Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarTNW→ original

Palo Alto Networks vai comprar a startup de IA Applied Compute por US$ 4,5 bilhões em ações

A Palo Alto Networks está comprando a Applied Compute, startup de ex-pesquisadores da OpenAI que ajuda empresas a treinar e executar versões próprias de modelos de IA abertos. O negócio, de US$ 4,5 bilhões, será pago inteiramente em ações, e a startup, fundada no ano passado, já alcançou US$ 100 milhões em receita anual. A Palo Alto quer vender a plataforma a seus clientes junto com a proteção. Para o mercado, o recado é claro: a segurança de modelos abertos está se tornando um mercado à parte.

Processado por IA de TNW; editado por Hamidun News
Palo Alto Networks vai comprar a startup de IA Applied Compute por US$ 4,5 bilhões em ações
Fonte: TNW. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalTNW ↗
Editor-chefe
Dado-chave #1A fatia de modelos abertos no tráfego de tokens subiu de menos de 5% para mais de 60% em um ano
Dado-chave #2A Palo Alto vai construir mais de 100 MW de capacidade para inferência, com investimentos de até US$ 3 bilhões
Dado-chave #3O CEO da Applied Compute, Yash Patil, se tornará co-diretor de IA da Palo Alto

A maior empresa de cibersegurança do mundo está comprando uma startup de IA por US$ 4,5 bilhões e afirma que está indo além de seu negócio tradicional. A Palo Alto Networks concordou em adquirir a Applied Compute, e vai pagar apenas em ações. Para desenvolvedores e gerentes de produto, o interesse do negócio não está no valor, mas no problema que ele revela: empresas estão migrando em massa para modelos abertos, e ainda ninguém sabe proteger essas soluções de verdade.

O que a Palo Alto está comprando

A Applied Compute foi fundada no ano passado por três ex-pesquisadores da OpenAI. A startup ajuda empresas a treinar e executar versões próprias de modelos open-weight, ou seja, modelos cujos pesos (os números que definem o comportamento da rede neural) podem ser baixados e alterados. Em termos simples, em vez de alugar um modelo fechado por meio de uma API, a empresa pega um modelo aberto, o ajusta com seus próprios dados e o executa em sua infraestrutura.

Os números financeiros da startup são expressivos. De acordo com o The Wall Street Journal, no início do mês ela captou US$ 350 milhões com avaliação de US$ 3,25 bilhões, e a receita anual, no ritmo atual, chegou a US$ 100 milhões. A compra tem um ágio em relação à última rodada: US$ 4,5 bilhões contra US$ 3,25 bilhões. O CEO e cofundador Yash Patil se tornará co-diretor de IA da Palo Alto após o fechamento do negócio. A operação ainda depende da aprovação dos reguladores, e o fechamento está previsto para o terceiro trimestre fiscal de 2027.

A Applied Compute continuará atendendo seus clientes atuais, enquanto a Palo Alto venderá a plataforma para sua base de clientes. A equipe manterá seus escritórios e, segundo o presidente da empresa, Nikesh Arora, basicamente manterá sua independência. Ele também observou que os funcionários têm "milhões de motivos" para ficar mais três ou quatro anos, referindo-se às ações recebidas com a venda.

Por que isso virou um mercado de segurança

Arora explica a lógica assim: cada empresa usará uma mistura de modelos abertos e fechados, e cada um deles precisará ser protegido. Segundo ele, nenhum grande provedor oferece hoje modelos abertos de forma segura. A Palo Alto quer permitir que as empresas treinem, adaptem e executem esses modelos em nuvem pública ou em ambientes "soberanos" próprios, ou seja, sob controle total do cliente.

O argumento se apoia em um número: durante a teleconferência com analistas, Arora afirmou que os modelos abertos já respondem por mais de 60% do tráfego de tokens, enquanto há um ano essa fatia era inferior a 5%. São palavras do executivo da empresa que está comprando o negócio, e não uma estatística independente, por isso devem ser recebidas com cautela. Mas a direção é clara: quanto mais equipes mantêm modelos na própria infraestrutura, maiores se tornam as preocupações com vazamento de dados, adulteração de pesos e controle de acesso, justamente os temas que antes ficavam a cargo dos provedores de APIs fechadas.

Os planos são ambiciosos. A Palo Alto espera que o negócio adicione mais de US$ 1 bilhão em receita recorrente anual até o ano fiscal de 2029. Para isso, a empresa pretende construir mais de 100 megawatts de capacidade para inferência, ou seja, para executar os modelos; os investimentos nessa infraestrutura, segundo a companhia, não devem ultrapassar US$ 3 bilhões até o ano fiscal de 2030. Arora afirmou que, se tudo der certo, a nova área pode superar a cibersegurança em escala.

Contexto: um trimestre forte e ressalvas

A compra foi anunciada junto com o balanço do primeiro trimestre fiscal. A receita cresceu 39%, para US$ 3,44 bilhões; a receita recorrente anual do negócio de segurança de nova geração subiu 66%, para US$ 9,73 bilhões; e o lucro líquido somou US$ 482 milhões, ante US$ 334 milhões um ano antes. A companhia elevou a projeção para o ano: receita de US$ 14,52 a 14,57 bilhões e lucro ajustado de US$ 4,26 a 4,30 por ação. Arora atribuiu parte da demanda a uma série recente de falhas, em parte causada pela pressa das equipes de TI em adotar IA.

Também há riscos evidentes. A operação precisa de aprovação regulatória. A companhia, que cresceu com a proteção de redes, passa a atuar no mercado de infraestrutura para treinamento de modelos, onde concorre com gigantes da nuvem e startups especializadas. Integrar uma equipe independente a uma grande corporação sempre é arriscado, e investir em 100 MW de capacidade é território novo para uma empresa desse perfil.

O que isso significa na prática

Se você desenvolve produtos com modelos abertos, espere que fornecedores de segurança passem a oferecer soluções prontas: controle de pesos, auditoria de ajustes finos e isolamento de dados. Se você está escolhendo entre uma API fechada e uma implantação própria, a questão da proteção deve entrar cada vez mais na comparação de custos. E, para os fundadores de startups de infraestrutura de IA, o negócio mostra que grandes players estão dispostos a pagar caro por equipes capazes de transformar modelos abertos em produto corporativo.

História

Perguntas frequentes sobre a notícia

O que a Palo Alto está comprando?

A Applied Compute foi fundada no ano passado por três ex-pesquisadores da OpenAI. A startup ajuda empresas a treinar e executar versões próprias de modelos open-weight, ou seja, modelos cujos pesos (os números que definem o comportamento da rede neural) podem ser baixados e alterados. Em termos simples, em vez de alugar um modelo fechado por meio de uma API, a empresa pega um modelo aberto, o ajusta com seus próprios dados e o executa em sua infraestrutura. Os números financeiros da startup são expressivos.

Por que isso virou um mercado de segurança?

Arora explica a lógica assim: cada empresa usará uma mistura de modelos abertos e fechados, e cada um deles precisará ser protegido. Segundo ele, nenhum grande provedor oferece hoje modelos abertos de forma segura. A Palo Alto quer permitir que as empresas treinem, adaptem e executem esses modelos em nuvem pública ou em ambientes "soberanos" próprios, ou seja, sob controle total do cliente.

O que se sabe sobre Contexto: um trimestre forte e ressalvas?

A compra foi anunciada junto com o balanço do primeiro trimestre fiscal. A receita cresceu 39%, para US$ 3,44 bilhões; a receita recorrente anual do negócio de segurança de nova geração subiu 66%, para US$ 9,73 bilhões; e o lucro líquido somou US$ 482 milhões, ante US$ 334 milhões um ano antes. A companhia elevou a projeção para o ano: receita de US$ 14,52 a 14,57 bilhões e lucro ajustado de US$ 4,26 a 4,30 por ação.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…