AI a kultivované maso pro mazlíčky: co ukazuje akvizice

V živočišné výrobě se často řeší krmivo pro lidi. Jenže velká část „masné stopy“ se děje i jinde: v krmivech pro psy a kočky. A právě proto dává smysl, že se kolem kultivovaného masa pro domácí mazlíčky začínají točit investice, patenty i akvizice.

Konkrétně: společnost CULT Food Sciences oznámila záměr převzít vybraná aktiva startupu Because Animals – tedy spotřebitelské brandové prvky, receptury a část ne-vědeckého IP. Zároveň se do CULT krátce předtím kapitálově opřel investor Marc Lustig (15% podíl). Z venku to vypadá jako „běžná konsolidace“ v alternativních proteinech. Já v tom ale vidím něco důležitějšího: pet food je ideální testovací hřiště pro zavádění AI do buněčného zemědělství.

Tenhle článek zapadá do série Umělá inteligence v zemědělství a potravinářství a ukazuje, co podobné obchody signalizují pro firmy, které vyvíjejí, vyrábějí nebo nakupují nové typy bílkovin – a kde přesně může AI snížit náklady, urychlit R&D a zlepšit kvalitu.

Co se vlastně stalo – a proč to není „jen“ akvizice

CULT Food Sciences podepsala závazný dokument na akvizici části aktiv Because Animals: patenty (ne-vědecké či související s konkrétními recepturami), spotřebitelské assety, formulace produktů a další ne-scientific IP. Transakce má proběhnout přes dceřinou firmu Further Foods.

Klíčový detail, který se v rychlých shrnutích ztrácí: podle vyjádření Because Animals šlo o receptury produktů na bázi nutričních kvasnic, které firma ukončila už v roce 2022, a o dva provizorní patenty vztahující se k těmto discontinued produktům. Zároveň Because Animals zdůraznila, že core IP pro kultivované maso si ponechává a že značka „Because Animals“ nebyla tímto krokem „koupena“ v plném smyslu.

Pro čtenáře z praxe (zemědělství, potravinářství, pet food) z toho plyne jednoduchý závěr: trh se dělí na dvě vrstvy.

• R&D vrstva (buněčná kultivace, bioproces, škálování) – tam je nejvíc rizika, nejvíc CAPEX, nejdelší timeline.
• spotřebitelská vrstva (receptury, produktový design, distribuce, brand) – rychlejší iterace, rychlejší revenue, často snazší compliance.

A teď to důležité: AI je most mezi těmito vrstvami, protože umí převádět laboratorní realitu na konzistentní produktovou kvalitu a ekonomiku.

Proč je pet food pro kultivované maso praktický „mezistupeň“

Pet food má jednu výhodu, o které se nemluví dost nahlas: zákazník nekupuje „steak“, kupuje funkci – výživu, stravitelnost, alergeny, stabilitu, cenu. Díky tomu se dá inovovat rychleji v oblasti surovin a formulací.

Co typicky brzdí kultivované maso (a proč se to u krmiva láme rychleji)

U potravin pro lidi se nové bílkoviny zasekávají na kombinaci:

1. senzorika (chuť, textura, „mouthfeel“),
2. důvěra spotřebitele,
3. regulace a novel food procesy,
4. cena.

U krmiv pro mazlíčky se část těchto bariér posouvá:

• Textura často není limit (mleté, paštiky, granule, pamlsky).
• Akceptace se řeší spíš přes veterináře, chovatele, specializované e-shopy a přínos (alergie, citlivé trávení).
• Formulace je relativně flexibilní (mix proteinů, tuků, vlákniny).

Neznamená to, že je to „snadné“. Znamená to, že je to realistická cesta ke komerčnímu měřítku – a tím i k datům, bez kterých AI nemá co optimalizovat.

Kde přesně AI zrychluje buněčné zemědělství (a proč to souvisí s akvizicemi)

AI v kultivovaném mase není jedna věc. Je to sada nástrojů napříč řetězcem: od buněčné linie přes bioreaktor až po hotový produkt. Když firma kupuje receptury, patenty nebo produktové assety, často tím ve skutečnosti kupuje zkratku k datům a trhu.

1) AI pro kontrolu bioprocesu: méně failů, stabilnější šarže

Největší zabiják ekonomiky kultivovaného masa je variabilita. Malá odchylka v:

• pH,
• teplotě,
• rozpuštěném kyslíku,
• složení média,
• rychlosti míchání,

…a šarže jde do koše.

Prediktivní modely (typicky kombinace time-series modelů a anomální detekce) umí z online senzorů odhadnout, že se kultura „láme“ dřív, než je to vidět v laboratorních testech. V praxi to znamená méně zmetků a lepší plánování výroby.

Snippet pro rozhodování: „AI v bioprocesu vydělává hlavně tím, že snižuje variabilitu a počet neúspěšných šarží.“

2) AI pro optimalizaci média: nejrychlejší cesta k nižším nákladům

Médium (živný roztok) je u kultivovaného masa často jedna z nejdražších položek. AI se používá k návrhu experimentů (DoE) a k hledání kombinací složek, které:

• udrží růst buněk,
• zlepší výtěžnost,
• sníží cenu,
• zjednoduší dodavatelský řetězec.

Když do hry vstoupí akvizice formulací a „ne-vědeckého IP“, vzniká praktický benefit: produktový tým může definovat cílové parametry (např. aminokyselinový profil, stravitelnost, alergenní rizika) a AI pak pomáhá „dotlačit“ bioproces k těmto parametrům.

3) AI pro kvalitu a bezpečnost: od laboratorních dat k rutinní kontrole

U krmiv pro mazlíčky je kvalita citlivé téma. Stačí pár incidentů na trhu a reputace jde dolů. AI se tady využívá zejména pro:

• detekci odchylek v surovinách (NIR spektra, obrazová data),
• predikci trvanlivosti,
• sledování stability tuků (oxidace),
• rychlou kontrolu konzistence granulí či paštik.

To je přesně oblast, kde „produktové“ know-how (receptury, formulace) dává smysl spojit s datovou vrstvou.

4) AI pro formulace pet food: výživa, alergeny, cena – v jednom modelu

V krmivářství se vyhrává na kompromisu: cena vs. nutriční hodnota vs. dostupnost surovin. AI tu funguje jako chytrý optimalizátor.

Příklad, který dávám klientům často: chcete vytvořit pamlsek pro psy s citlivým trávením. Cíle jsou:

• vysoký obsah vysoce stravitelného proteinu,
• minimum známých alergenů,
• stabilní textura a trvanlivost,
• target cena na kg.

V klasické praxi to řešíte iteracemi v kuchyňce a s tabulkami. S AI (a dobrými daty) to řešíte jako multi-criteria optimalizaci: model navrhne 20 kandidátů, technolog vybere 3, laboratorně se otestují a model se zpřesní.

Co tahle situace říká o trhu v roce 2025 (a proč to zajímá zemědělce i potravináře)

Prosinec 2025 je ve znamení tlaku na efektivitu. Energie, vstupy, volatilní ceny surovin – a zároveň rostoucí poptávka po udržitelných řešeních. V alternativních proteinech to vede ke dvěma trendům:

1. Konsolidace a „asset deals“ místo velkých akvizic celých firem.
2. Důraz na komercializaci a škálování, ne na PR.

Akvizice části aktiv Because Animals přesně zapadá do trendu č. 1: koupit to, co zrychlí go-to-market (formulace, produktový základ), ale nenechat si na krku celý risk R&D.

Pro zemědělství a potravinářství v ČR z toho plynou konkrétní příležitosti:

• Výrobci krmiv mohou začít připravovat datovou infrastrukturu (sledování kvality, recepturové databáze, propojení na nákup surovin).
• Dodavatelé surovin mohou nabídnout standardizované šarže a analytiku (AI hodnotí stabilitu a variabilitu).
• Agro firmy mohou přemýšlet o využití vedlejších produktů (např. kvasniční frakce, rostlinné proteiny) v hybridních krmivech.

Praktický checklist: jak poznat, že AI ve vašem pet food / food provozu dává smysl

Nejrychlejší návratnost nechodí z „velkých vizí“, ale z nudných procesů. Tady je shortlist, který používám při úvodních auditech:

1. Máte data po šaržích? (suroviny, parametry výroby, reklamace, laboratorní výsledky)
2. Řešíte variabilitu kvality? (barva, vůně, textura, drobivost, stabilita tuku)
3. Mění se často ceny a dostupnost surovin? (a receptury se pak „hasí“ ručně)
4. Máte jasné nutriční cíle a limity? (bílkoviny, taurín, popel, vláknina, alergeny)
5. Umíte rychle ověřovat hypotézy? (malé testovací šarže, laboratorní kapacita)

Když máte „ano“ aspoň u tří bodů, AI projekty v oblasti optimalizace receptur, kontroly kvality a predikce výstupů obvykle dávají smysl.

Jedna věta, kterou si hlídejte: AI nenahrazuje technologii výroby. Nahrazuje opakované dohady.

Co dál: kultivované maso pro mazlíčky jako trénink pro celý potravinový systém

Kultivované maso pro pet food je podle mě pragmatická cesta, jak dostat buněčné zemědělství z powerpointů do rutiny. A jakmile se rozběhne rutina, rozběhne se i to nejcennější: datová smyčka mezi výrobou, kvalitou a trhem.

Pro naši sérii o umělé inteligenci v zemědělství a potravinářství je tohle dobrý signál: AI se nebude prosazovat jen v monitoringu polí a predikci výnosů. Stejně silně (a možná rychleji) se prosadí ve výrobě potravin a krmiv, kde každá odchylka stojí peníze okamžitě.

Pokud vyvíjíte nové produkty, vyrábíte krmiva nebo řešíte udržitelnost v potravinářství, dává smysl položit si jednoduchou otázku: Který jeden krok ve vašem procesu by měl být řízený daty, ne pocitem – už příští kvartál?