AI a precizní fermentace: jak chutná „pravé“ maso bez zvířat

V roce 2025 už nikdo neřeší jen to, jestli rostlinné alternativy porostou. Řeší se, které technologie zvládnou škálovat kvalitu, chuť a cenu zároveň. A právě proto je zpráva o tom, že belgický specialista na precizní fermentaci Paleo získal 12 milionů eur v investičním kole Series A, zajímavější než běžná „startupová“ novinka.

Paleo sází na výrobu myoglobinu (bílkoviny, která stojí za typickou chutí, vůní a barvou masa) pomocí precizní fermentace. Jednoduše: bez chovu zvířat, ale se schopností dodat rostlinným produktům to, co jim často chybí – masový zážitek. Z pohledu naší série Umělá inteligence v zemědělství a potravinářství je ale ještě důležitější druhá věc: tuhle výrobu nejde efektivně škálovat bez dat a AI.

Tento text rozebírá, co přesně znamená investice do Paleo, proč se precizní fermentace drží i v době, kdy spousta food-tech projektů zpomaluje, a hlavně: kde konkrétně AI zvyšuje výtěžnost, stabilitu a ekonomiku fermentačních procesů – tedy to, co rozhoduje o komerčním úspěchu.

Co Paleo vyrábí a proč je myoglobin pro alt-proteiny tak zásadní

Myoglobin je „motor“ masové chuti a barvy. Pokud jste někdy ochutnali rostlinný burger, který měl dobrou texturu, ale chyběla mu „šťáva“, kovově-masový tón nebo typická vůně při opékání, narazili jste na limit běžných rostlinných receptur.

Myoglobin (a obecně hemové proteiny) se podílí na:

• aromatu při tepelné úpravě (reakce při grilování a opékání)
• barvě (červená, která se mění do hněda)
• vjemu „masové šťavnatosti“ a plnosti

Paleo vyvíjí technologii, která umožňuje vyrábět tuto ingredienci fermentačně, tedy podobně jako se vyrábějí některé enzymy, vitaminy nebo potravinářské kultury – jen s jiným cílem. Firma veřejně komunikovala, že chce ingredience dodat výrobcům potravin a počítá s uvedením produktů na trh s těmito složkami (v jejich tehdejším plánu) kolem roku 2025.

Pro výrobce alternativ masa a ryb má taková ingredience jednu velkou výhodu: nemusí měnit celý produkt, často stačí upravit recepturu a proces tak, aby chuť a barva působily věrohodněji. Z hlediska trhu je to pragmatická cesta – žádná „nová kategorie“ pro spotřebitele, jen lepší varianta toho, co už zná.

Proč investoři pořád věří precizní fermentaci (a co to říká o trhu)

Precizní fermentace je dnes nejodolnější segment alternativních proteinů, protože prodává „ingredience“, ne sliby. U řady budoucích potravinových startupů narážíte na problém: prototyp je skvělý, ale ekonomika výroby je mimo realitu. U precizní fermentace je to jiné.

Tři důvody, proč tahle oblast drží tempo:

1. Flexibilita produktu Jednou vybudované know-how (kmeny, bioproces, purifikace, QA) lze často adaptovat na jiné proteiny či funkční složky.

2. Kompatibilita s existujícími dodavatelskými řetězci Fermentační složky se dají začlenit do známých potravinářských procesů – výrobce nemusí stavět celý „nový svět“.

3. Škálovatelnost je reálně dosažitelná, ale tvrdě inženýrská Není to magie. Je to optimalizace růstu, výtěžnosti, času cyklu, spotřeby energie a stability.

A právě tady se dostává ke slovu AI. V roce 2025 investoři (i velcí hráči) mnohem častěji chtějí slyšet konkrétní odpovědi: Kolik stojí kilogram? Jak rychle umíte zvýšit titr? Jak stabilní je šarže? Jak zvládnete regulaci? Bez datově řízeného vývoje je to příliš pomalé.

Kde přesně AI pomáhá precizní fermentaci škálovat

AI v precizní fermentaci dává největší smysl tam, kde je hodně proměnných a drahé pokusy. Fermentace je klasický příklad: i „malá“ změna pH, teploty, složení média nebo aerace může změnit výsledek o desítky procent.

AI pro vývoj kmenů a vyšší výtěžnost

Největší náklady času i peněz často vznikají v iteracích „navrhni – otestuj – oprav“. AI (spolu s bioinformatikou a automatizací laboratorních workflow) zrychluje zejména:

• výběr genetických úprav, které zvýší produkci cílového proteinu
• predikci, které varianty kmenů mají šanci uspět ještě před laboratorními testy
• hledání kompromisu mezi rychlým růstem a „výrobou“ proteinu (často to jde proti sobě)

Praktický dopad pro firmu: méně slepých uliček. V týmu to poznáte tak, že se méně „střílí od boku“ a více se testují varianty s vyšší pravděpodobností úspěchu.

AI pro řízení bioprocesu v reálném čase

Ve výrobním měřítku se rozhoduje o ekonomice na úrovni hodin a procent:

• kdy přikrmovat živiny (feed strategy)
• jak držet rozpuštěný kyslík a aeraci
• jak se vyhnout stresu buněk a pádu produkce

AI zde funguje jako prediktivní vrstva nad klasickým procesním řízením. Typicky:

• modeluje průběh fermentace a včas varuje před odchylkou
• doporučuje zásahy, které stabilizují výtěžnost
• zlepšuje opakovatelnost mezi šaržemi

Jedna věta, kterou si můžete odnést: dobře natrénovaný model ušetří šarže, které by jinak „ujely“ a skončily jako drahý odpad.

AI pro kvalitu, chuť a „smyslový profil“

U myoglobinu nejde jen o to „něco vyrobit“. Musí to mít správné vlastnosti v potravině:

• stabilita při skladování
• chování při tepelné úpravě
• interakce s tuky, aromaty, texturou

Tady se propojuje AI s tzv. sensory science a formulací receptur. V praxi to znamená:

• rychlejší testování kombinací ingrediencí (např. různé tuky, pojiva, koření)
• modely, které hledají korelace mezi chemickým profilem a hodnocením chuti
• optimalizace pro cílovou kategorii (burger vs. „tuňák“ alternativa)

Pro potravináře je to důležité: i když máte skvělou ingredienci, špatná formulace ji zabije. AI zkracuje cestu k receptu, který funguje.

Regulace a důvěra: bez toho se do retailu nejde

Regulační schválení je dnes stejně důležité jako bioproces. Paleo v době oznámení investice otevřeně říkalo, že část prostředků použije na podání žádostí o schválení na vybraných trzích.

Z pohledu EU a dalších trhů to obvykle znamená:

• jasně popsaný výrobní proces
• bezpečnostní data, čistotu, konzistenci šarží
• dokumentaci k alergenním rizikům a nečistotám

AI tady nepíše žádosti „za vás“, ale umí pomoct nepřímo:

• sledovatelnost dat (od laboratorní varianty po pilotní šarži)
• rychlejší odhalení faktorů, které způsobují variabilitu
• robustnější statistické vyhodnocování kvality

Moje zkušenost z projektů na pomezí AI a výroby: firmy často podcení, že regulatorní „příběh“ musí být stejně konzistentní jako výrobní. Pokud se vám proces mění každé dva týdny, dokumentace se rozpadá. Datová disciplína je v tomhle půlka úspěchu.

Co si z toho mají vzít zemědělci a potravináři v Česku

Nejde o to, že zítra nahradíme živočišnou výrobu fermentory. Jde o to, že se mění dodavatelský mix bílkovin a funkčních složek. A Česko v tom může hrát roli – jako výrobní základna, jako dodavatel surovin, nebo jako inovátor ve zpracování.

Příležitosti pro potravinářské výrobce

Pokud vyrábíte rostlinné produkty (nebo o nich uvažujete), dává smysl připravit si interně rámec:

1. Jaké atributy zlepšujeme (chuť, barva, vůně, cena, čistá etiketa)
2. Jak budeme měřit senzoriku (panel, opakovatelné protokoly)
3. Jaká data sbíráme z výroby (teploty, časy, ztráty, reklamace)

Bez těchto základů je těžké AI nebo nové fermentační ingredience reálně „usadit“ do výroby.

Příležitosti pro zemědělství a dodavatele vstupů

Fermentační průmysl stojí na vstupních surovinách: cukry, škroby, případně vedlejší produkty z potravinářství. Pro agrární sektor to otevírá téma:

• lokální surovinové řetězce pro fermentaci
• zhodnocení vedlejších toků (tam, kde to dává technologicky i legislativně smysl)
• smluvní stabilita (fermentace potřebuje konzistentní kvalitu vstupu)

A tady navazuje náš seriál: AI v zemědělství pomáhá dodat predikovatelnost (výnos, kvalita, logistika), kterou průmyslové bioprocesy vyžadují.

Mini-FAQ: co se lidé nejčastěji ptají

Je precizní fermentace totéž co „GMO potraviny“? Ne nutně v tom smyslu, jak si to veřejnost často představuje. V praxi se používají mikroorganismy jako „továrny“ na výrobu konkrétní molekuly. Výsledná ingredience se pak čistí a kontroluje. Regulace a značení se liší podle trhu a konkrétního procesu.

Proč se to vůbec řeší, když máme maso? Protože potravinová bezpečnost a cena vstupů jsou v Evropě po posledních letech citlivé téma. Diverzifikace zdrojů bílkovin snižuje rizika. A u některých kategorií (rychlé občerstvení, mražené produkty) je „chuťově přesvědčivá alternativa“ tržně zajímavá.

Kde v tom je AI nejvíc vidět? Nejvíc v rychlosti učení. Firma, která systematicky sbírá data a staví modely, se dostane k stabilnímu procesu dřív než firma, která spoléhá jen na ruční ladění.

Co bude rozhodovat v roce 2026 a dál

Zpráva o investici do Paleo je dobrý signál: trh stále věří přístupu, který kombinuje biotechnologii, potravinářství a datové řízení. Ale bude to tvrdý sport.

Budoucí vítězové budou ti, kdo zvládnou tři věci současně:

• ekonomiku (náklady na kg, spotřeba energie, výtěžnost)
• konzistenci (stejná chuť a kvalita napříč šaržemi)
• důvěru (regulace, transparentní proces, komunikace)

Pokud jste výrobce potravin, zemědělský podnik, nebo technologická firma a přemýšlíte, jak se do toho zapojit, začněte jednoduše: zmapujte, jaká data dnes máte a jaká vám chybí. V precizní fermentaci (a vlastně i v precizním zemědělství) platí stejné pravidlo: kdo umí pracovat s daty, ten škáluje rychleji.

A teď ta otázka, která se bude v roce 2026 opakovat pořád dokola: budeme v Česku jen kupovat nové fermentační ingredience, nebo si vybudujeme vlastní know-how na pomezí bioprocesu a AI?