美國商務部國家技術與標準局公布技術創新計畫（TIP）之執行規則草案，徵求外界意見
過去十餘年來，美國商務部國家技術與標準局（The Commerce Department’s National Institute of Standards and Technology, NIST）推動的「先進技術計畫」（Advanced Technology Program, ATP），成功帶領美國中小企業透過技術的研發投入，創造美國經濟榮景。近年來面對變動劇烈的國際環境，為提升美國競爭力，美國總統於2007年8月9日簽署通過「意涵深遠地促進傑出技術、教育與科學之美國機會創造法」（The America Creating Opportunities To Meaningfully Promote Excellence In Technology, Education, And Science Act, 簡稱The America COMPETES Act）。
The America COMPETES Act特別授權NIST負責推動並執行一項新的研究補助計畫－技術創新計畫（Technology Innovation Program, TIP），企圖藉由在國家重點需求領域（critical national need areas），補助具有高風險性及高報酬的技術研究（high-risk, high-reward research），支持、促進並加速美國的創新。所謂「高風險、高報酬」之技術研究，指具有以下三項特質的技術研究：（1）研究可轉化成具體實益的潛在可行性，其成果將產生深遠及廣泛的影響；（2）研究計畫的進行係為了回應屬NIST技術職掌範圍內的重大國家需求；（3）研究的技術議題過於創新（too novel）或跨越甚多學科（spans too diverse a range of disciplines），以致傳統的專家審查程序無法適當地用來篩選此類計畫。至於「國家重點需求領域」，指問題觸及的面向極大，然須要被克服的社會挑戰（societal challenge）尚無因應之道而有賴國家予以關注，此等問題與社會挑戰可能可以透過高風險、高報酬研究之進行而予以解決者。
根據The America COMPETES Act，TIP將依研究實力競爭（on the basis of merit competitions）的原則，透過分攤成本的研究補助（cost-shared research grants）、合作協議（cooperative agreements）或契約（contracts）等方式，鼓勵業界單獨或共同（透過合資方式）提出技術創新的研究計畫申請以合資方式提出者，其主導者（lead entity）可為中小型企業或高等教育機構。TIP的補助對象限於設立於美國並在美國境內經營其主事務的中小型企業，外國企業參與TIP若符合美國經濟利益者，亦得獲得補助。TIP的補助金額不超過個別研究計畫總成本的半數，且只能用於補助直接成本，間接成本、收益或管理費則不在補助之列。總計對單一單位的補助以最長三年且不超過三百萬美元為限；對於合作研究則以最長五年且不過過九百萬美元為限。由於The America COMPETES Act僅就TIP的補助目的、補助對象、補助條件等作原則性規定，其運作細節仍有待NIST進一步設計，日前NIS已於2008年3月7日對外公布TIP執行規則草案，徵求各界意見。
隨著TIP的規劃與實際運作，過去由NIST所執行的ATP也將完成其歷史性任務，由TIP取代並宣告美國政府支持產業技術研發的新理念－亦即透過支持高風險、高報酬之技術研究，以回應美國的國家重點需求領域。
身為全球創新的龍頭，美國所提出的科技研發創新政策向為各國學習與參考借鏡的標竿，隨著The America COMPETES Act的通過，新法中關於美國產業創新的新機制規劃，已引起其他國家高度關注。印度科技與地球科學（Science & Technology and Earth Sciences）部長在The America COMPETES Act通過的一個月後即宣佈，印度政府將於短期內提出全面性的印度創新法案（Indian Innovation Act），藉以激勵印度的創新，而此項創新法案將會以美國的America COMPETES Act為參考模型。
本文為「經濟部產業技術司科技專案成果」
歐盟發布透明度實務準則與義務指引：協助透明度義務規範之落實與執行 資訊工業策進會科技法律研究所 2026年07月24日 今（2026）年6月10日，歐盟執行委員會（European Commission，下稱歐盟執委會）通過《AI 生成內容透明度之實務準則》（Code of Practice on Transparency of AI-Generated Content，下稱準則）[1]，並於7月20日發布「AI透明度義務指引」（Guidelines on the implementation of the transparency obligations for certain AI systems under Article 50 of Regulation (EU) 2024/1689，下稱指引） [2]，準則與指引旨在協助引導AI提供者和部署者能有效履行《歐盟人工智慧法》（EU AI Act，下稱AIA）第50條的透明度義務規範。 壹、事件摘要 AIA於2024年6月13日制定通過，並於2024年8月1日正式生效。其中，AIA第50條之透明度規定則定於2026年8月2日實施[3]。此一規範主要針對與人互動的AI生成內容，應滿足透明度義務的規範要求。另根據AIA第96條第1項第d款規定，歐盟執委會具有制定實施指引的法定義務，以協助落實AIA第50條之透明度義務規定。因此，歐盟執委會分別通過準則及發佈指引，協助開發AI系統之提供者與部署者能理解AIA第50條之規範要求。準則係由人工智慧辦公室（AI Office）居中協調，並由獨立專家聯合各方利益相關人共同起草而成，主要針對AIA第50條第2項（數位浮水印標記義務）、第4項（深偽技術揭露義務）的義務履行要求制定實務準則[4]；指引則是蒐集各會員國的回饋意見，乃制定指引作為準則的補充內容，以銜接8月2日透明度義務規範的實施[5]。 附帶說明的是，歐洲議會（European Parliament）於今年6月16日通過的「第七號數位綜合法案」（Omnibus VII）[6]，對AIA第50條透明度規定有進行義務時程的調整修訂，針對8月前已上市的AI系統要求於今年12月2日前補足透明度的標記義務，但僅限於第50條第2項機器可讀的數位浮水印或技術標籤的標示義務，未及於其他項次的透明度義務要求[7]，因此其餘項次的透明度義務規定均須於今年8月2日起嚴格遵循。 貳、重點說明 以下透過準則和指引的整體觀察，有助於釐清AIA第50條的規範內容，並就第50條的項次規定分別進行說明： 一、AI系統與自然人直接互動之通知義務（第50條第1項） （一）明確界定直接互動之定義 第50條第1項規定，與自然人直接互動之AI系統，應使相關自然人知悉其正與AI互動。指引將「直接互動」界定為具備「即時或近乎即時」且具有「雙向資訊交換」特徵之互動；若內容經人工審核後始發出，則不屬於本項所稱之直接互動[8]。 （二）通知義務的履行方式 指引規定，提供者得自行選擇通知方式，只要符合「清晰可區別」原則即可，例如文字、語音或視覺標示。僅於服務條款揭露或使用模糊稱呼（如僅稱「助手」）均不足以履行通知義務；對老人、兒童等弱勢群體，建議增設定期提醒功能[9]。 （三）顯而易見之解釋 第50條第1項但書規定，若AI互動屬一般人依使用情境即可明顯辨識者，則免除通知義務。指引援引歐盟消費者保護法之「平均消費者」（average consumer）標準，並綜合考量AI系統之應用情境及透明度義務之立法目的進行判斷[10]。 （四）豁免適用要件 第50條第1項排除依法授權用於刑事犯罪偵查、預防、調查或起訴之AI系統，但提供予公眾通報犯罪之系統仍應履行通知義務，指引並以「警政報案機器人」作為示範案例[11]。 二、AI生成內容之機器可讀數位浮水印（第50條第2項） （一）生成與竄改合成內容之界定 第50條第2項要求，專用於生成或竄改音訊、圖片、影片或文字內容之AI系統，其輸出應以機器可讀格式標記，使其可被辨識為AI生成或改造（manipulated）內容。指引將「生成」解釋為創造全新內容，「改造」則指對既有內容作出顯著變更，並排除單純資料渲染、工業感測資料、無意義的短輸出、原始程式碼及機對機通訊等內容[12]。 （二）標記與偵測義務之履行方式 指引要求提供者同時履行「機器可讀標記」及「可被偵測」兩項技術解決方案義務[13]；準則則進一步建議採取多層次標記方式，例如結合數位簽章防偽標籤與浮水印，以提升辨識效果，至於指紋辨識或日誌紀錄僅屬輔助措施，不能單獨作為合規方式[14]。 （三）技術解決方案之品質要求 第50條第2項要求技術解決方案具備有效性、可靠性、強韌性及互通性。指引就條文內容進行解釋，補充上述指標指涉之意義[15]；準則則將指標量化為可供操作的技術測試流程，包括透過使用者理解評估、錯誤率及壓力等測試，以驗證技術解決方案是否符合上述指標要求[16]。 （四）豁免適用要件 第50條第2項排除適用於標準編輯輔助功能、未實質改變輸入資料語義之處理，以及依法授權用於刑事犯罪偵查等情形。準則指出在適用範圍上應考量法律義務的範疇及相關的法律豁免[17]；指引進一步舉出實例，包括拼字檢查、語法修正、逐字稿轉錄、隱私遮罩及醫療影像重建等，均屬豁免適用之範圍[18]。 三、情緒辨識與生物辨識分類系統之通知義務（第50條第3項） （一）情緒辨識與生物辨識分類之界定 第50條第3項規定，部署者使用情緒辨識或生物辨識分類系統時，應通知受影響之自然人。指引就兩類系統提供詳細定義，情緒辨識係依自然人之生物辨識資料識別或推斷其情緒或意圖；生物辨識分類系統則是依生物辨識資料將自然人歸類至特定類別。此項義務不因系統採即時或事後分析而有所不同。惟若生物辨識分類功能僅屬其他服務之附屬功能，且基於客觀技術原因屬必要者，則不在本項規範之內[19]。 （二）標記與偵測義務之履行方式 指引要求部署者確保受影響之自然人知悉系統正在運作，並符合「清晰可區別」及「無障礙近用」原則。通知方式得依使用情境採行書面、口頭、圖示或其他適當方式，並應於自然人首次接觸或暴露於系統時提供，亦得採預先通知方式履行[20]。 （三）場域情境與受眾之具體要求 指引指出，通知方式應依部署場域及受眾特性調整，例如於遊戲啟動畫面提示情緒辨識功能，或於展覽入口設置生物辨識分類告示；對兒童、老人及身心障礙者等弱勢族群，亦應採取更易理解之通知方式。此外，本項通知義務僅要求告知系統正在運作，並不要求說明其運作目的[21]。 （四）豁免適用要件 第50條第3項排除依法授權用於刑事犯罪偵查、預防、調查或起訴之AI系統。指引說明，符合上述法定用途且已採取適當保障第三人權利與自由措施者，得免除通知義務；惟此項豁免不影響部署者依資料保護法規所應履行之相關義務[22]。 四、深偽技術之揭露義務（第50條第4項） （一）深偽影像與公共利益文字之界定 第50條第4項規範深偽影像與涉及公共利益之AI生成文字。指引將深偽影像界定為由AI生成或竄改，且足以使人誤認為真實之影音內容，若內容明顯違反自然常理或僅屬輕微技術調整而無誤導可能者，則不屬之。至於大眾利益文字，則指涉及政治、公共管理、公共安全、公共衛生、環境保護等公共事務之AI生成文字內容[23]。 （二）標記義務之履行方式 指引要求部署者確保標記符合「清晰可區別」原則，並於自然人首次接觸內容時提供[24]。準則則建議採用統一圖示或文字標示，區分「AI生成」與「AI改造」，並依內容型態採取適當之標記方式；對於影音內容，亦建議搭配互動式資訊揭露，以提供AI修改內容之相關說明[25]。 （三）特定場域情境與受眾之具體要求 指引指出，標記方式應依部署場域及受眾特性調整，並兼顧兒童、老人及身心障礙者等弱勢族群之可近用性[26]。準則額外建議，對於藝術、創作、諷刺或虛構作品，得採較具彈性的揭露方式，以兼顧透明度與作品呈現效果[27]。 （四）豁免適用要件 第50條第4項排除依法授權用於刑事犯罪偵查、預防、調查或起訴之AI系統。指引說明，就大眾利益文字而言，若內容已經人工實質審核並由自然人或法人負編輯責任，得免除標記義務[28]；準則則進一步指出，媒體服務提供者已依相關法規及專業編輯程序處理者，亦得適用豁免[29]。此外，指引並指出，受雇者於雇主授權範圍內執行職務，以及自然人基於個人、非專業目的使用AI系統，均屬排除適用情形[30]。 參、事件評析 整體而言，準則與指引是歐盟執委會用來說明AIA第50條的透明度義務規範應如何解釋與遵守的行政指導文件，並不具有法律拘束力。準則是鼓勵AI系統的提供者與部署者簽署，其簽署效力並不該當法遵要求的決定性證據（conclusive evidence），但該準則已通過人工智慧委員會（AI Board）的適當性評估報告（Adequacy Assessment code），企業可藉由遵守實務準則以確保符合AIA透明度的法遵規範[31]；指引的發布義務雖係由AIA規範，但不等同歐盟執委會依法律授權制定的「授權法規」（delegated acts），因此指引內容並非對AIA透明度義務的權威性解釋，亦無法律上的解釋效力，最多作為法院解釋的參考依據[32]。即使如此，準則與指引仍對透明度義務提供充份的解釋框架，讓AI系統的提供者和部署者能明確知悉透明度義務規範的適用範圍、履行方式與豁免條件。 就臺灣而言，我國亦有透明度義務規範，規範於《人工智慧基本法》第5條第2項規定「高風險應用者，應明確標示注意事項或警語」，以遵循第4條的「透明與可解釋」原則，即「人工智慧之產出應做適當資訊揭露或標記，以利評估可能風險，並瞭解對相關權益之影響，進而提升人工智慧可信任度」。目前臺灣人工智慧的相關法制和配套措施正規劃當中，今年6月行政院核定的《人工智慧風險分類框架》[33]，將形塑各目的事業主管機關的管理規範和產業指引，歐盟執委會發布的準則與指引可作為主管機關的參考內容，以思索透明度義務規範要如何有效落實與執行。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://keid.nat.gov.tw/tips/） [1] European Commission, Code of Practice on Transparency of AI-Generated Content, https://digital-strategy.ec.europa.eu/en/policies/code-practice-ai-generated-content#1720699867912-1(last visited July 23, 2026). [2] European Commission, Commission publishes guidelines on transparency obligations for providers and deployers of certain AI systems, https://ec.europa.eu/commission/presscorner/detail/en/ip_26_1653(last visited July 23, 2026). [3] AIA第96條第1項。 [4] 同前註1。 [5] 同前註2。 [6] European Council, Artificial Intelligence: Council gives final green light to simplify and streamline rules, https://www.consilium.europa.eu/en/press/press-releases/2026/06/29/artificial-intelligence-council-gives-final-green-light-to-simplify-and-streamline-rules/(last visited July 23, 2026). [7] AIA第111條第4項。 [8] European Commission, Guidelines on the implementation of the transparency obligations for certain AI systems under Article 50 of Regulation (EU) 2024/1689, 2026, p. 11-13. [9] id. at 14-15. [10] id. at 16. [11] id. at 18-19. [12] id. at 21-23. [13] id. at 24. [14] European Commission, Code of Practice on Transparency of AI-Generated Content, 2026, p. 8-10. [15] European Commission, supra note 8, at 26. [16] European Commission, supra note 14, at 17-21. [17] id. at 7. [18] European Commission, supra note 8. at 28-29. [19] id. at 30-31. [20] id. at 32. [21] id. at 31-32. [22] id. at 32. [23] id. at 33-34, 42. [24] id. at 46. [25] European Commission, supra note 14, at 26-30. [26] European Commission, supra note 8, at 46-47. [27] European Commission, supra note 14, at 35-36. [28] European Commission, supra note 8, at 43. [29] European Commission, supra note 14, at 35. [30] European Commission, supra note 8, at 6-8. [31] European Commission, Commission Opinion on the assessment of the Code of Practice on Transparency of AI-generated content, https://digital-strategy.ec.europa.eu/en/library/commission-opinion-assessment-code-practice-transparency-ai-generated-content(last visited July 23, 2026). [32] European Commission, supra note 8, at 3. [33] 數位發展部，AI風險分類框架，https://moda.gov.tw/major-policies/ai/governance/19244（最後瀏覽日：2026/07/24）。
德國「智慧聯網倡議」德國聯邦經濟及能源部於2016年9月1日公布數位議程框架新的經費公告，以支持智慧聯網示範的實施與推廣。德國聯邦政府於2015年9月公布的智慧聯網(Initiative Intelligente Vernetzung)戰略，該戰略實施的4個面向如下: (1)應用領域的支持:聚焦教育、能源、衛生、交通和管理五大應用領域的數位化和智慧化運用及發展，並排除相關實施障礙; (2)促進合作:促進資通訊技術與五大應用領域間的跨領域溝通與合作; (3)改善框架條件:加強投資環境並消除相關障礙；保護隱私權及加強網路安全；制訂相關標準化作業；提升商品或服務市場競爭力; (4)加強各界參與:促進各界參與及討論，共創及共享經濟利益。德國聯邦政府基於該戰略計劃，提出智慧聯網倡議，及提供開放式創新平台，促進不同領域的合作及整合運用，將有助於產業價值及競爭力的提升，並提高國際間合作的機會。 我國為發展智慧聯網相關產業，曾推出包括「智慧辨識服務推動計畫」、「智慧聯網商區整合示範推動計畫」等相關應用服務整合及解決方案計畫，今年更陸續推出「亞洲‧矽谷推動方案」、「數位國家‧創新經濟發展方案」，藉以提高數位生活服務使用普及率，並以創新驅動產業升級轉型。
日本經產省於2015年1月15日提出《不正競爭防止法》中期報告書並預計將提出不正競爭防止法修正案為因應日本2014年接連發生重大營業秘密外洩之事件而使日本國內公司蒙受鉅額損失，日本經濟產業省於去年9月開始，積極地展開《不正競爭防止法》修法專家會議，並在2015年1月15日舉行的會議上，揭露了彙整各界公開意見後之《不正競爭防止法》中期報告書（中間とりまとめ），以作為未來修法方向之指引。 該報告書列出之修法方向區分為民事及刑事規定。第一，民事的修正重點有以下三點：(1) 減輕原告（受害企業）之舉證責任，而改由被告（非法使用營業秘密之企業）負擔；(2) 除斥期間之延長：將現行法規定之除斥期間，由10年延至20年；(3) 使用非法營業秘密而製造的物品，禁止轉讓或出口；以及新增邊境措施之規範。 第二，刑事的修正重點則有以下六點：(1) 擴大國外犯罪的處罰範圍：目前現行法僅規範「日本國內所管理之營業秘密」在國外「使用、開示」 之行為，未來將新增處罰在國外之「取得」營業秘密之行為；(2) 新增未遂犯規定，同時將繼續檢討新增共犯及教唆之處罰態樣；(3) 現行法僅規範竊取營業秘密者本人以及藉由前者直接不法取得營業秘密者為處罰對象，但鑒於智慧型手機、平版電腦等裝置（携帯情報通信端末）之普及，造成營業秘密的竊取及使用型態趨向多樣化，是故未來將新增第三人不法取得之相關處罰規定；(4) 使用非法營業秘密而製造的物品，禁止轉讓或出口：新增相關刑罰規定；(5) 法定刑之提高：目前個人最高罰金為1000萬日圓、企業則為3億日圓，未來預計調整罰金之上限；並且，將新增沒收犯罪收益及海外加重處罰之規定；(6) 擬由告訴乃論改為非告訴乃論。 綜上，經產省力爭在2015年1月26日開始的通常國會期間內，依上述之改正要點為基礎，正式提交《不正競爭防止法》之修正案，預計最快將於2016年開始實行新法 ，後續的立法進度，值得吾人持續關注。
歐洲專利局發布人工智慧與機器學習專利審查指南正式生效歐洲專利局（European Patent Office, 下稱EPO）於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）的可專利性審查細則。 在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項，然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明，例如：神經網路、遺傳演算法、支援向量機（Support Vector Machines, SVM）、K-Means演算法、核迴歸和判別分析，不論它們是否能夠藉由數據加以訓練，此類運算模型和演算法本身，因具有抽象的數學性質而不具專利適格性。 其中，EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形，說明可否具備發明技術特徵： （一）可能具技術性 在心臟監測儀器運用神經網路辨別異常心跳，此種技術為具有技術貢獻。 基於低階特徵（例如：影像邊緣、像素數值）的數位影像、影片、音頻或語言訊號分類，屬於分類演算法的技術應用。 （二）可能不具技術性 根據文字內容進行分類，本身不具技術目的，而僅是語言學的目的（T 1358/09） 對抽象數據或電信網路數據紀錄進行分類，但未說明所產生分類的技術用途，亦被認定本身不具技術目的，即使該分類演算法的數據價值高（例如：穩健性）（T 1784/06）。 在新版審查指南中亦指出，當分類方法用於技術目的，其產生之訓練集（training set）和訓練分類器（training the classifier）的步驟，則能被視為發明的技術特徵。 近年來，人工智慧技術的應用分佈在我們的生活中，無論是自駕車、新藥開發、語音辨識、醫療診斷等，隨著人工智慧和機器學習技術快速發展，新版的審查指南將為此技術訂定可專利性標準，EPO未來要如何評判人工智慧和機器學習相關技術，將可透過申請案之審查結果持續進行關注。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」