半導體面板設備 進口將免關稅
工業局預計明年和財政部研商修改海關進口稅則，給予廠商進口國內無產製的半導體、面板設備的關鍵零組件時，免課關稅的優惠，以提升國內兩兆產業自給率，在2008年分別提升至25%和50%的水準。包括奇美、彩晶、華映等面板廠都對提高設備自給率很有興趣。工業局指出，全球面板業市場，已成為我國和韓國互相較勁的局面，韓國目前設備自給率已達40%，並計畫在2008年達到80%水準，但我國面板設備自給率目前只有12%，不但主控權掌握在外國設備廠手裡，利潤也被賺走。如果國內面板廠可以提高設備自給率，可以節省成本30%至50%，獲利將可以大幅提高。
工業局表示，由於我國半導體與平面顯示器兩兆產業在晶圓代工帶動下及筆記型電腦與LCD顯示器的大量需求下持續成長，除產值大幅成長外，在設備需求上，台灣將分別占有15%及40%以上的全球市場，國內每年設備投資總額也將高達2,000億元以上，但是卻有九成以上仰賴進口。除了以租稅減免，提高國內面板及設備業者投入設備研發、生產的誘因外，工業局明年起每年也將投入近億元的經費，以科專計畫、主導性新產品研發補助等，協助國內設備業者提升研發及生產能力。
由於我國已成為全球半導體及面板的重要生產廠商，每年進口設備金額十分龐大，工業局也將運用此優勢，吸引國外大廠來台設立研發中心或與國內設備業者合作，投資生產製程設備。為鼓勵兩兆產業中心廠使用國產設備，對使用國產設備達一定比例之廠商，工業局也將研議相關的獎勵措施。
本文為「經濟部產業技術司科技專案成果」
陳怡玫
副主任兼規章法制組組長 編譯整理
美國哥倫比亞特區聯邦地方法院於今（2010）年8月23日作出暫時禁制令（preliminary injunction）的裁定，要求聯邦政府不得資助胚胎幹細胞（embryonic stem cell）之研究。本案是源自於2009年歐巴馬總統以行政命令（Executive Order 13505號）將小布希政府時代對胚胎幹細胞研究之限制予以放寬，讓科學家使用民間經費所製造之胚胎幹細胞株進行研究時，可申請聯邦經費的支持，美國國家衛生研究院隨後並提出人類幹細胞研究指導方針。 不過，對於此項新政策，部分保守團體及宗教團體也紛紛表示不滿，並進而支持成體幹細胞（adult stem cell）研究者James Sherley在內的原告，以衛生部違反聯邦法規，並且影響其申請經費為由，向法院提出訴訟。本案承審法官Royce Lamberth認為，1996年國會通過「Dickey-Wicker修正案」已禁止以聯邦經費資助毀壞人類胚胎的所有研究活動，而胚胎幹細胞研究必然伴隨著人類胚胎的毀壞，因此本案有違反Dickey-Wicker修正案之虞。在原告具有聲請暫時禁制令的要件下，包括勝訴可能性、無法彌補之損害、利害權衡以及公共利益等，裁定發出暫時禁制令。 這項裁定震撼了美國行政部門及科學界，過往對於Dickey-Wicker修正案，自柯林頓政府以降，行政部門均理解為聯邦政府不得資助毀壞人類胚胎之研究，但對於使用民間經費所製造之胚胎幹細胞株，則不在此限。因此本案法官之看法實已挑戰行政部門十多年來之共識，本案後續將如何判決，以及是否將促使行政部門提出法律修正案直接規範，將是後續觀察重點。
強化AI安全防線：八國連署AI與機器學習供應鏈風險管理指南日本國家網路安全辦公室（国家サイバー統括室）於2026年3月5日，代表日本連署了「AI、機器學習供應鏈風險與緩和措施」（Artificial intelligence and machine learning Supply chain risks and mitigations）之國際文書（下稱本文書），並公布本文書內容。本文書是由隸屬於澳洲訊號局（Australian Signals Directorate，簡稱ASD）之澳洲網路安全中心（Australian Cyber Security Centre，簡稱ACSC）主導訂定，主要針對有導入或開發 AI、機器學習系統與元件等需求的組織，揭示其可能存在供應鏈風險與提升整體網路安全之重要性，並就AI開發或採購階段，組織應留意相關風險與可採行之緩和措施。有關連署國家，除了日本與澳洲以外，也包括加拿大、紐西蘭、韓國、新加坡、英國與美國等共八個國家皆已完成連署。 本文書內容強調組織於管理 AI、機器學習等風險時，應將 AI 供應鏈視為整體網路安全戰略的一環，同時評估產品或服務之整體生命週期風險，不應著重於單一技術，而是組織需要掌握整體供應鏈的全貌，包括特定關係事業者、活用AIBOM（AI物料清單，主要用來記錄AI模型相關資產與資訊，提供快速定位與管控AI問題模型功能）或SBOM（軟體物料清單，主要記錄軟體相依元件，用於漏洞管理與供應鏈透明度）、意識到是否已針對AI、機器學習系統可能帶來的風險，進行漏洞管理，以及針對AI、機器學習系統所導致之網路安全事件建立應處機制等。 本文書將AI、機器學習供應鏈風險大致區分為五類：AI 數據、機器學習模型、AI 軟體、AI 基礎設施（含硬體），以及第三方服務，本文書指出AI、機器學習應用於供應鏈時可能產生之風險，其中包括數據品質不良、資料受竄改、模型遭植入惡意程式碼、軟體元件複雜導致難以保證其安全、硬體與韌體擴大攻擊面，以及導入第三方服務致使供應鏈產生弱點等。 此外，本文書也針對各類風險提出可行的因應方法，例如： 1.數據面：需做標準化搜集、外部資料檢疫、資料前處理與完整性驗證。 2.模型面：需從可信來源取得透明模型，實施性能驗證與惡意程式偵測。 3.軟體面：需做完整性驗證、元件審核，並透過 SBOM 掌握已知弱點。 4.硬體面：需確認設備無惡意內容，並在網路中適當分區。 5.第三方服務面：需持續評估與監控供應商的資安實務與脆弱性管理。 總結來說，日本已意識到國家網路安全治理下，針對AI、機器學習的安全，不單是模型安全，而是涉及整體性供應鏈安全。日本藉由與他國連署國際文書，不僅強化國際合作，同時建立供應鏈網路安全共識，因應AI對於國家供應鏈之網路安全挑戰，從資料、模型、軟體、硬體到第三方服務等視角提出具體因應方法，作為全面提升國家整體網路安全環境之參考指引。日本透過強化與他國合作，提升國家網路安全治理之作法，值得我國未來借鏡參考。
優質網路社會基本法之推動芻議 美國先進製造國家計畫辦公室於今年(2015) 6月10日研提現況檢討報告與相關政策資料為檢視國內先進製造業復甦與計畫推進之近況，美國先進製造國家計畫辦公室（Advanced Manufacturing National Program Office, AMNPO）於今年(2015) 6月10日研提現況檢討報告與相關政策資料，該項報告主要可歸結「國內產業現況」、「計畫執行成效」與「法制組織」等重要面向 ，茲就該項報告之重點摘要如下： (一)國內先進製造產業現況檢視： 報告指出美國目前正喪失在先進產品領域全球領導地位，在進出口貿易呈現嚴重赤字，雖近年致力於先進製造之資源整合與共同研發等措施，然而，觀察基礎科研端到市場端仍存有落差。 (二)先進製造領域已設立45個研發創新中心： 研發創新中心為產業與學研機構共構之「區域應用性組織」，主要由學術研究聯盟、企業和區域管理機構所組成專注於扶持區域具經濟優勢之新興技術研發，發展在地技術能量。先進製造領域，截至目前為止，已設立45個研發創新中心。除透過研發創新中心之扶持外，另可透過中心之設立選定各該重點關鍵技術發展，間接培育美國各區域之先進製造技術之專業領域。美國境內研究型大學或非營利組織皆得提案申請，而獲選之區域創新研究機構可獲得聯邦政府5至7年資金補助，政府欲透過補助模式，扶持區域新創機構之自主運作與發展。而於七年發展階段後，該機構將形成財政自主，由該機構之行政委員會主導研發資金運用與分配。