Imagen ilustrativa — IA
Volver al blog Back to blog
IAAI · 15 junio 2026 June 15, 2026 · 8 min de lectura 7 min read

Qualcomm compra Tenstorrent: qué cambia en los chips de IA para la nube Qualcomm Eyes Tenstorrent at $10B: What This Means for Cloud AI Chips

Qualcomm negocia comprar Tenstorrent, el fabricante de chips IA de Jim Keller, por entre 8.000 y 10.000 millones de dólares. Si se concreta, sería la mayor apuesta de un fabricante de semiconductores establecido por desafiar a NVIDIA en los chips de IA para la nube. Para las empresas latinoamericanas que corren cargas de trabajo IA en AWS, Azure u OCI, esto importa: la estructura del mercado de chips determina los costos de inferencia en los próximos cinco años.

Resumen ejecutivo

Qualcomm, fabricante de los chips Snapdragon que dominan los celulares Android, está en conversaciones para adquirir Tenstorrent por 8.000 a 10.000 millones de dólares (MMD), según fuentes de The Information citadas el 15 de junio de 2026. Tenstorrent —liderado por Jim Keller, el ingeniero que diseñó el chip Zen de AMD, el A4 de Apple y el procesador Autopilot de Tesla— había evaluado levantar capital a una valoración de 3.200 MMD el año pasado. La operación representaría casi tres veces esa valoración en doce meses, reflejo de lo escasa que está la competencia real frente a NVIDIA.

Qué pasó

  • 15 de junio de 2026. The Information reporta que Qualcomm está en conversaciones avanzadas para adquirir Tenstorrent en una operación valorada entre 8.000 y 10.000 millones de dólares. Techmeme lo retomó como uno de los titulares del día.
  • Tenstorrent es un diseñador de aceleradores IA fundado en 2016 que apostó a la arquitectura RISC-V como alternativa abierta a las soluciones propietarias. Su CEO, Jim Keller, tiene un historial impresionante: diseñó los chips que rescataron a AMD (serie Zen), el primer chip de Apple para iPhone (A4) y el procesador de Tesla para conducción autónoma.
  • Valoración. En 2025, Tenstorrent discutía levantar 800 MMD a una valoración de ~3.200 MMD. La operación actual implica un premio de casi 3x en un año.
  • Qualcomm ya compite en inferencia IA con sus chips Hexagon en celulares y PCs. Tenstorrent le abriría la puerta al mercado de centros de datos, donde hoy prácticamente no tiene presencia.

Por qué importa

NVIDIA controla más del 80% del mercado de GPU para entrenamiento de modelos IA. AMD es la única alternativa madura. Intel intentó con Gaudi y tropezó. Los hyperscalers (AWS, Google, Microsoft) diseñan sus propios aceleradores (Trainium, TPU, Maia) pero son de uso interno exclusivo. En ese contexto, Tenstorrent con respaldo financiero de Qualcomm sería el primer competidor serio con escala real capaz de vender aceleradores IA a empresas externas.

Para los equipos de infraestructura: cuando hay más competencia en chips, los precios de cómputo IA bajan. No mañana —la integración toma años— pero sí en el horizonte 2027-2028.

Análisis técnico

Por qué RISC-V cambia las reglas del juego

Los chips de Tenstorrent usan RISC-V, una arquitectura de conjunto de instrucciones (ISA) de código abierto. A diferencia de ARM (licenciada) o x86 (propietaria de Intel/AMD), RISC-V permite que cualquier empresa diseñe implementaciones sin pagar royalties. En la práctica esto significa tres ventajas concretas:

  • Costo de licencia eliminado. Fabricantes en India, Brasil o Colombia pueden diseñar chips IA sobre RISC-V sin negociar con ARM Holdings ni con ninguna empresa propietaria.
  • Ecosistema abierto. Las herramientas de compilación y el toolchain son open source, lo que facilita adopción, auditoría y contribuciones de la comunidad académica.
  • Menor exposición a controles de exportación. RISC-V no es de origen estadounidense ni británico: reduce la exposición a restricciones que afectan a chips ARM y x86 de alta gama, un riesgo que ya es tangible para organizaciones latinoamericanas.

La apuesta de Keller: chips optimizados para inferencia

El mercado de chips IA se divide en entrenamiento (operaciones masivas en paralelo, mucha memoria → dominio de NVIDIA H100/H200/Blackwell) e inferencia (eficiencia energética, latencia baja, costo por token). Tenstorrent apunta al segundo segmento, donde el balance potencia/watt es el KPI que más le importa a quien paga la factura del cloud.

Sus chips Wormhole y Grayskull —ya disponibles comercialmente— muestran rendimiento competitivo en inferencia de modelos de lenguaje medianos con un consumo energético significativamente menor al de las H100. Su arquitectura permite escalar en grid (varios chips conectados) sin la latencia de las interconexiones NVLink propietarias de NVIDIA.

Impacto para el negocio

  • Corto plazo (2026): ninguno. Las negociaciones aún no son un acuerdo firmado, y aunque se cierren, la integración de Qualcomm + Tenstorrent toma entre 12 y 18 meses mínimo antes de que haya producto real en el mercado.
  • Mediano plazo (2027-2028): Qualcomm podría llevar chips Tenstorrent a sus clientes empresariales existentes: operadores de telecomunicaciones, fabricantes de equipos de red, empresas industriales. Esto abre una ruta de inferencia IA en el borde (edge) de la red sin depender de centros de datos centralizados.
  • Largo plazo: Si Qualcomm-Tenstorrent gana tracción real en centros de datos, los hyperscalers tienen un nuevo proveedor de chips. Eso solo ya presiona a NVIDIA a mejorar precios y condiciones comerciales.
  • Para compradores de GPU hoy: nada cambia en lo inmediato. Los contratos con NVIDIA siguen siendo la única opción confiable para entrenamiento a escala. La diversificación llega más adelante.

Impacto para Colombia y Latinoamérica

Colombia no fabrica chips, pero sí los consume. Toda empresa colombiana que usa servicios de IA en la nube —Azure OpenAI, AWS Bedrock, Google Vertex— está pagando indirectamente por el cómputo que corren las GPU de NVIDIA en esos data centers. Una hora de instancia con GPU H100 en AWS cuesta aproximadamente 45.000-60.000 COP en 2026. Si la competencia de chips baja esos precios un 20-30% en dos años, el ahorro en proyectos de IA medianos puede ser de decenas de millones de COP al año para una empresa de tamaño medio.

  • Soberanía tecnológica. RISC-V sin licencias propietarias es una oportunidad real para que institutos de investigación y startups latinoamericanas experimenten con diseño de chips. Universidades como los Andes, la UNAL en Colombia, o el IPN en México podrían participar activamente en el ecosistema abierto sin barreras de acceso.
  • Telecomunicaciones. Qualcomm ya vende chipsets a los operadores más grandes de la región: Claro, Movistar, WOM, Tigo. Si integra capacidades IA de Tenstorrent en equipos de red, la inferencia en el borde —en antenas 5G o en equipos de cliente (CPE)— se vuelve accesible sin depender de centros de datos centralizados en Estados Unidos o Europa.
  • Controles de exportación. Los chips de alta gama de NVIDIA (H100, H200, Blackwell) ya tienen restricciones de exportación hacia ciertos países. RISC-V, al ser una ISA abierta, reduce este riesgo estructural para las empresas latinoamericanas que buscan alternativas sostenibles a largo plazo.

Riesgos y trade-offs

  • La operación puede no cerrarse. "En conversaciones" no es acuerdo firmado. Tenstorrent podría preferir una IPO, un inversor estratégico distinto, o simplemente no llegar a términos con Qualcomm.
  • Integración cultural y técnica. Qualcomm es una empresa de más de 40.000 empleados orientada a volumen y escala de consumo masivo. Tenstorrent es una startup de investigación con una cultura de ingeniería de chips muy particular y un equipo pequeño. Las fricciones de integración son reales y pueden costar meses o años de productividad.
  • Ecosistema de software. El valor de NVIDIA no está solo en el hardware: está en CUDA, cuDNN y el ecosistema de librerías que tardó 15 años en construirse. Tenstorrent tiene TT-Metalium como stack de software abierto, pero la adopción sigue siendo limitada y los frameworks más populares (PyTorch, JAX) no tienen soporte nativo maduro.
  • Timing de mercado. Si los modelos IA evolucionan hacia arquitecturas que necesitan menos cómputo bruto (como los modelos de razonamiento eficiente que ya están emergiendo), la ventana para nuevos entrantes en chips se amplía. Si el entrenamiento de escala masiva sigue siendo el juego dominante, NVIDIA mantiene su ventaja estructural y los entrantes llegan tarde.

Recomendaciones prácticas

  1. No cambies contratos de cómputo IA hoy. Esta operación, si se cierra, tarda 2-3 años en materializarse en opciones reales de compra o arriendo de cómputo. Sigue trabajando con NVIDIA o con los chips propios del hyperscaler que ya usas (Trainium en AWS, Maia en Azure).
  2. Monitorea el ecosistema TT-Metalium. Si tienes un equipo de MLOps, vale la pena que alguien evalúe el soporte de Tenstorrent para los modelos que ya corren en producción. La curva de aprendizaje existe, pero hacerlo ahora reduce el costo de adopción cuando el mercado madure.
  3. Incluye diversificación de proveedor de cómputo en tu roadmap de infraestructura. No como acción inmediata sino como variable de planificación estratégica. Los equipos que diseñan arquitecturas cloud agnósticas hoy tienen más opciones —y mejor poder de negociación— mañana.
  4. Haz seguimiento a los controles de exportación de chips. El Departamento de Comercio de EE.UU. actualiza periódicamente las listas de chips con restricciones. Los equipos de procurement y legal deben tener visibilidad sobre qué instancias pueden comprometerse a largo plazo sin riesgo de restricciones futuras.

Glosario

  • Acelerador IA / GPU: chip especializado en operaciones matriciales que alimentan los modelos de lenguaje e IA en general.
  • RISC-V: arquitectura de conjunto de instrucciones abierta y sin royalties, desarrollada originalmente en UC Berkeley. Cualquiera puede diseñar chips basados en ella.
  • Inferencia: usar un modelo ya entrenado para generar respuestas o predicciones. Es la fase que más se ejecuta en producción y donde el costo por uso se mide en tokens.
  • Entrenamiento: proceso computacionalmente intensivo de ajustar los pesos de un modelo IA sobre grandes volúmenes de datos. Requiere los chips más potentes y costosos del mercado.
  • ISA (Instruction Set Architecture): contrato entre hardware y software que define cómo el procesador interpreta instrucciones. ARM, x86 y RISC-V son las ISA más relevantes hoy.
  • FinOps: práctica de gestión financiera de la nube orientada a optimizar costos de infraestructura sin sacrificar rendimiento ni velocidad de entrega.

Fuentes

Qualcomm is in talks to acquire Tenstorrent, Jim Keller's AI chip startup, for $8–10 billion. If closed, this would be the biggest move by an established chipmaker to challenge NVIDIA's dominance in cloud AI chips. For Latin American enterprises running AI workloads on AWS, Azure, or OCI, this matters: chip market structure determines inference costs for the next five years.

Executive Summary

Qualcomm, maker of the Snapdragon chips powering most Android phones, is reportedly in talks to buy Tenstorrent for $8–10 billion, according to sources cited by The Information on June 15, 2026. Tenstorrent — led by Jim Keller, the chip architect behind AMD's Zen, Apple's A4, and Tesla's Autopilot processor — had discussed raising $800M at a ~$3.2B valuation just last year. The proposed deal would value the company at nearly 3x that figure in twelve months, reflecting just how scarce credible NVIDIA alternatives actually are.

What Happened

  • June 15, 2026. The Information reported Qualcomm is in advanced talks to acquire Tenstorrent in a deal valued at $8–10 billion. Techmeme picked it up as one of the day's top tech stories.
  • Tenstorrent is a 2016-founded AI accelerator designer that bet early on RISC-V as an open alternative to proprietary chip architectures. CEO Jim Keller has a legendary track record: he designed the chips that saved AMD (Zen series), Apple's first iPhone chip (A4), and Tesla's neural network processor for autonomous driving.
  • Valuation jump. In 2025, Tenstorrent discussed raising $800M at ~$3.2B. The current deal implies nearly a 3x premium in one year — a stark signal of how few serious NVIDIA challengers exist.
  • Qualcomm already competes in on-device AI inference via its Hexagon NPUs in phones and PCs. Tenstorrent would open the data center market, where Qualcomm has virtually no presence today.

Why It Matters

NVIDIA controls over 80% of the AI training GPU market. AMD is the only mature alternative. Intel tried with Gaudi and stumbled. Hyperscalers (AWS, Google, Microsoft) build their own accelerators (Trainium, TPU, Maia) but those are for internal use only — they don't sell them. In that landscape, Tenstorrent backed by Qualcomm's financial muscle and distribution network would be the first serious external competitor with real scale capable of selling AI chips to enterprise customers worldwide.

More competition in the chip market means lower AI compute prices over time. Not tomorrow — integration takes years — but realistically by 2027–2028.

Technical Analysis

Why RISC-V Changes the Rules

Tenstorrent's chips use RISC-V, an open-source instruction set architecture (ISA). Unlike ARM (licensed) or x86 (Intel/AMD proprietary), RISC-V lets any company design chips without paying royalties to anyone. Three concrete advantages follow:

  • No licensing cost. Manufacturers anywhere — including Latin America — can design AI chips on top of RISC-V without negotiating licensing terms with ARM Holdings or any proprietary owner.
  • Open ecosystem. The compiler toolchain is open source, lowering the barrier to adoption and enabling academic and community contributions without legal friction.
  • Reduced export control exposure. RISC-V isn't inherently American or British in origin. This structurally reduces exposure to US export controls that apply to high-end ARM and x86 chips — a real concern for some LATAM deployments today.

Keller's Bet: Inference-Optimized Chips

The AI chip market splits into training (massive parallel memory operations → NVIDIA H100/H200/Blackwell territory) and inference (energy efficiency, low latency, cost-per-token). Tenstorrent targets inference, where power-per-watt is the KPI that matters most to whoever is paying the cloud bill.

Their Wormhole and Grayskull chips — already commercially available — show competitive inference performance on mid-size language models with meaningfully lower power consumption than H100s. Their grid scaling approach lets multiple chips connect without the latency overhead of NVIDIA's proprietary NVLink interconnects.

Business Impact

  • Short term (2026): none. Talks aren't a signed deal, and even if they close, Qualcomm + Tenstorrent integration takes 12–18 months minimum before there's a real market product.
  • Medium term (2027–2028): Qualcomm could bring Tenstorrent chips to its existing enterprise customers — telecom operators, network equipment makers, industrial companies. This opens a path for AI inference at the network edge without dependence on centralized data centers.
  • Long term: If Qualcomm-Tenstorrent gains real data center traction, hyperscalers gain a new chip supplier option. That alone puts structural pressure on NVIDIA to improve pricing or commercial terms.
  • For today's GPU buyers: nothing changes immediately. NVIDIA contracts remain the only reliable option for large-scale training. Diversification comes later — plan for it, but don't act on it yet.

Impact for Colombia and Latin America

Latin America doesn't manufacture chips — but it consumes them at scale. Every Colombian company using cloud AI services (Azure OpenAI, AWS Bedrock, Google Vertex) is indirectly paying for NVIDIA GPU compute running in those data centers. One hour of H100 instance time on AWS costs roughly $10–14 USD in 2026, translating to approximately 45,000–60,000 Colombian pesos per hour. If chip competition drives those prices down 20–30% over two years, medium-scale AI projects could save tens of millions of COP annually for a mid-size enterprise.

  • Digital sovereignty. RISC-V's royalty-free nature is a genuine opportunity for Latin American research institutions and startups to experiment with chip design without the licensing barriers ARM creates. Universities like Universidad de los Andes, UNAL in Colombia, or Mexico's IPN could actively participate in the open ecosystem without access barriers.
  • Telecoms. Qualcomm already sells chipsets to the region's largest operators: Claro, Movistar, WOM, Tigo. If it integrates Tenstorrent AI capabilities into network equipment, edge inference — on 5G antennas or customer premises equipment (CPE) — becomes accessible without depending on data centers in the US or Europe.
  • Export control resilience. High-end NVIDIA chips (H100, H200, Blackwell) already face US export restrictions toward certain countries. RISC-V, as an open ISA, structurally reduces this risk for Latin American organizations exploring sustainable long-term alternatives.

Risks and Trade-offs

  • The deal may not close. "In talks" is not a signed agreement. Tenstorrent could prefer an IPO, a different strategic investor, or simply fail to reach terms with Qualcomm.
  • Integration risk. Qualcomm is a 40,000-person company built on high-volume consumer chip manufacturing. Tenstorrent is a research-driven chip startup with a very specific engineering culture. Cultural and technical integration friction is real and can cost months or years of lost productivity.
  • Software ecosystem. NVIDIA's moat isn't just hardware — it's CUDA, cuDNN, and 15 years of library ecosystem. Tenstorrent has TT-Metalium as its open software stack, but adoption remains limited and major frameworks (PyTorch, JAX) lack mature native support.
  • Market timing. If AI models evolve toward architectures that need less brute compute (like the efficient reasoning models already emerging), the window for new chip entrants widens. If large-scale training stays the dominant game, NVIDIA keeps its structural advantage and late entrants arrive too late.

Practical Recommendations

  1. Don't change your AI compute contracts today. This deal, if it closes, takes 2–3 years to materialize into real chip purchase or rental options. Keep working with NVIDIA or your hyperscaler's native chips (Trainium on AWS, Maia on Azure).
  2. Track the TT-Metalium ecosystem. If you have an MLOps team, it's worth having someone evaluate Tenstorrent's support for models you already run in production. The learning curve exists, but doing it now reduces adoption cost when the market matures.
  3. Include chip provider diversification in your infrastructure roadmap. Not as an immediate action but as a strategic planning variable. Teams that design cloud-agnostic architectures today have more options — and better negotiating leverage — tomorrow.
  4. Watch chip export control updates. The US Commerce Department periodically updates chip restriction lists. Procurement and legal teams need visibility into which instance types they can commit to long-term without future restriction risk.

Glossary

  • AI Accelerator / GPU: specialized chip optimized for matrix operations that power language models and AI inference at scale.
  • RISC-V: open-source, royalty-free instruction set architecture originally developed at UC Berkeley. Anyone can design chips based on it.
  • Inference: using an already-trained model to generate responses or predictions. The phase that runs most in production, where cost-per-token is the key metric.
  • Training: the computationally intensive process of adjusting a model's weights on large datasets. Requires the most powerful and expensive chips on the market.
  • ISA (Instruction Set Architecture): the contract between hardware and software that defines how a processor interprets instructions. ARM, x86, and RISC-V are the most relevant ISAs today.
  • FinOps: cloud financial management practice focused on optimizing infrastructure costs without sacrificing performance or delivery speed.

Sources

Hablemos de tu idea → Tell us your idea →