap industri.
Kesan AI dan Kembar Digital terhadap Kos dan Kecekapan Pengeluaran Daging Ternakan
Aplikasi AI dan Kembar Digital untuk Pemprosesan Bio: Perangkap dan Laluan Penyelesaian untuk...
sbb-itb-ffee270
Manfaat AI dan Kembar Digital untuk Pengeluaran Daging Ternakan
AI dan kembar digital memberikan impak besar pada pengeluaran daging ternakan dengan meningkatkan kawalan proses, mengurangkan kos, dan membuka jalan untuk operasi komersial berskala besar.
Peningkatan Kawalan dan Pemantauan Bioreaktor
Kembar digital membolehkan pengeluar mensimulasikan keadaan bioreaktor - seperti geometri, dinamik bendalir, dan tetapan fizikal - menjadikannya mungkin untuk menjalankan senario "bagaimana jika". Simulasi ini membantu menyelaraskan parameter kritikal seperti suhu, tahap pH, dan bekalan nutrien tanpa perlu penyesuaian fizikal yang mahal [1] [6] [4].
AI memainkan peranan penting melalui "penginderaan lembut", yang membolehkan pemantauan masa nyata bagi pembolehubah yang sukar diukur secara langsung. Sensor maya menganggarkan butiran seperti tahap oksigen terlarut dan kepekatan glukosa di kawasan di mana sensor fizikal tidak mencukupi. Data dari bioreaktor sentiasa dibandingkan dengan model maya, membantu mengesan perbezaan atau tanda awal masalah peralatan.Ini membolehkan penyelenggaraan ramalan, seperti yang disorot oleh Octocells:
"Dengan meramalkan bila mesin mungkin gagal atau memerlukan perkhidmatan, penyelenggaraan akan dijadualkan secara proaktif, mengurangkan masa henti dan memanjangkan jangka hayat peralatan." [1]
Selain itu, AI kausal membantu pengeluar memahami interaksi molekul, meramalkan bagaimana molekul tertentu akan mempengaruhi tingkah laku sel [4]. Keupayaan ini meningkatkan kebolehpercayaan sambil mengurangkan kos, mewujudkan asas kukuh untuk meningkatkan pengeluaran.
Mengurangkan Kos Melalui Pengoptimuman Proses
Kawalan yang lebih baik ke atas bioreaktor secara langsung mengurangkan kos operasi dengan meminimumkan pembaziran dan mengoptimumkan penggunaan media kultur sel - perbelanjaan terbesar dalam pengeluaran daging yang ditanam.Kembar digital membolehkan ujian maya terhadap tingkah laku sel dan perubahan media, dengan ketara mengurangkan keperluan untuk eksperimen makmal basah yang mahal.
Satu contoh hebat datang dari Gourmey, sebuah syarikat permulaan Perancis yang bekerjasama dengan firma bioteknologi DeepLife pada Jun 2025. Bersama-sama, mereka membangunkan kembar digital sel unggas dengan menganalisis data penjujukan dari berjuta-juta sel burung dan mengintegrasikannya dengan data gangguan media. Nicolas Morin-Forest, CEO Gourmey, menjelaskan:
"Mengoptimumkan parameter ini meningkatkan hasil, mengurangkan pembaziran makanan, yang merupakan pendorong kos utama dalam daging yang ditanam, dan secara langsung mengurangkan kos pengeluaran." [4]
Jonathan Baptista, CEO DeepLife, turut menyatakan:
"Model ini ditala halus menggunakan data Gourmey mengenai gangguan media, membolehkannya meramalkan bagaimana molekul yang berbeza akan mempengaruhi tingkah laku setiap populasi sel." [4]
Selain pengoptimuman media, kembar digital juga membantu mengurangkan perbelanjaan modal. Syarikat boleh mencipta replika kilang maya untuk menguji susun atur, penempatan peralatan, dan aliran kerja sebelum pembinaan bermula, memastikan kecekapan maksimum [1]. Simulasi ini juga menyediakan cara yang selamat dan kos efektif untuk melatih pengendali, mempercepatkan kesediaan dan mengurangkan perbelanjaan latihan.
Meningkatkan Pengeluaran ke Skala Komersial
Kembar digital memainkan peranan penting dalam meningkatkan operasi dari makmal ke pengeluaran berskala penuh. Peralihan ini sering datang dengan cabaran kejuruteraan, terutamanya dalam memastikan aliran bendalir dan pengagihan nutrien dalam bioreaktor besar. Kembar digital, digabungkan dengan dinamik bendalir pengiraan (CFD), membantu mengoptimumkan faktor-faktor ini [7].
Dengan mensimulasikan reka bentuk dan proses, pengeluar boleh merapatkan jurang antara susunan eksperimen dan pembuatan berskala besar. Seperti yang dinyatakan oleh FUDZS:
"Dengan mengenal pasti reka bentuk yang paling cekap melalui simulasi, pelabur akan memastikan bahawa setiap dolar atau euro yang dibelanjakan untuk pembinaan memberikan pulangan pelaburan yang tertinggi!" [1]
Pada skala komersial, kembar digital terus memantau prestasi peralatan secara masa nyata, membandingkannya dengan penanda aras maya untuk mengesan tanda-tanda awal kehausan. Pendekatan proaktif ini meminimumkan masa henti, memastikan pengeluaran berterusan untuk memenuhi permintaan pasaran [1].
Simulasi yang didorong oleh AI juga mempercepatkan penyelidikan dan pembangunan dengan mengurangkan kebergantungan pada eksperimen makmal basah tradisional. Ini membolehkan pengeluar untuk cepat memperhalusi garis sel, formula media, dan proses pengeluaran sambil kekal dalam bajet dan mengikut jadual.
Cara Melaksanakan AI dan Kembar Digital dalam Automasi Bioproses
Membawa AI dan kembar digital ke dalam pengeluaran daging yang diternak memerlukan asas yang kukuh dalam pengurusan data, teknik pemodelan hibrid, dan perkakasan yang sesuai. Titik permulaan adalah membina lapisan data yang menstrim data bioreaktor kritikal - seperti pH, oksigen terlarut, tork, kelajuan pengadukan, dan jisim suapan - ke dalam sejarawan kilang. Langkah ini meletakkan asas untuk pelaksanaan yang berkesan [5] .
Fasa seterusnya melibatkan penciptaan model hibrid. Pendekatan ini menggabungkan prinsip mekanistik, seperti imbangan jisim dan kadar pemindahan oksigen, dengan algoritma pembelajaran mesin. Dikenali sebagai model "kotak kelabu", ia melangkaui kaedah berasaskan fizik tradisional untuk meramalkan tingkah laku biologi yang kompleks dengan lebih baik.Sebagaimana yang dinyatakan oleh James Westley, Pengarah Bersekutu di Cambridge Consultants:
"Pendekatan ini bermula dengan melengkapkan AI dengan 'kecerdasan sebenar'... menggabungkan AI dengan kepakaran domain untuk mengurangkan bilangan eksperimen – dari ribuan rendah kepada puluhan tinggi" [2].
Dengan mengurangkan bilangan eksperimen yang diperlukan, kaedah ini dapat mengurangkan kos dengan ketara sambil mengekalkan ketepatan. Setelah asasnya diletakkan, tumpuan beralih kepada melatih kembar digital dan mengintegrasikannya ke dalam kawalan proses masa nyata.
Melatih Kembar Digital dengan Data Eksperimen
Untuk kembar digital berfungsi dengan berkesan, ia memerlukan data berkualiti dari eksperimen fizikal. Model tradisional sering memerlukan ratusan atau bahkan ribuan titik data.Namun, pemodelan hibrid mempermudah ini dengan menggabungkan hubungan fizikal dan kimia yang diketahui, seperti bagaimana peningkatan CO₂ mempengaruhi pH, mengurangkan beban data [2] .
Menggunakan Reka Bentuk Eksperimen (DoE) berpandukan AI dengan pengoptimuman Bayesian lebih memudahkan proses. Kaedah ini mengutamakan eksperimen yang paling bermaklumat, mengelakkan ketidakcekapan percubaan dan kesilapan. Sebagai contoh, dalam satu kajian, penyelidik melatih model hibrid menggunakan hanya 21 eksperimen dan mengesahkannya dengan 6 ujian tambahan. Model tersebut dengan tepat meramalkan pertumbuhan biomassa dan penggunaan glukosa [8] .
Kelebihan ini bukan sekadar teori. Pada Jun 2025, syarikat permulaan Perancis Gourmey bekerjasama dengan firma bioteknologi DeepLife untuk membangunkan kembar digital bagi pengeluaran ayam ternakan.Dengan menganalisis data penjujukan dari berjuta-juta sel avian dan mengintegrasikannya ke dalam Model Bahasa Besar (LLM), mereka mensimulasikan mekanisme intraselular. Ini membolehkan mereka mengoptimumkan formulasi makanan secara maya sebelum menjalankan eksperimen fizikal. Seperti yang dijelaskan oleh Nicolas Morin-Forest, CEO Gourmey:
"Dengan menggabungkan platform penanaman sel milik Gourmey dan alat analisis canggih dengan teknologi kembar digital terkemuka DeepLife, kami kini dapat mensimulasikan dan mengoptimumkan setiap peringkat pengeluaran" [4].
Kaedah sedemikian bukan sahaja mengurangkan kos tetapi juga meningkatkan kawalan ke atas proses pengeluaran.
Mengintegrasikan AI untuk Pelarasan Masa Nyata
Sebaik sahaja kembar digital dilatih, ia boleh digunakan untuk kawalan proses masa nyata melalui Model Predictive Control (MPC) atau Reinforcement Control (RC).Sistem-sistem ini menyesuaikan parameter seperti pH, oksigen terlarut, dan kadar makanan berdasarkan ramalan kembar [5] . Jenis kawalan gelung tertutup ini bergantung pada Teknologi Analisis Proses (PAT), dengan sensor canggih seperti spektroskopi Raman atau FTIR yang mengukur metabolit utama kira-kira setiap 60 saat [5].
Sebelum mengautomasikan sepenuhnya proses, adalah bijak untuk menguji sistem dalam "mod bayangan". Ini membolehkan cadangan AI dibandingkan dengan keputusan pengendali tanpa risiko, membina kepercayaan terhadap keupayaan sistem [5]. Contohnya, Elise Biopharma menggunakan kembar digital dengan MPC dalam proses fed-batch 1,000 liter. Ini mendedahkan isu pemindahan oksigen yang disebabkan oleh kelikatan sup. Dengan mengimbangi semula pengadukan dan tekanan balik, sistem menyelesaikan isu tersebut dan meningkatkan hasil [5].
Untuk memastikan kejayaan, peralatan mesti menyokong penstriman data berterusan dan aliran maklumat dua hala. "Sensor lembut" yang dikuasakan oleh AI amat berharga di sini, kerana ia menyimpulkan pembolehubah yang sukar diukur secara langsung, menawarkan pandangan yang melampaui jangkauan sensor fizikal [5].
Menggunakan Cellbase untuk Perolehan Peralatan
Menskalakan AI dan kembar digital dari makmal ke pengeluaran komersial memerlukan perkakasan khusus yang mungkin tidak disediakan oleh pembekal makmal umum. Peralatan penting termasuk bioreaktor dengan sambungan data bersepadu, sensor dalam talian canggih seperti probe Raman dan FTIR, spektrometer jisim gas buangan, dan bioreaktor selari berbilang telaga dengan mikrofluidik. Selain itu, media pertumbuhan mesti dipantau dengan teliti, kerana variasi dalam komposisi boleh memberi kesan yang ketara terhadap tindak balas biologi [2][5].
Bagi syarikat meningkatkan proses daging yang ditanam dari penyelidikan ke pengeluaran komersial,
Kajian Kes: Kembar Digital dan AI dalam Pengeluaran Daging Ternakan
DeepLife-Gourmey Kembar Digital Avian
Kajian kes ini meneroka bagaimana teknologi AI dan kembar digital mengubah industri daging ternakan, dengan fokus pada kerjasama antara syarikat daging ternakan Perancis Gourmey dan firma bioteknologi DeepLife.
Pada bulan Jun 2025, Gourmey dan DeepLife melancarkan kembar digital avian pertama - model maya sel unggas yang bertujuan untuk mengoptimumkan keadaan pertumbuhan. Projek ini menumpukan pada sel stem embrio itik, mengumpul data multi-omik selama tujuh hari. Data ini dianalisis menggunakan Model Bahasa Besar, yang mengenal pasti mekanisme intrasel dan meramalkan bagaimana pelbagai molekul mempengaruhi tingkah laku sel [4] [9].
Kembar digital menggunakan AI kausal untuk memetakan hubungan sebab-akibat dalam sel. Rangka kerja Target-Action-Metabolite (TAM) menghubungkan hasil selular, seperti peningkatan daya hidup sel atau peningkatan sintesis lemak, kepada metabolit tertentu dan parameter proses [9]. Ini membolehkan beribu-ribu eksperimen maya, mengurangkan percubaan makmal basah yang mahal dan memakan masa. Wawasan yang diperoleh telah membawa kepada kemajuan pengeluaran yang boleh diukur.
Satu penemuan menonjol adalah peranan asid oleoyl-lisofosfatidik (LPA). AI mencadangkan bahawa LPA boleh mengaktifkan gen pengawal tenaga SIRT6, meningkatkan daya hidup sel dan mengimbangi tahap lipid. Ini membolehkan pengoptimuman media tanpa memerlukan pengubahsuaian genetik [9]. Nicolas Morin-Forest, CEO Gourmey, menekankan impak teknologi ini:
"Mengintegrasikan teknologi kembar digital DeepLife ke dalam platform kami membolehkan kami memodelkan bagaimana sel avian bertindak balas terhadap pelbagai keadaan kultur sebelum memasuki makmal. Ini mempercepatkan kitaran R&D kami, mengurangkan kebergantungan pada percubaan dan kesilapan yang mahal, dan akhirnya meningkatkan keupayaan kami untuk mengoptimumkan ekonomi pengeluaran pada skala besar" [10].
Keputusan adalah mengagumkan. Gourmey telah mencapai kos pengeluaran sebanyak €7/kg (sekitar £6/kg) pada skala komersial 5,000 liter - angka terendah yang direkodkan dalam penilaian tekno-ekonomi bebas setakat ini [10]. Tambahan pula, syarikat telah mengurangkan harga makanan selamat untuk makanan kepada kira-kira €0.20 per liter (sekitar £0.17 per liter) [10]. Dengan lebih daripada €65 juta dalam pembiayaan, pasukan 60 orang Gourmey di Paris terus memperhalusi kembar digital, menggunakannya untuk meningkatkan aspek deria seperti intensiti umami dan struktur lemak. Kerjasama ini menunjukkan bagaimana AI dan kembar digital boleh memberikan kemajuan yang boleh diskalakan dan berimpak dalam pengeluaran daging yang ditanam [10].
Cabaran dan Trend Masa Depan dalam AI dan Kembar Digital untuk Pemprosesan Bio
Cabaran Penerimaan dan Keperluan Data
Mewujudkan kembar digital untuk pengeluaran daging yang ditanam bukanlah satu tugas yang mudah. Membangunkan model AI tujuan umum untuk pemprosesan bio memerlukan set data yang luas - ratusan hingga ribuan titik data. Proses ini bukan sahaja memakan masa; ia juga boleh menelan belanja berjuta-juta dan mengambil masa bertahun-tahun untuk disiapkan [2]. Cabaran terletak pada biologi itu sendiri, di mana sekurang-kurangnya sepuluh pembolehubah proses berinteraksi dengan cara yang sangat kompleks dan tidak linear [2].
Infrastruktur yang diperlukan untuk menyokong usaha ini adalah sama mencabar. Syarikat memerlukan automasi makmal berkapasiti tinggi untuk penyediaan media, bioreaktor yang dilengkapi dengan sensor pemantauan masa nyata (menjejaki pH, suhu, oksigen terlarut, dan nutrien), dan sistem pengkomputeran berprestasi tinggi untuk mengendalikan simulasi AI [11] . Selain itu, kos bahan kekal sebagai halangan - serum lembu janin, sebagai contoh, berharga £70 per 50 ml, manakala mikropembawa untuk tangki bioreaktor 2,000 liter berharga sekitar £13,000 [11] . Satu lagi halangan yang ketara adalah kekurangan set data khusus avian, yang mengehadkan keupayaan model AI untuk menggeneralisasikan merentasi spesies unggas yang berbeza [12].
Untuk mengatasi halangan ini, syarikat-syarikat sedang mengamalkan pemodelan hibrid - satu kaedah yang menggabungkan AI dengan kepakaran domain dan fizik prinsip pertama. Dengan mengintegrasikan hubungan yang diketahui, seperti korelasi songsang antara tahap CO₂ dan pH, model-model ini dapat mengurangkan dengan ketara bilangan eksperimen fizikal yang diperlukan [2] [13]. Menangani cabaran-cabaran ini adalah penting untuk sepenuhnya memanfaatkan automasi yang didorong oleh AI dalam sektor daging yang ditanam. Walaupun terdapat kesukaran, trend yang muncul sedang membuka jalan untuk perubahan transformasi dalam automasi bioproses.
Trend Masa Depan dalam Automasi Bioproses Didorong AI
Industri ini bertindak balas terhadap cabaran ini dengan inovasi terkini. Pasaran AI global dalam daging yang diternak dijangka berkembang dari £70 juta pada 2025 kepada £2,500 juta menjelang 2035, dengan kadar pertumbuhan tahunan sebanyak 42.7% [11]. Beberapa trend utama mendorong pengembangan ini. Sebagai contoh, biopencetakan 3D bersepadu AI sedang mengoptimumkan formulasi bahan dan parameter pencetakan untuk mencipta struktur rangka yang meniru tekstur daging semula jadi [11]. Begitu juga, sistem penyelenggaraan ramalan sedang digunakan untuk memantau keadaan bioreaktor, membantu menjangka dan mencegah isu seperti kegagalan batch atau pencemaran [11][12] .
Pada Januari 2025, China mengambil langkah berani dengan melancarkan 'Pangkalan Inovasi Sains dan Teknologi Makanan Protein Baru' di Beijing, disokong oleh pelaburan £9 juta. Kemudahan ini mengintegrasikan teknologi AI dan blockchain untuk membolehkan pemantauan dan kebolehkesanan masa nyata sepanjang proses pengeluaran daging yang ditanam, dari penyelidikan hingga runcit [11] . Pada masa yang sama, syarikat permulaan Israel Aleph Farms memperoleh dana £24 juta untuk meningkatkan kemudahan perintis yang didorong oleh AI dan berusaha ke arah mengkomersialkan stik potongan keseluruhan yang ditanam dengan kos efektif [11] .
Melihat ke hadapan, kembar digital dijangka berkembang melampaui sekadar meningkatkan hasil.Mereka bertujuan untuk meningkatkan atribut deria - memodelkan sebatian meruap, protein, dan lipid untuk memperhalusi rasa dan tekstur daging yang diternak [3]. Kebangkitan pusat AI sumber terbuka , seperti AI4CM Hub, juga memupuk kerjasama dan inovasi dalam bidang ini [11]. Apabila teknologi ini berkembang, syarikat yang melabur dalam sensor sebaris automatik, bioreaktor selari miniatur, dan model AI hibrid akan lebih bersedia untuk meningkatkan pengeluaran dengan cekap sambil menavigasi landskap peraturan. Mencapai penanaman yang boleh diskala dan kos efektif akan menjadi kunci kejayaan komersial dalam industri yang berkembang pesat ini.
Kesimpulan
AI dan kembar digital sedang membentuk semula automasi bioproses dalam pengeluaran daging yang diternak.Dengan memperhalusi formulasi makanan, mempercepat penyelidikan dengan simulasi maya, dan meningkatkan kebolehramalan semasa peningkatan skala, teknologi ini secara signifikan mengurangkan kos dan menjadikan industri lebih menarik kepada pelabur [2][4]. Seperti yang dinyatakan oleh James Westley, Pengarah Bersekutu di Cambridge Consultants, alat-alat ini meningkatkan kebolehskalaan, yang penting untuk menarik pelaburan. Peralihan digital ini mendorong proses pengeluaran yang lebih berasaskan data dan cekap.
Peralihan ke arah Industri 4.0, yang ditandai dengan sistem autonomi, menjadi keperluan bagi perniagaan yang bertujuan untuk berkembang dalam ruang ini [13]. Model hibrid, yang menggabungkan fizik mekanistik dengan pembelajaran mesin, menjadikan kembar digital ramalan lebih mudah diakses - walaupun untuk syarikat yang lebih kecil [2]. Pemantauan masa nyata meningkatkan lagi kecekapan dengan membolehkan penyesuaian cepat dan mengurangkan kemungkinan kegagalan kelompok [2].
Kunci kepada transformasi ini adalah penerapan alat canggih seperti sensor sebaris automatik, bioreaktor selari miniatur, pengkomputeran berprestasi tinggi, dan alat PAT. Platform seperti
Masa depan pengeluaran daging yang ditanam tidak dapat dinafikan adalah digital. Syarikat yang menerima AI dan memanfaatkan platform seperti
Soalan Lazim
Apakah data yang saya perlukan untuk membina kembar digital yang berguna untuk daging yang diternak?
Untuk membina kembar digital yang boleh dipercayai bagi pengeluaran daging yang diternak, pengumpulan data yang tepat mengenai parameter biologi dan proses adalah penting. Faktor utama yang perlu dipantau termasuk pengukuran masa nyata pH, suhu, oksigen terlarut, tahap glukosa, dan pertumbuhan sel. Di samping itu, maklumat mengenai keadaan bioreaktor, dinamik bendalir, dan pemindahan jisim memainkan peranan penting. Pengumpulan data yang kerap dan tepat memastikan kembar digital mencerminkan persekitaran bioreaktor dengan rapat, membolehkan AI mengoptimumkan proses dengan berkesan.
Bagaimana model hibrid (kotak kelabu) mengurangkan bilangan eksperimen makmal basah?
Model hibrid, atau kotak kelabu, menggabungkan model mekanistik dengan pembelajaran mesin untuk mencipta simulasi maya yang tepat bagi proses.Model-model ini membolehkan ujian senario yang berkesan dan mengurangkan keperluan untuk eksperimen fizikal yang meluas. Dengan bergantung pada ramalan pengiraan, mereka membantu menjimatkan masa dan sumber sambil menawarkan pandangan yang berharga.
Apakah sensor dan peralatan yang penting untuk kawalan AI masa nyata dalam bioreaktor?
Untuk mengekalkan keadaan optimum dalam bioreaktor, beberapa sensor memainkan peranan penting dalam pemantauan dan kawalan masa nyata. Ini termasuk:
- Sensor suhu (RTD): Penting untuk memastikan bioreaktor berada pada suhu yang tepat yang diperlukan untuk pertumbuhan sel.
- Sensor pH: Tersedia dalam jenis kaca atau ISFET, ini memastikan tahap keasidan atau kealkalian adalah tepat untuk proses tersebut.
- Sensor oksigen terlarut (optikal): Kritikal untuk menjejaki tahap oksigen, yang secara langsung mempengaruhi metabolisme sel.
- Pengesan Metabolit: Digunakan untuk memantau sebatian utama seperti glukosa dan asid laktik, membantu mengekalkan keseimbangan yang diperlukan untuk pengeluaran yang cekap.
Pengesan ini berfungsi bersama untuk menyediakan data terperinci yang diperlukan oleh sistem AI untuk menyesuaikan keadaan bioproses, memastikan kejayaan pengeluaran daging yang ditanam.
