← Inicio

Valar Atomics recauda 1.000 millones de dólares con Sequoia para escalar la energía nuclear

Valar Atomics confirmó este lunes lo que se había susurrado durante semanas: cerró una ronda Serie B de 1.000 millones de dólares liderada por Sequoia Capital, con el socio Shaun Maguire incorporándose al consejo de la startup. El anuncio, hecho por el fundador y consejero delegado Isaiah Taylor, marca la apuesta reciente más grande de un fondo de riesgo en el sector nuclear y refuerza una tesis que gana fuerza: la energía atómica podría ser el combustible de la era de la inteligencia artificial.

La cifra impresiona por sí sola, pero el detalle que más llama la atención es cómo se usará el dinero. Según Bloomberg, Valar quiere pasar de "demostrar" pequeños reactores a "producirlos en volumen". La empresa construyó un reactor de prueba en Utah y ahora planea ensamblar reactores en una línea de producción, en el modelo industrial que llama "gigasite": una fábrica de energía nuclear verticalmente integrada, capaz de generar electricidad e incluso combustible de hidrógeno limpio. Una línea de crédito de 200 millones de dólares acompaña la ronda, lo que indica que el plan va mucho más allá de un prototipo.

El contexto explica por qué el capital privado se está moviendo hacia el sector. Los centros de datos de IA consumen energía a un ritmo insostenible, y las grandes empresas tecnológicas están desesperadas por fuentes estables, despachables y de bajas emisiones. Valar incluso alimentó un chip de IA de NVIDIA con electricidad de su reactor en una demostración: un gesto simbólico que convierte la narrativa en prueba práctica: la nuclear puede energizar la próxima ola de computación. La relación con el mercado de chips es casi circular: más IA exige más energía, y más energía limpia permite más IA.

La ronda de Valar no ocurre en el vacío. En los últimos meses, Antares recaudó 470 millones de dólares y X-energy levantó 1.000 millones en su salida a bolsa, señales de que el sector nuclear privado está en pleno auge. La analogía con los inicios de la energía solar es inevitable: así como los fabricantes de paneles tuvieron que aprender a producir a escala para abaratar costes, los nuevos reactores modulares deben pasar de proyectos a medida a la fabricación repetida. La apuesta de Valar es que la estandarización industrial —la misma lógica que abarató los coches y los semiconductores— también funcione para los átomos.

Sin embargo, hay riesgos que ningún mil millones elimina por sí solo. El primero es regulatorio: la aprobación de reactores modulares en Estados Unidos sigue siendo lenta, y la promesa de las "gigasites" depende de un regulador que históricamente ha favorecido la cautela. El segundo es la ejecución de ingeniería: construir reactores en línea de producción, con seguridad comprobada, es algo que la industria nuclear nunca ha hecho a la escala propuesta: el fracaso de un solo reactor tendría un coste reputacional y financiero enorme. El tercero es el plazo: los centros de datos necesitan energía ahora, no dentro de media década, y si Valar tarda demasiado, las grandes tecnológicas podrían pasarse al gas natural, a la solar con baterías u otras startups.

La pregunta abierta es si la energía nuclear modular finalmente se convertirá en un negocio a escala o seguirá siendo un sueño caro del capital de riesgo. El capital privado ya ha demostrado que quiere apostar: una ronda de 1.000 millones liderada por Sequoia no es una prueba tímida. Pero la historia del sector está llena de promesas de reactores pequeños y baratos que chocaron con costes y plazos. Valar tiene el dinero, el momento y un cliente insaciable (la IA) a su favor. Ahora debe demostrar que puede convertir átomos en megavatios producidos en serie, y hacerlo antes de que se cierre la ventana de oportunidad. Si lo logra, será una de las mayores transformaciones industriales de la década. Si no, será otro capítulo de una industria que siempre ha estado a una innovación de distancia de la escala.

Fuentes: TechCrunch, Valar Atomics, Yahoo Finance

✓ Fuentes independientes cruzadas y verificadas antes de la publicación