科技公司们寄予厚望，认为核能可以提供实现他们 AI 规划所需的电力。但数据中心需要明天就供电，而核工业向来以反应迟缓著称。
Trey Lauderdale 相信 AI 可以赋予核能所需的速度。
Lauderdale 对核能的痴迷起源于他身边的点滴。在他居住的加利福尼亚州 San Luis Obispo，经常遇到在 Diablo Canyon 核电站工作的人员。他说：“他们就像我们橄榄球业余队伍的教练。”
在与他们交谈中，他了解到核电站积压了无数文档。据他说，位于 San Luis Obispo 附近的 Diablo Canyon 拥有大约 20 亿页的文件。作为连续创业的医疗保健从业者，Lauderdale 隐约觉得 AI 能协助核工业解决文档繁多的问题。
大约一年半前，Lauderdale 创立了 Atomic Canyon，最初以自有资金进行启动。这家初创公司应用 AI 帮助工程师、维护技术人员和合规检查员快速找到所需文件。
2024 年底，该初创公司与 Diablo Canyon 签订了一份合作协议。Lauderdale 表示，这笔交易引来了其它核能公司的咨询。“那时我意识到，作为一名创业者，我们到了需要募集一轮资金的阶段。”
Atomic Canyon 完成了一轮 700 万美元的种子融资，由 Energy Impact Partners 领投，该公司对此仅向 TechCrunch 透露了独家消息。参与投资的还有 Commonweal Ventures、Plug and Play Ventures、Tower Research Ventures、Wischoff Ventures 以及此前的天使投资人。
最初，Atomic Canyon 的 AI 工程师曾测试过多种模型，但效果并不理想。Lauderdale 说：“我们很快发现，AI 在遇到这些核能相关词汇时容易产生虚构。因为它接触到的缩写实例太少。”
然而，构建全新 AI 模型需要庞大的计算能力。于是 Lauderdale 设法说服 Oak Ridge 国家实验室安排会面，该实验室不仅从事核研究，还拥有全球第二快的超级计算机。实验室对这一想法颇感兴趣，并向 Atomic Canyon 提供了 20,000 GPU 小时的计算资源。
Atomic Canyon 的模型采用句子嵌入技术，这种方法特别适合对文件进行索引。它利用检索增强生成（RAG）技术，使核电站文件实现可搜索。RAG 通过大语言模型来生成查询响应，但它要求这些模型参考具体文件，以减少虚构现象。
目前，Atomic Canyon 主要专注于文件搜索，部分原因是风险较低。
Lauderdale 解释道：“我们之所以开始对文件标题进行生成式尝试，其中一个原因是因为如果出错，可能只会让人有点沮丧，并不会对电站内人员构成风险。”
最终，Lauderdale 设想 Atomic Canyon 的 AI 能生成文件的‘初稿’，并附上参考文献。“在这个过程中，总会有人类在环节中，”他说。
不过，Lauderdale 并未为这一计划设定明确的时间表。他指出，搜索功能是“基础层”，必须首先解决。而且，鉴于核行业文档数量庞大，他补充道，“仅文件搜索这一块就有着悠长的发展道路。”
