Palo Alto Networks rapporteerde op 18 november 2026 de resultaten over het eerste kwartaal van boekjaar 2027. Die waren beter dan analisten hadden verwacht. De omzet kwam uit op $3,44 miljard, 39% meer dan een jaar eerder. De aangepaste winst bedroeg $1,05 per aandeel, tegenover een verwachting van $0,97. Na de bekendmaking steeg het aandeel na beurs met meer dan 7%. Tijdens hetzelfde gesprek met analisten kondigde het bedrijf de overname van Applied Compute aan, in een transactie ter waarde van $4,5 miljard die volledig in aandelen wordt betaald. Applied Compute ontwikkelt platforms waarmee bedrijven open-weight AI-modellen veilig kunnen trainen, aanpassen en gebruiken, zowel in publieke clouds als in soevereine omgevingen.
Waarom de deal juist nu belangrijk is
De overname weerspiegelt de groeiende bezorgdheid dat AI-modellen een nieuw aanvalsoppervlak kunnen vormen. Recente incidenten, zoals het datalek bij Hugging Face, laten zien dat open-weightmodellen kunnen worden misbruikt als ze niet goed zijn beveiligd. CEO Nikesh Arora van Palo Alto zei dat de overname het bedrijf in staat stelt «open-weightmodellen te beveiligen nu het gebruik ervan toeneemt». Het bedrijf verwacht tegen het einde van het boekjaar ook tienduizenden «virtuele patches» te kunnen aanbieden: snelle oplossingen voor nieuwe kwetsbaarheden.
Wat de overname oplevert
Applied Compute brengt een platform voor post-training en inferentie mee, evenals een onderzoeksteam dat Palo Alto in zijn hele productportfolio wil inzetten. Yash Patil, medeoprichter en CEO van Applied Compute, wordt na afronding van de overname co-Chief AI Officer bij Palo Alto. Volgens het persbericht wordt de deal naar verwachting in het derde kwartaal van boekjaar 2027 afgerond. De technologie van de start-up wordt geïntegreerd in Palo Alto’s beveiligingssuite van de volgende generatie. De jaarlijkse terugkerende omzet daarvan is al opgelopen tot $9,73 miljard, een stijging van 66% ten opzichte van een jaar eerder.
Waarom het ertoe doet
Voor grote ondernemingen betekent de deal dat ze binnenkort bij één leverancier terechtkunnen voor zowel de beveiliging van hun netwerken als de bescherming van de AI-modellen die ze ontwikkelen of gebruiken tegen manipulatie. Daardoor hebben ze mogelijk minder afzonderlijke beveiligingstools nodig voor AI-workloads, wat de inkoop eenvoudiger kan maken en de kosten mogelijk kan verlagen. De precieze planning voor de introductie van producten en de prijzen zijn echter nog onduidelijk zolang de integratie niet is afgerond.