美國律師事務所 Howard G. Smith 宣布，針對 Alphabet 的證券集體訴訟已於 2026 年 10 月 2 日在加州北區聯邦地方法院提起，案號為 Stewart v. Alphabet Inc. et al.。本案指控的核心，是 Alphabet 是否在 2026 年 5 月 19 日至 7 月 16 日期間，對 Gemini 3.5 Pro 的訓練進度與上市時程作出重大不實或誤導性揭露。
訴訟認為，公司未及時揭露模型訓練結果令人失望、旗艦產品可能顯著延後等資訊，導致投資人依據不具合理基礎的樂觀預期買進股票。依訴狀主張，7 月 16 日 Alphabet 股價單日下跌 16.40 美元、跌幅 4.4%，收在 353.81 美元；7 月 23 日在公布第二季財報後再跌 24.40 美元、跌幅 7.13%，收在 317.69 美元。
另一項衝擊來自財測：Alphabet 將 2026 年全年資本支出預估上調至 1,950 億至 2,050 億美元，並揭露第二季自由現金流為 負 59 億美元。公司因供應受限，計畫第三季擴大使用第三方運算容量，短期將對毛利率形成壓力。目前尚未完成集體認證，首席原告申請期限為 2026 年 12 月 1 日，最終責任仍待法院審理。
這起案件並非單純的股價下跌糾紛，而是生成式 AI 從「模型競賽」走向「資本密集型基礎設施競賽」後，企業揭露義務與技術發展不確定性之間的結構性落差被推上司法審查。Alphabet 這類平台巨頭同時握有模型、雲端服務、晶片採購、資料中心與廣告現金流，當技術預期公開成為股價主要驅動力時，投資人不再只檢視營收品質，也會檢視「領導者能否及時承認技術落差」。
從產業史觀察，雲端運算與行動平台早期也曾出現類似落差。微軟 Azure、亞馬遜 AWS 與 Google Cloud 在擴張期的獲利時點、資本回收期與產品成熟度，往往與市場預期存在落差，但當時這些公司的核心收入來自已驗證的訂閱與廣告市場，AI 模型的性能差距則更難以外部標準量化。Gemini 3.5 Pro 的訓練結果不佳，本質上涉及資料品質、模型架構、訓練算力配置與評測基準等高度內部資訊，投資人很難在事件發生前即時識別。
真正尖銳的衝突因此落在揭露邊界：公司是否有義務在外部媒體報導「進度落後」之前，即主動量化內部模型表現與預定交付時程？原告將矛頭指向公司管理層的正面表述缺乏合理基礎；Alphabet 的防禦則可能聚焦於模型研發本質上的高變動性，以及管理層並未確定發布日期。
資本支出數據則放大了市場疑慮。把全年資本支出拉高至 2,050 億美元，同時出現負自由現金流，代表 AI 需求確定性與供應受限並存，卻尚未轉化為相應的營收與現金回報。對市場而言，真正昂貴的並非單次模型延後，而是「每次失敗都必須再投入數百億美元重啟」所形成的資本配置風險。
原告律師事務所的第三方廣告性質，也必須納入判讀。律所發布新聞稿的目的在於招攬潛在原告、擴大案件能見度，這類訊息不等同法院已認定 Alphabet 違法或資訊重大不實。
戰略貿易流向與供應鏈依賴度
HS 8542資料來源：UN Comtrade 聯合國商品貿易統計庫 · 全球市場規模 $5,800 億美元 / 年
Alphabet 的案例顯示，前沿模型研發已進入「高資本投入、高揭露期待、高司法敏感度」並存的新階段。2026 年底至 2027 年，市場觀察重點不應只是 Gemini 3.5 Pro 是否準時推出，而是公司能否建立可被驗證的模型交付節奏。這可從三種情境推演：
歷史上的雲端平台擴張週期顯示，資本支出通常先於獲利高峰出現，短期自由現金流承壓未必等同長期價值受損。但科技平台由成長轉向成熟時，市場容忍度會顯著下降，Alphabet 必須證明 AI 投入能夠轉化為可重複的營收與生產力提升。
01 起因觸發：Gemini 3.5 Pro 訓練成效遭媒體披露，股價單日重挫4.4%
02 一階傳導：財報公布資本支出上看2,050億美元，自由現金流轉負59億美元
03 二階擴散：Google擴大第三方運算採購，供應商議價力與雲端成本結構受關注
04 司法外溢：證券集體訴訟進入審理，AI企業揭露責任與技術不確定性邊界受檢驗
05 市場重估：投資人從「AI成長敘事」轉向檢驗營收轉化、毛利與現金回收期
06 產業連鎖：模型效能落差加速資料治理、評測機制與算力採購策略的全面重估
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
