Lila Sciences: наука как данные для ИИ — автономная лаборатория за $550 млн

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, planeja e executa experimentos de forma independente, e já gerou mais de 10 trilhões de tokens experimentalmente verificados para treinar modelos científicos.

Por que ciência, e não 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 da web para treinar grandes modelos está quase esgotado, enquanto experimentos verificados são uma fonte praticamente inesgotável de novos dados.

O treinamento aqui é estruturado como reinforcement learning, no qual a própria natureza atua como verificadora: o modelo propõe uma hipótese, um robô realiza o experimento, e o resultado do mundo físico confirma ou refuta a previsão. Com isso, a Lila acumulou mais de 10 trilhões de tokens de raciocínio científico ancorados em medições reais, e não em texto da internet.

Como funciona o laboratório-robô

O laboratório da Lila é uma robótica controlada por IA sobreposta a equipamentos científicos comuns, e não uma linha de montagem voltada para velocidade. A empresa destaca que não otimiza a capacidade de processamento, mas sim a flexibilidade e a generalização: uma única instalação deve ser capaz de realizar os experimentos mais diversos.

• As amostras se deslocam sobre placas que flutuam em trilhos de levitação magnética
• Modelos vision-language operam instrumentos legados, "olhando" para eles como um humano faria
• A orquestração dos experimentos funciona como uma fila SLURM, seguindo o modelo de um cluster computacional
• A medição de sorção de gases foi reprojetada para ser cerca de 2500 vezes mais rápida
• O modelo propôs eletrocatalisadores sem metais do grupo da platina que superaram resultados anteriores
• Em seis meses, a equipe chegou a dados in vivo sobre terapia CAR-T em primatas

"O laboratório do futuro deve parecer um data center", é assim que

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

Quanto a empresa captou?

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

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

O que isso significa

Se a aposta da Lila der certo, a corrida da IA vai deslocar-se da análise da internet para a produção de dados científicos próprios: vencerá quem tiver não mais servidores cheios de texto, mas mais robôs realizando experimentos reais. Por enquanto, isso é confirmado por resultados pontuais — medições mais rápidas e novos catalisadores —, mas ainda 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 de IA autônomos para a "superinteligência científica": a IA projeta e executa experimentos por meio de mãos robóticas. 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?

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

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

Os robôs são necessários para gerar dados experimentais verificados para treinar os modelos: a empresa considera o experimento, e não o texto da internet, a principal fonte inesgotável de dados para a IA. Dessa forma, já foram reunidos mais de 10 trilhões de tokens científicos verificados.