Se escindió Discovery Loop; Google conservó una participación

El 5 de agosto de 2026, The New York Times informó que Jeff Dean y otros tres ejecutivos de Google habían lanzado Discovery Loop fuera de Google con financiamiento semilla de Radical Ventures, Khosla Ventures y otros, y que Google conservaba una participación accionaria. Cuatro ejecutivos salieron de Google, pero el vínculo de capital sobrevivió.

En conjunto, Discovery Loop, Periodic Labs y Lila Sciences sostienen una proposición limitada: empresas e inversionistas están financiando equipos capaces de elegir problemas, construir modelos, realizar experimentos y absorber retroalimentación antes de que los reportes citados establezcan descubrimientos repetibles.

Google ya había concentrado la comercialización en una empresa especializada

En 2024, el CEO de DeepMind, Demis Hassabis, describió los avances de IA en biología como un negocio potencial de más de $100 mil millones y señaló a Isomorphic Labs como la vía de comercialización. DeepMind mantuvo el programa más amplio de investigación biológica, mientras Isomorphic Labs buscaba aplicaciones comerciales.

Para 2025, Lila Sciences había combinado un mandato científico con una ronda semilla confirmada de $200 millones. La organización sin fines de lucro FutureHouse había lanzado una plataforma y API con cuatro herramientas de investigación basadas en IA. Periodic Labs reunió a investigadores de Meta, OpenAI, DeepMind y otras empresas; Discovery Loop añadió capital de riesgo externo y participación accionaria del antiguo empleador de sus ejecutivos en 2026.

Los investigadores todavía tienen que cerrar el ciclo experimental

Los laboratorios de modelos de propósito general desarrollan capacidades que muchos usuarios posteriores pueden aplicar. Los científicos eligen un problema, convierten una conjetura en una hipótesis falsable, diseñan una prueba, interpretan el resultado y lo usan para elegir la siguiente prueba. Un modelo puede mejorar una etapa sin acortar toda la secuencia.

Discovery Loop eligió el descubrimiento de fármacos y el diseño de chips, dos ámbitos donde las hipótesis y los diseños deben resistir restricciones biológicas o físicas.

Dos artículos de Nature sobre Google Co-Scientist y FutureHouse informaron que los sistemas podían realizar tareas de reposicionamiento de fármacos al desarrollar hipótesis; una herramienta de FutureHouse también analizó parte de los datos. En un estudio aleatorizado separado, realizado en un laboratorio corporativo que empleaba a más de 1,000 investigadores, los equipos que usaban IA descubrieron 44% más materiales nuevos que los equipos que utilizaban flujos de trabajo estándar.

Los estudios dejan sin probar a un científico autónomo. Google y FutureHouse probaron una tarea acotada de reposicionamiento de fármacos, mientras que el estudio de materiales midió equipos que usaban IA dentro de un proceso de investigación más amplio. Los investigadores obtuvieron valor al insertar modelos en una secuencia de decisiones y pruebas.

Google, Lila y Periodic financiaron capacidad operativa

Discovery Loop combinó capital semilla externo con participación accionaria de Google. Radical Ventures, Khosla Ventures y otros inversionistas financiaron la empresa especializada; Google retuvo exposición a su potencial alza financiera; y los fundadores obtuvieron una organización dedicada al descubrimiento de fármacos y al diseño de chips.

Discovery Loop no reveló ni el tamaño de su ronda semilla ni su valuación, por lo que los lectores no pueden comparar directamente su capacidad financiera con la de Lila Sciences o Periodic Labs. Su estructura independiente permite a los fundadores hacer del programa experimental el mandato rector. La participación de Google establece una exposición financiera compartida, mientras los arreglos operativos de la startup siguen sin divulgarse.

Lila Sciences había levantado previamente una ronda semilla de $200 millones. Tras una ronda de $115 millones, el total confirmado de su Serie A alcanzó $350 millones.

Periodic Labs reclutó a más de 20 investigadores de empresas de IA de frontera, entre ellas Meta, OpenAI y DeepMind. Más tarde, según reportes, buscó cientos de millones de dólares con una valuación aproximada de $7 mil millones. Su financiamiento seguía siendo reportado, no confirmado. Los reportes citados de ninguna de las dos empresas identificaron un producto que los clientes pudieran comprar o usar.

Los investigadores que combinan conocimiento de infraestructura, criterio científico, prácticas de datos y diseño experimental forman la barrera de talento que estos inversionistas intentan asegurar.

Al 6 de agosto de 2026, Discovery Loop no había revelado ningún resultado científico en los reportes citados aquí. Sus fundadores, ámbitos, inversionistas y relación con Google documentan capacidad organizacional e intención, mientras el desempeño en descubrimientos sigue sin establecerse.

Los laboratorios conservan las pruebas fallidas que enseñan al modelo

Cuando una molécula falla, un material se comporta de forma distinta bajo estrés o un diseño de chip incumple una restricción, el resultado aporta una etiqueta vinculada al mundo físico, no a un corpus de texto. El laboratorio que realizó la prueba conserva las condiciones, el resultado y la justificación para elegir el siguiente experimento.

FutureHouse empaquetó cuatro herramientas de investigación detrás de una plataforma y API, y declaró la ambición de construir un científico de IA. Lila Sciences apunta a nuevos fármacos y materiales, ámbitos donde la evaluación física puede generar retroalimentación especializada para modelos e hipótesis posteriores.

Un proveedor externo de modelos puede recibir solo un resultado seleccionado, mientras el laboratorio conserva la prueba fallida y el razonamiento que esta modificó. Los reportes citados no revelan si Discovery Loop posee instalaciones de laboratorio, contrata experimentos o cómo pagaría por la capacidad de experimentación.

Discovery Loop debe demostrar que una mejora se repite

Discovery Loop necesitará evidencia que permita a los investigadores descartar hipótesis, inspeccionar métodos y reproducir resultados. Para una posible prueba de descubrimiento de fármacos, la empresa podría preregistrar un conjunto de objetivos, un flujo de trabajo de referencia, una métrica de éxito y una regla de detención. Podría registrar con marca de tiempo las hipótesis del modelo, los experimentos elegidos y las rutas descartadas, y luego comparar resultados validados, tiempo y costo con la referencia. Un laboratorio independiente podría repetir el experimento; aplicar el mismo protocolo a varios objetivos pondría a prueba si la mejora reaparece.

Google sigue ocupando dos posiciones reveladas: desarrolla Co-Scientist internamente y posee parte de Discovery Loop externamente. Cuatro exejecutivos trasladaron la lista de problemas científicos a una empresa independiente, mientras Google preservó exposición financiera sin ningún acuerdo de cómputo ni transferencia de propiedad intelectual revelados. Google conservó una participación; el cuaderno cambió de dirección.