De vill begrava en hundraårig uppfinning – med hjälp av AI och materiens fjärde tillstånd
Ett startup vill med AI och plasma ersätta en hundraårig, fossilberoende uppfinning.
Jordbruket möter sin digitala vändpunkt
Det finns industrier där förändringen sker gradvis – och sedan finns det jordbruket, som i decennier vilat tungt på processer och mätmetoder från förra seklet. Men nu accelererar något. Och det är inte en enskild aktör som driver det framåt, utan ett helt ekosystem av teknikdrivna startups som hittar ingångar där de gamla systemen svikit.
De senaste veckorna har två nyheter från AgFunder News fångat min uppmärksamhet – och när man ser dem tillsammans framträder en tydlig bild av vart agri-AI är på väg.
Plasma, AI och 100 år av utmaning
Låt oss börja med den häpnadsväckande delen. Haber-Bosch-processen – metoden för att syntetisera ammoniak till kvävegödsel – uppfanns i början av 1900-talet och är fortfarande den dominerande standarden globalt. Den föder bokstavligen halva jordens befolkning. Den är också energikrävande, fossilberoende och en av världens största enskilda källor till koldioxidutsläpp inom industrin.
Det är precis det låset som det Stanford-grundade startupföretaget Faraday Earth vill bryta. Deras metod bygger på icke-termisk plasma – ibland kallat materiens fjärde tillstånd – som aktiverar kvävemolekyler utan de extrema temperaturer och tryck som Haber-Bosch kräver. Det aktiverade kvävet kan sedan reagera med grönt vätgas för att bilda ammoniak på ett betydligt mer energieffektivt sätt.
Men det riktigt intressanta är hur de fick det att fungera. Enligt AgFunder News var de initiala resultaten 60 till 70 gånger sämre än dagens nivåer. Genombrottet kom när grundarna Debayan Saha och Shashi Ranjan inspirerades av hur Google DeepMind använt maskininlärning för att styra plasmareaktorer inom fusionsforskning. De byggde en digital tvilling av sin reaktor – en virtuell kopia som maskininlärningsmodellen kan experimentera i – och började justera spänning, strömstyrka, flöde och elektrodparametrar i nära realtid. Det är en typ av kontinuerlig optimering som är praktiskt omöjlig att uppnå för ett mänskligt team.
Detta är AI i sin mest kraftfulla roll: inte som ett gränssnitt eller ett chattverktyg, utan som en ingenjör som aldrig sover och aldrig slutar förbättra.
Rätt näring, rätt tidpunkt, rätt plats
På den andra sidan av jordbrukskedjan – ute på själva fältet – arbetar kanadensiska Picketa Systems med ett annat grundläggande problem: hur vet en lantbrukare egentligen om grödan får den näring den behöver?
Svaret idag, för de flesta odlare, är det blotta ögat. Och det är faktiskt Pickets huvudkonkurrent, enligt grundaren Xavier Hebert-Couturier. Inte laboratoriet – ögat.
Deras produkt LENS är en handhållen sensor som mäter hur ett blad reflekterar ljus över ett brett spektrum. Maskininlärningsalgoritmer omvandlar sedan dessa ljusmätningar till koncentrationsvärden för 13 viktiga näringsämnen – på några minuter, i stället för de dagar eller veckor traditionell laboratorieanalys tar. AgFunder News rapporterar att Picketa nyligen genomfört en finansieringsrunda på 2,1 miljoner kanadensiska dollar, ledd av Tall Grass Ventures.
Det som gör Picketa särskilt intressant är inte bara hastigheten – det är precisionen. De gränsvärden som laboratorier fortfarande använder härstammar från 1970-talet och är, som Hebert-Couturier uttrycker det, ganska grova. Picketa har i stället tagit fram regions-, sort- och målspecifika rekommendationer i samarbete med ledande agronomiska institutioner. Det är skillnaden mellan ett generellt råd och ett skräddarsytt beslutsstöd.
Två problem, en gemensam logik
Faraday Earth och Picketa Systems arbetar med helt olika delar av jordbrukskedjan – den ena med tillverkning av insatsvaror, den andra med fältmätning och rådgivning. Men de delar en gemensam logik: AI används inte för att digitalisera det gamla, utan för att göra något som tidigare var omöjligt.
Det är den distinktionen som avgör om ett AI-projekt skapar verkligt värde eller bara är ett moderniserat kalkylblad. Och inom jordbrukssektorn, där marginalerna är knappa och klimatpressen tilltar, är den distinktionen allt annat än akademisk.
Vår analys
Jordbruket är en av de sektorer där AI har störst potential att skapa påverkan – och där omställningstakten hittills varit lägst. Det gör de signaler vi nu ser extra intressanta.
Faraday Earth representerar något sällsynt: ett försök att lösa ett grundläggande industriellt problem som ingen löst på ett sekel, med hjälp av maskininlärning som optimeringsmotor snarare än som marknadsföringsverktyg. Om de lyckas hålla ned kostnaderna för grön ammoniak kan det förändra förutsättningarna för hela den globala gödselsektorn.
Picketa är mer jordnära i sin ambition men kanske snabbare mot marknaden. Deras verkliga genombrott är inte sensorn – det är de uppdaterade rekommendationerna som ersätter 50-åriga standarder. Det är ett prejudikat för hur AI kan modernisera agronomisk kunskap i grunden.
Samtidigt är det viktigt att hålla förväntningarna kalibrerade. Båda bolagen är tidiga. Skalbarhet, lantbrukarnas faktiska adoption och ekonomisk bärkraft återstår att bevisa. Men riktningen är tydlig – och den är lovande.