AI a kultivované maso: IP turbulence a cesta ke škálování

Kultivované maso mělo být „jednoduché“: vezmeme buňky, nakrmíme je živinami, necháme je vyrůst a máme bílkovinu s nižší uhlíkovou stopou. Realita posledních dvou let ukázala pravý opak. Jakmile se obor posunul z laboratorních lavic do pilotních provozů, náklady vyletěly nahoru, termíny se protáhly a investoři zpřísnili.

A když se peníze ztenčí, děje se něco, co je pro potravinářství typické, ale u „deep tech“ to zní dramaticky: duševní vlastnictví (IP) začne měnit majitele. Patenty, buněčné linie, receptury médií, výrobní postupy i týmy. Přesně to dnes vidíme na vlně akvizic a fúzí – a zároveň na překvapivém kroku, kdy se část klíčového know-how otevřela výzkumné komunitě.

Tenhle článek zapadá do naší série „Umělá inteligence v zemědělství a potravinářství“ z jednoho důvodu: AI je nejpraktičtější způsob, jak zkrátit cestu od vědy k ekonomice výroby. Ne jako marketingová nálepka, ale jako nástroj pro optimalizaci buněk, procesů, kvality i rozhodování při konsolidaci.

Proč teď probíhá „IP přesýpání“ v kultivovaném mase

Krátká odpověď: protože škálování kultivovaného masa je dražší a pomalejší, než se čekalo, a investiční prostředí po roce 2023 přeje spíš rychlejší návratnosti.

V poslední dekádě spousta firem slibovala rychlý přechod od prototypů k továrnám. Jak ale došlo na pilotní linky a přípravu velkovýroby, ukázalo se, že nejde jen o „větší bioreaktor“. Do hry vstupují:

• cena růstových médií a jejich dostupnost,
• stabilita buněčných linií v dlouhých kultivacích,
• kontaminace a řízení sterilních procesů,
• výnosy (kolik biomasy vznikne na jednotku vstupu),
• regulace a dokumentace pro povolení.

Když se financování zpomalí, firmy udělají tři typické kroky: omezí expanzi, spojí se s jinými, nebo skončí. A v každém scénáři je IP to, co má reálnou hodnotu – protože šetří roky vývoje.

Konsolidace: méně hráčů, hlubší „technické příkopy“

Klíčový trend: přežijí ti, kteří dokážou spojit IP, regulační postup a reálnou ekonomiku výroby. Proto se dnes kupují platformy, buněčné linie i celé týmy.

Fork & Good + Orbillion: červené maso pod jednou střechou

Fork & Good (kultivované vepřové) koupil Orbillion (technologie pro kultivované wagyu hovězí). Výsledek? Podle firem největší portfolio IP v oblasti kultivovaného červeného masa.

Zaujala mě jedna věta, která dobře vystihuje změnu nálady v oboru: nejde o to čekat 5–10 let na „dokonalé řešení“, ale dodat potravinářům zlepšení produktu teď. To je pragmatické – a pro trh často jediná schůdná cesta. Čistě kultivované maso ve velkém objemu je náročné; hybridní produkty (kombinace rostlinné složky a kultivované) jsou pro mnoho výrobců přirozený mezikrok.

Meatable + Uncommon Bio: technologie, buněčné linie, lidé

Meatable převzal platformu Uncommon Bio včetně buněčných linií, IP a části týmu, zatímco Uncommon se posunul k terapeutikům. Tohle je typické „přelití“ know-how: technologie pro kultivaci buněk může mít hodnotu v medicíně i potravinářství, jen se liší požadavky na produkt a regulaci.

Gourmey + Vital Meat → PARIMA: náklady pod 7 €/kg jako signál

Fúze přinesla zajímavý detail: nezávisle ověřené výrobní náklady pod 7 €/kg u kachních produktů (v konkrétním nastavení platformy). To číslo není univerzální pro celý obor, ale jako signál je zásadní: trh už nechce jen „funkční“ produkt, chce cestu k marži.

Součástí spojení je také více než 70 patentových podání a regulační dokumentace pro evropský trh – tedy přesně ty „neviditelné“ položky, které rozhodují o rychlosti komercializace.

Otevřené buněčné linie: když se IP stane veřejnou infrastrukturou

Nejzajímavější zvrat: část klíčového IP se neprodala, ale zpřístupnila pro výzkum.

Po ukončení startupu SCiFi Foods získal Good Food Institute (GFI) bovinní buněčné linie a receptury bezsérových médií a ve spolupráci s univerzitou je uvolnil pro otevřený výzkum. Prakticky to znamená:

• nové týmy nemusí začínat od nuly,
• ušetří se roky práce a „tens of millions“ v nákladech (jak zaznělo z úst spoluzakladatele SCiFi),
• vzniká společná startovní čára pro akademii i startupy.

Můj pohled: tohle je pro obor zdravé. Kultivované maso dnes trpí duplicitou práce – desítky týmů řeší stejné základní problémy (média, stabilita linií, analytika). Otevřený základ může posunout konkurenci výš: místo „umíme vůbec růst“ se bude soutěžit v tom, kdo umí vyrábět levně, stabilně a s konzistentní kvalitou.

Kde do toho vstupuje AI: tři praktické oblasti, které šetří peníze

AI v kultivovaném mase není sci-fi. Je to sada nástrojů pro optimalizaci bioprocesu a rozhodování. V momentě, kdy je kapitál dražší a runway kratší, je to přesně to, co management potřebuje.

1) Vývoj buněčných linií: méně pokusů, více učení z dat

Nejdražší je slepý vývoj. Tady AI pomáhá dvěma způsoby:

• Modely pro predikci chování buněk (růst, diferenciace, stres) z dat o kultivaci, omics (když jsou) a procesních parametrech.
• Aktivní učení: algoritmus navrhuje další experiment tak, aby přinesl co nejvíc informace (místo vyčerpávající mřížky testů).

Praktický dopad pro tým: místo 200 variant podmínek v laboratoři uděláte třeba 40–60 cílených, protože model pomůže vytipovat slepé uličky.

2) Optimalizace růstových médií a krmných strategií

Růstové médium je často největší položka variabilních nákladů. Optimalizace není jen „zlevnit ingredience“, ale:

• najít kombinaci, která drží výkon (výnos, vitalita),
• minimalizovat variabilitu mezi šaržemi,
• navrhnout feed režim pro konkrétní bioreaktor.

AI se hodí zejména tam, kde je hodně proměnných a nelinearit: koncentrace aminokyselin, vitamínů, růstových faktorů, osmolalita, pH, DO, míchání, teplota. V praxi funguje mix: statistické DOE + modely (např. gradient boosting) + procesní simulace.

3) Škálování a řízení výroby: digitální dvojče bioreaktoru

Škálování je místo, kde mnoho týmů narazí. Digitální dvojče (zjednodušeně virtuální model provozu) pomáhá:

• simulovat změny (objem, míchání, přenos kyslíku) bez rizika znehodnocení šarže,
• nastavit prediktivní řízení (MPC) pro stabilnější produkci,
• včas odhalit odchylky kvality.

Tohle není jen o „AI“. Je to o propojení senzorů, historických dat, laboratorních výsledků a robustního datového pipeline. Bez toho žádný model nepomůže.

Jedna věta, kterou si v kultivovaném mase hlídejte: „Bez kvalitních procesních dat je AI jen drahá kalkulačka.“

AI a IP: jak zvládnout due diligence, integraci a „open source“ realitu

Když IP mění majitele, vzniká nový problém: jak rychle zjistit, co opravdu kupujete, a jak to integrovat.

Due diligence s podporou AI (a bez iluzí)

U akvizic platforem, buněčných linií a know-how je riziko často skryté v detailech: stabilita linie v čase, citlivost na změny surovin, závislost na konkrétním dodavateli, chybějící záznamy k šaržím.

AI může pomoct tím, že:

• automaticky těží informace z laboratorních protokolů a reportů (NLP nad dokumenty),
• hledá nekonzistence v datech šarží (anomaly detection),
• mapuje „kdo co ví“ v týmu (knowledge graph) – důležité při přechodu lidí.

Ale pozor: u bioprocesů je zásadní ověřit data fyzicky. Model může ukazovat krásné trendy, pokud jsou vstupní záznamy neúplné.

Integrace po fúzi: standardizujte, než začnete optimalizovat

Nejrychlejší cesta k úsporám po spojení dvou firem obvykle není nový algoritmus, ale disciplína:

1. sjednotit pojmy a metriky (co je „výnos“, co je „viabilita“),
2. sjednotit sběr dat (senzory, LIMS, MES),
3. zavést minimální datové standardy (verze protokolů, šaržové záznamy),
4. teprve pak stavět modely.

AI pak dokáže vyhledat, které kroky procesu nejvíc tlačí náklady nebo kvalitu – a navrhnout, kde začít.

Co znamená „open access“ pro startupy i potravináře

Otevřené buněčné linie a média mohou zrychlit inovace, ale i zvýšit konkurenci. Prakticky to vede k tomu, že hodnotou firmy bude méně „máme unikátní základní buňky“ a více:

• schopnost spolehlivě vyrábět (provozní excelence),
• schopnost projít regulací,
• schopnost udělat produkt, který lidé chtějí kupovat.

A tady je AI opět doma: v kvalitě, predikcích, plánování výroby a optimalizaci nákladů.

Co si z toho vzít v českém a evropském kontextu (a co dělat hned)

Evropa bude pro kultivované maso klíčová, ale zároveň náročná. Regulace nových potravin je detailní a veřejná debata je citlivá. Pokud jste potravinář, investor, výzkumník nebo technologický dodavatel, dávají smysl tyhle kroky:

1. Začněte daty, ne modelem. Zmapujte, jaká procesní data sbíráte, v jaké kvalitě a kde leží.
2. Vyberte jednu úzkou optimalizaci s jasným KPI. Např. snížit variabilitu mezi šaržemi o X %, zkrátit dobu kultivace o Y hodin, snížit spotřebu média o Z %.
3. Počítejte ekonomiku od začátku. AI projekty v biotechnologiích musí mít napojení na unit economics (náklad/kg, výtěžnost, OEE).
4. Připravte se na konsolidaci. Ať jste startup nebo zavedený hráč, umět rychle integrovat data, dokumentaci a procesy je konkurenční výhoda.

Prosinec 2025 je dobrý moment plánovat 2026: rozpočty se uzavírají, týmy mají prostor na strategii a pilotní projekty. Pokud se kultivované maso má přiblížit retailu, nebude to díky jedné velké továrně. Bude to díky stovkám drobných zlepšení – a AI je způsob, jak je dělat rychleji a levněji.

Co bude dál: méně slibů, víc výroby

Kultivované maso se dostalo do fáze, kdy se odděluje věda od průmyslu. IP turbulence (akvizice, fúze, otevřené technologie) není známka konce. Je to přenastavení: méně hráčů, více sdílených základů a tvrdší tlak na ekonomiku.

Pokud chcete v roce 2026 v potravinářství využít AI smysluplně, kultivované maso je překvapivě dobrá laboratoř: nutí vás dělat datovou disciplínu, měřit, optimalizovat a hlavně dokazovat návratnost.

A teď ta otázka, která rozhodne o vítězích: kdo dokáže spojit bioprocesní realitu, kvalitní data a produkt, který lidé přijmou – dřív, než dojde trpělivost kapitálu?