Um fornecedor de segurança compra uma plataforma de ajuste de modelos

A Palo Alto Networks anunciou a 18 de novembro de 2026 um acordo inteiramente em ações de 4,5 mil milhões de dólares pela Applied Compute, uma plataforma de pós-treino e inferência de modelos de IA abertos. O fecho está previsto para o terceiro trimestre fiscal de 2027 e depende de autorização regulatória. Yash Patil, cofundador e diretor executivo da Applied Compute, passa a Co-Chief AI Officer da Palo Alto. A compradora diz que todas as empresas vão misturar modelos abertos e fechados e que cada um precisa de proteção, e quer que os clientes treinem, ajustem e implementem modelos abertos em nuvens públicas ou soberanas. A Applied Compute continuará a servir os clientes atuais.

O trimestre apresentado no mesmo dia

A Palo Alto apresentou no mesmo dia o primeiro trimestre fiscal de 2027 e, segundo a CNBC, as ações subiram mais de 7 % depois e valorizam cerca de 85 % este ano. Como o preço é pago em ações, o custo real para a Palo Alto varia com a cotação. O diretor executivo Nikesh Arora disse aos analistas que o novo negócio pode superar a cibersegurança se funcionar, e isso é uma aposta, não um resultado.

IndicadorPrimeiro trimestre fiscal de 2027Variação
Receita3,44 mil M$Mais 39 % do que 2,47 mil M$
ARR de segurança de nova geração9,73 mil M$Mais 66 %
Lucro líquido482 M$Contra 334 M$
Previsão de receita anual14,52 a 14,57 mil M$Revista acima dos 14,16 mil M$ esperados

O que perguntar se usa uma das duas empresas

Se é cliente da Applied Compute, peça já por escrito condições sobre neutralidade face a outros fornecedores de segurança, preços após o fecho, onde ficam os seus dados de treino e os pesos do modelo e como pode sair, porque nada muda antes do fecho mas o roteiro pode mudar depois. Se compra à Palo Alto, espere uma oferta agrupada para proteger modelos de IA e pergunte quanto custa além do contrato atual. O objetivo declarado inclui nuvens soberanas, por isso os compradores europeus devem perguntar em que região correm as tarefas de ajuste antes de enviar dados regulados.