Financiamento

A Valar Atomics levanta $1B em série B e garante $200M em crédito para produzir reatores nucleares em massa

mm
Adicione Unite.AI às suas fontes preferidas no Google

A Valar Atomics fechou uma rodada de $1 bilhão em série B liderada pela Sequoia Capital, dinheiro que a empresa de três anos de nuclear diz que a levará de executar um único reator de teste em Utah para construir pequenos reatores em uma linha de produção. A Valar anunciou a rodada em 3 de agosto de 2026, juntamente com uma facilidade de crédito separada de $200 milhões, e disse que Sequoia parceiro Shaun Maguire está se juntando ao seu conselho.

O anúncio nomeia nove outras empresas na rodada de ações, entre elas Valor Equity Partners e Conviction, e descreve o grupo como uma mistura de novos e antigos investidores. A dívida é liderada por Erebor, um banco nacionalmente autorizado, com J.P. Morgan, Crescent Cove e Hercules Capital (HCXY ) ao lado.

O fundador e CEO Isaiah Taylor enquadrou a captação como uma mudança no que a empresa faz, e não no que ela projeta. A captação, ele escreveu, permite que a Valar mude “de demonstrar a operabilidade de um sistema de reator integrado para produzir frotas deles em massa”.

O que o capital é destinado a comprar

O plano que Taylor descreveu é uma integração vertical que desce até o combustível. Em vez de comprar combustível de fornecedores externos, a Valar diz que produzirá o seu próprio em laboratórios de combustível construídos nos mesmos locais dos reatores que o consomem. A empresa foi selecionada para o piloto de linha de combustível avançada do Departamento de Energia, bem como para o piloto de reator, e trata reator e combustível como um problema de fabricação.

A segunda metade do argumento é uma curva de aprendizado. A Valar afirma que cada reator que opera torna o próximo mais barato e rápido para construir, com Ward 250 já produzindo os dados de engenharia e operação por trás das unidades que seguem. Sua própria cadência é a evidência que oferece: o núcleo NOVA levou dois anos para ser concluído, e Ward 250 levou sete meses para atingir a criticidade. A empresa espera que esse intervalo continue se comprimindo até que esteja produzindo dezenas, então centenas, de reatores por ano.

Essa lógica de produção é o que o modelo de gigasite da empresa se baseia: clusters de reatores de alta temperatura construídos ao lado da fábrica que os produz, vendendo eletricidade, calor industrial e hidrogênio para clientes no mesmo local. Os reatores funcionam com combustível TRISO e refrigeração a hélio, uma combinação que a Valar afirma opera em temperaturas muito mais altas do que uma usina convencional e não retira água local.

De um núcleo frio para um núcleo vivo

Ward 250 atingiu a criticidade auto-sustentável em 18 de junho de 2026. A Valar diz que isso a tornou a primeira empresa a levar um reator à criticidade fora de um laboratório nacional.

O passo anterior foi mais silencioso. Em 17 de novembro de 2025, o núcleo NOVA da Valar atingiu a criticidade em zero potência no local de criticidade do Laboratório Nacional de Los Alamos, no local de segurança nacional de Nevada, validando a física do design do núcleo moderado por grafite e combustível TRISO que Ward 250 usaria. Uma corrida crítica fria confirma que o núcleo se comporta como modelado; ele não produz energia útil.

Ward 250 em si foi construído sob o Programa de Piloto de Reator do Departamento de Energia, que visava obter pelo menos três projetos de reatores avançados críticos fora dos laboratórios nacionais até 4 de julho de 2026, e que é estruturado como uma rota de demonstração destinada a acelerar a licença comercial que vem após. Cerca de uma semana após a criticidade, a Valar executou a corrente de Ward 250 em um processador Nvidia Blackwell, e as duas empresas disseram que trabalhariam juntas em uma fábrica de AI de 30 megawatts sem água.

O que muda para a energia dos data centers

O apelo aos compradores de computação é o local. Um reator resfriado a hélio colocado atrás do medidor tira um data center da fila de interconexão e da luta pela água local ao mesmo tempo, duas das restrições que agora definem o cronograma para grandes campus de AI. Todas as outras rotas são uma negociação com a grade: utilitários como Duke estão recriando a carga de data center como um benefício para outros pagadores de taxas, e armazenamento de bateria em escala de grade está sendo construído ao lado de locais de data center em Ohio para suavizar o que os fios podem entregar.

A escala é a medida honesta de onde isso se encaixa. A colaboração Nvidia (NVDA ) tem como alvo 30 megawatts, aproximadamente um prédio de AI, num momento em que um único campus de AI do Texas está sendo provisionado em 600 megawatts. O que a rodada compra é a capacidade de fazer com que esses 30 megawatts se repitam. A Valar nunca vendeu um grande planta; vendeu muitas pequenas idênticas, cada uma mais barata do que a última, o que só funciona se a fábrica funcionar.

Essa também é a diferença entre isso e o resto da indústria que se move em direção à energia nuclear, que em grande parte significou comprar a saída de usinas que alguém mais possui e opera. Um reator que um cliente pode ter localizado em sua própria terra é um produto diferente. A próxima coisa que a Valar tem a construir é o segundo, e então a linha que estampa o resto.

Theo Nash é um especialista em AI gerado pela Unite.AI, cobrindo infraestrutura de AI, computação e os sistemas de hardware que alimentam a inteligência artificial moderna. Seu trabalho se concentra nas fundações técnicas por trás das cargas de trabalho de AI em larga escala, incluindo centros de dados, aceleradores, redes e as pilhas de software que os unem.
Com uma perspectiva analítica e orientada por engenharia, Theo examina como os avanços em GPUs, silício personalizado, arquiteturas de memória e sistemas distribuídos permitem novas gerações de modelos de AI. Ele presta atenção especial às trocas de desempenho, eficiência energética, escalabilidade e às restrições práticas que moldam a implantação real da infraestrutura de AI.
Os artigos escritos por Theo Nash são gerados por AI e revisados pela equipe editorial da Unite.AI para garantir a precisão técnica, clareza e cobertura responsável do paisagem de computação de AI em rápida evolução.