Lila Sciences: ciência como dados para a IA — um laboratório autônomo de US$ 550 milhões

A startup Lila Sciences revelou em 16 de julho de 2026, no podcast Latent Space, como funciona seu laboratório autônomo: a IA controla robôs e equipamentos, conduz experimentos por conta própria e já gerou mais de 10 trilhões de tokens confirmados experimentalmente para treinar modelos científicos.

Por que ciência, e não a internet?

A Lila Sciences aposta que o método científico é o último dataset em escala de internet ainda não explorado. A lógica da empresa é simples: o texto disponível na web para treinar grandes modelos está quase esgotado, enquanto experimentos verificados são uma fonte praticamente infinita de dados novos.

O treinamento é estruturado como reinforcement learning, em que o próprio mundo natural atua como verificador: o modelo formula uma hipótese, o robô realiza o experimento, e o resultado no mundo físico confirma ou refuta a previsão. Com isso, a Lila acumulou mais de 10 trilhões de tokens de raciocínio científico ligados a medições reais, e não a texto da internet.

Como funciona o laboratório robótico

O laboratório da Lila é uma robótica controlada por IA instalada sobre equipamentos científicos convencionais, e não uma linha de montagem voltada à velocidade. A empresa ressalta que otimiza não a vazão, mas a flexibilidade e a capacidade de generalização: uma mesma instalação deve ser capaz de executar experimentos muito variados.

• As amostras se deslocam em placas que flutuam sobre trilhos de levitação magnética
• Modelos vision-language controlam instrumentos legados "olhando" para eles como um humano
• A orquestração dos experimentos funciona como uma fila SLURM, nos moldes de um cluster de computação
• A medição de sorção de gases foi reformulada e agora roda cerca de 2500 vezes mais rápido
• O modelo propôs eletrocatalisadores sem metais do grupo da platina que superaram os resultados anteriores
• Em seis meses, a equipe chegou a dados in vivo de terapia CAR-T em primatas

"O laboratório do futuro deve parecer um data center", resumem a abordagem

Andy Beam, CTO, e Rafa Gómez-Bombarelli, diretor de ciências físicas da Lila Sciences, no episódio do Latent Space.

Quanto a empresa captou?

A Lila Sciences captou cerca de US$ 550 milhões no total e atingiu avaliação de aproximadamente US$ 1,3 bilhão. A empresa surgiu da incubadora de venture capital Flagship Pioneering, a mesma por trás da Moderna.

A primeira rodada, de US$ 200 milhões, foi fechada em março de 2025, liderada pela Flagship Pioneering. Em outubro de 2025, segundo a Reuters, a Lila levantou mais US$ 115 milhões na extensão da rodada Series A, com participação do braço de venture capital da Nvidia — o que elevou a Series A a US$ 350 milhões e a avaliação a ~US$ 1,3 bilhão. A empresa é liderada pelo CEO Geoffrey von Maltzahn, e o diretor científico é o geneticista George Church.

O que isso significa

Se a aposta da Lila der certo, a corrida da IA deixará de ser a coleta de dados da internet e passará a ser a produção de dados científicos próprios: vencerá quem tiver mais robôs conduzindo experimentos reais, e não mais servidores cheios de texto. Por ora, isso é sustentado por resultados pontuais — a aceleração de medições e os novos catalisadores —, mas não por uma "superinteligência científica" universal.

Perguntas frequentes

O que é a Lila Sciences?

A Lila Sciences é uma startup da incubadora Flagship Pioneering que constrói laboratórios autônomos de IA em busca de uma "superinteligência científica": a IA projeta e executa experimentos por meio de robôs. A empresa foi fundada por Geoffrey von Maltzahn junto com uma equipe que inclui Andy Beam e Rafa Gómez-Bombarelli.

Quanto a Lila Sciences captou?

Cerca de US$ 550 milhões no total: uma rodada seed de US$ 200 milhões (março de 2025) e a extensão da Series A de US$ 115 milhões com participação da Nvidia (outubro de 2025). A avaliação da empresa é de aproximadamente US$ 1,3 bilhão.

Para que a Lila precisa de robôs e de um laboratório?

Os robôs servem para gerar dados experimentais verificados para o treinamento de modelos: a empresa considera que o experimento, e não o texto da internet, é a principal fonte inesgotável de dados para a IA. Com isso, já foram reunidos mais de 10 trilhões de tokens científicos confirmados.