DeepMind: VCs pelean por ex que construyen IA sin LLM

¿Por qué los ex de DeepMind ya no quieren construir LLM?

David Silver levantó US$1.100 millones en abril de 2026 para una empresa llamada Ineffable Intelligence que entrenará IA por ensayo y error, sin depender de datos humanos. La ronda semilla, valorada en US$5.100 millones, fue liderada por Sequoia y Lightspeed, con la entrada de Nvidia y Google, y según Fortune es la mayor operación semilla cerrada en Europa. Silver lideró durante casi una década el equipo de aprendizaje por refuerzo en Google DeepMind. No estaba construyendo otro LLM.

Cinco meses después, al menos otros cuatro exinvestigadores del laboratorio londinense están negociando rondas para compañías que rehúyen la arquitectura transformer. La escena retrata un momento bisagra: los científicos que ayudaron a escribir los papers fundacionales de la IA moderna están convencidos de que el próximo salto no pasa por hacer los modelos más grandes, y los fondos de Silicon Valley están pagando entradas descomunales para acompañarlos.

El desayuno en el hotel de cinco estrellas

Bloomberg, replicado por Yahoo Finance, reconstruyó una reunión reciente en un hotel cinco estrellas frente a la sede de Google en Londres: quince empleados y exempleados de DeepMind desayunaron juntos —coconut chia muesli y smashed avocado de fondo— y, según una persona que estuvo ahí, la conversación giró rápido hacia cómo levantar capital para una startup de IA.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

El episodio no es anómalo. Janusz Marecki, ex científico líder de DeepMind y hoy socio de IA en Ahren Innovation Capital, dijo a Bloomberg que se reúne con frecuencia con gente del laboratorio «que está buscando una salida». Y añadió: «A esta gente la están abordando de forma agresiva los fondos de capital de riesgo».

Cinco ex, cinco apuestas distintas a los LLM

La siguiente lista reúne las cinco compañías de ex de DeepMind que aparecen en la cobertura de septiembre de 2026, qué proponen y cuánto dinero tienen o negocian, según Bloomberg y Fortune:

Ineffable Intelligence (David Silver): IA por aprendizaje por refuerzo, sin datos humanos. US$1.100M cerrados en abril de 2026 a valoración de US$5.100M. Sequoia y Lightspeed lideraron; entraron Nvidia y Google. Cuatro excompañeros de DeepMind se unieron como cofundadores en septiembre, reportó Fortune: Chris Apps, Wojciech Czarnecki, Lasse Espeholt y Junhyuk Oh. Apps, Czarnecki y Oh trabajaron con Silver en AlphaStar; Espeholt ayudó a construir los modelos MetNet de predicción meteorológica de Google.
Emulate (Jack Parker-Holder, Matthew McGill y Philip Ball): modelos del mundo que simulan y predicen el entorno. Parker-Holder fue investigador principal de Genie 3, el modelo de DeepMind que genera entornos 3D interactivos a partir de texto. Fundada en agosto de 2026, negocia hasta US$700M con una valoración pre-inversión de entre US$3.000M y US$3.700M, según Financial Times y Bloomberg, cifras distintas que recogió The Next Web.
Revolution Labs (Nando de Freitas): modelos de difusión, una alternativa al transformer. De Freitas pasó cerca de una década en DeepMind y luego por Microsoft; dejó el laboratorio en 2024. Accel está en pláticas para liderar una ronda inicial de al menos US$100M, probablemente en varios tramos. Accel declinó comentar a Bloomberg.
Metis Reasoning (Thore Graepel): razonamiento con búsqueda y planificación al estilo de AlphaGo, del que Graepel es coautor del paper publicado en Nature. PYMNTS recoge que el plan combina «juicio aprendido» con búsqueda y planificación para que las máquinas actúen bajo incertidumbre. Primero decenas de millones, después un tramo de cientos de millones.
FractalBrain (asesor Janusz Marecki): aprendizaje continuo. Recauda fondos; monto no revelado.

Solo Ineffable tiene la ronda cerrada. Las otras cuatro siguen negociando. En el caso de Emulate, con apenas semanas de vida, ya se discute a una valoración de hasta US$3.700M.

¿Por qué los VCs pagan 200-300 veces los ingresos?

Marecki, a Bloomberg, lo resumió así: «Las valoraciones solían ser de 10 veces los ingresos y ahora llegan a 200 o 300 veces». Lo que cambió no es el científico, es el equilibrio entre oferta y demanda de talento con pedigree de frontera.

En ese contexto, los fondos estructuran las rondas en tramos: uno de primera línea entra temprano a una valoración más baja —señal de confianza en el equipo— y los que llegan después pagan un precio más alto con ese logo en la lista de accionistas. Bloomberg describe esta mecánica como la fórmula de las llamadas neolabs, startups de investigación fundadas por científicos de los grandes laboratorios.

La presión desde dentro también empuja. «Hay una presión desde arriba para dejar todo en lo que estás trabajando y enfocarte en los grandes modelos de lenguaje —entonces simplemente te vas, no tiene caso», dijo Marecki a Bloomberg. El centro de poder, además, se movió: en agosto, Demis Hassabis dejó el control diario del laboratorio en manos del jefe de tecnología Koray Kavukcuoglu y pasó a ser científico en jefe de Alphabet. Ese mismo día, Jeff Dean salió para fundar una compañía respaldada por Google; Noam Shazeer, colíder de Gemini, saltó a OpenAI; y el Nobel John Jumper aceptó un puesto en Anthropic.

Hassabis ha rechazado que exista una fuga de cerebros. En un evento en Cannes este año dijo: «Hay mucho movimiento de talento entre todos los laboratorios líderes y nos quedamos con la parte que nos corresponde del mejor talento. Tenemos, por mucho, el equipo de investigación más grande y amplio».

El mapa se extiende fuera de DeepMind

El fenómeno no se limita a Londres. En agosto de 2026, Sanja Fidler, ex investigadora de Nvidia, cerró US$90M de semilla para Veeda AI, una startup canadiense que construye modelos del mundo multimodales para entrenar robots en realidad simulada, reportó SiliconANGLE. La ronda fue coliderada por Khosla Ventures y Radical Ventures —los mismos que, según el mismo artículo, colideraron también la semilla de Discovery Loop, la nueva compañía de Jeff Dean.

Las cifras de los últimos meses dibujan un mercado nuevo en ebullición. Waabi levantó US$750M en enero de 2026 para modelos del mundo aplicados a conducción autónoma; World Labs, de Fei-Fei Li, cerró US$500M también en enero; y Decart.ai se llevó US$300M en mayo, todos según SiliconANGLE. Google y DeepMind han producido más de 40 fundadores de neolabs —más que OpenAI, Anthropic y Meta juntas—, según un análisis de Radical Ventures de junio citado por Bloomberg. Aun así, el grueso de quienes se van termina en otro laboratorio: en los 12 meses previos, el 25% del talento que dejó DeepMind se fue a Anthropic, el 21% a Meta y el 14% a OpenAI, según datos de Zeki Data publicados por Fortune.

¿Qué significa esto para tu startup?

Tres lecturas útiles si estás construyendo con IA, independientemente del sector:

El pedigree pesa más que el benchmark. Los fondos están financiando trayectoria publicable, no demos. Emulate tiene semanas de vida y ya negocia a valoración de unicornio-plus; Ineffable no tenía producto y cerró a US$5.100M. Si tu equipo tiene historial publicable en RL, simulación o modelos generativos no-LLM, hay capital buscándolo.
La arquitectura se diversifica. Si tu producto depende de un LLM puro vía API, vale la pena explorar arquitecturas paralelas: modelos de difusión para contenido y generación, modelos del mundo para robótica y simulación, refuerzo para agentes. Los VCs están financiando las alternativas y el costo de experimentar baja.
Londres y Europa, no solo San Francisco. Sequoia, Lightspeed y Accel están escribiendo cheques grandes en Londres. Para founders hispanohablantes con equipo en la UE o España, el mapa de talento y capital al que apuntar es más amplio que el de la Bay Area —y los tickets ya no tienen techo.