網路中立管轄權屬誰？FCC尋求法院支持
美國聯邦上訴法院哥倫比亞巡迴分院（US Court of Appeals for the District of Columbia Circuit）於2010年1月12日，針對網路中立議題召開口頭辯論聽證會。該案上訴人為美國目前電視及網路服務市佔率最高的Comcast所提出，系爭案由為聯邦通信委員會（Federal Communication Commission, FCC）於2008年禁止網路服務提供者（Internet Services Provider, ISP）限制其用戶使用BitTorrent。
BitTorrent為一種常見的點對點傳輸程式，多用以線上檔案分享。該公司認為，FCC並沒有足夠的權力要求其不分用戶等級，全部提供毫無限制的服務；而FCC卻從保護消費者及網路應開放自由進入的角度辯述，從而使FCC是否有權力規範網路中立（Internet Neutrality）之議題邁入更激烈的討論。
所謂「網路中立」，意指網路服務提供者不得因傳送或下載資訊種類差異而提供不平等的流量服務。早在2005年，FCC即有一套管制網路服務提供者侵害網路中立的審查標準，但該標準並非為一體適用的法律位階，而FCC是否得依職權制定網路中立的規範，一直以來亦有所爭議，是故此次其與Comcast對簿公堂，FCC最終目的即是在尋求法院之見解，希冀獲得聯邦法院的支持而使其立法行動名正言順。
對此，聯邦最高法院原則上認同FCC以往對於「資訊服務」的見解，亦即，由於傳統電信服務往往與重大基礎建設相關，尤其是網路開放接取的相關規定，FCC應提高其管制密度；而屬低度管制的資訊服務（Lightly Regulated Information Service）則不應與電信服務有相同的對待；是故Comcast據認在網路中立尚未有明確權責規劃前，FCC實無權插手管控Comcast所提供之資訊服務。此外，該公司亦提出，類似BitTorrent的點對點傳輸應用程式往往用於大量檔案的交換，無限制地提供所有用戶使用，不但造成整體網路服務效能下降，由於傳輸的內容往往為影音檔案，亦間接侵害了Comcast本身的電視業務。
對此，雙方目前仍各執一詞，由於案件目前尚在上訴法院審理，FCC此次投石問路的策略是否成功還在未定之天，但可以確定的是，不論法院的見解為何，網路中立的爭議恐將持續發酵，並對後續網路服務提供之發展產生一定影響。
美國專利審查中之所謂「Track One程序」，是指美國在2011年所通過的〈美國發明法〉( Leahy-Smith American Invention Act, AIA)中建立的一套快速審查專利的審查程序。 〈美國發明法〉第11條(h)項中要求，申請人繳交優先審查費用(Prioritized Examination Fee)後，美國專利審查主管機關，美國專利商標局(United States Patent and Trademark Office, USPTO)應提供優先審查服務。因此在Track One程序中，專利申請人僅需要付出4800美元的優先審查費，就可以獲得美國專利商標局的優先審查服務。 在此之前，美國專利商標局也曾經推出過類似的快速審查程序，亦即「加速審查」(Accelerated Examination, AE)程序，但在該加速審查程序中，申請人必須要自行執行對既有技術的檢索，並且提供輔助文件來解釋其請求項在既有技術下之可專利性。而相比之下，申請人在Track One程序中，僅需要負擔4800美金就可以與加速審查程序中相同，在12月內完成審查，且不需要負擔自行檢索技術的義務。也因此在Track One程序推出之後，加速審查程序的申請案件數量也受到影響，日前美國專利商標局即曾經徵詢公眾意見，評估是否仍需保留加速審查之程序。
美國與歐盟共同發布《藥品開發優良人工智慧實務指導原則》近年來，人工智慧（Artificial Intelligence, AI）於藥品生命週期各階段的應用快速發展，有望促進藥品研發創新並縮短上市時程。然而，AI技術開發、部署、運用與維護皆涉及複雜的治理議題，為確保AI產出結果準確且可靠，並保障藥品安全且有效，有必要於藥品監管體系建立AI管理機制。 美國食品及藥物管理局（Food and Drug Administration, FDA）與歐洲藥品管理局（European Medicines Agency, EMA）於2026年1月14日共同發布《藥品開發優良人工智慧實務指導原則》（Guiding Principles of Good AI Practice in Drug Development），建立AI應用於藥品生命週期的治理框架。 該文件提出10項指導原則，包括： 1.AI開發與使用須符合倫理原則並落實以人為本的價值 2.採取風險為本的方法進行驗證、風險緩解與監督 3.遵循相關法律、倫理、技術、科學、資安及與監管標準，包括優良實務規範（GxP） 4.明確界定使用情境（Context of Use） 5.整合AI技術與使用情境之跨領域專業能力 6.強化資料治理與文件化 7.依循系統設計與軟體工程最佳實務進行模型開發並採用適切資料 8.採行風險為本的效能評估 9.落實AI技術生命週期管理 10.提供清楚且必要的資訊揭露 兩大監管機關強調，該文件可作為未來制定共識標準與監管指引的基礎，並促進國際監管調和與合作。預期將成為各國監管機關建構AI應用於藥品監管體系相關政策、法規與指引的重要參考。
歐盟發布新版「向第三國傳輸個人資料標準契約條款」歐盟執委會以（EU）2021/914號執行決定（Implementing Decision）所發布的新版「向第三國傳輸個人資料標準契約條款（New Standard Contractual Clause for the transfer of personal data to third countries，下稱SCC）」已於9月27日起正式取代舊版條款。 新SCC發布於2021年6月27日，旨在滿足歐盟法院（the Court of Justice of the European Union, CJEU）以2020年7月Schrems II判決所訂定之資訊保護需達「足夠充分（substantially sufficient）」標準。該版SCC為因應不同情境之跨境資料傳輸，而設計採取4種模組之規範條款供涉及歐盟境外之第三方資料傳輸者（控制者與接收者）依循參採，包括： 規範模組一：從資料控制者（Data Controller）到資料控制者的資訊傳輸（Transfer from controller to controller, C2C） 規範模組二：從資料控制者到資料處理者（Data Processor）的資料傳輸（Transfer from controller to processor, C2P） 規範模組三：從資料處理者到資料處理者的資料傳輸（Transfer from processor to processor, P2P） 規範模組四：從資料處理者到資料控制者的資料傳輸（Transfer from processor to controller, P2C） 本次執行決定亦設立了轉換期以利各方進行合規審查與契約調整：雖然舊版已於2021年9月27日廢止不再適用，原已適用舊版SCC之契約，至遲仍得實施至2022年12月27日止。（亦即新版SCC公佈後的18個月內）。 在此執行決定下，歐洲資料保護委員會 （European Data Protection Board）亦發布「關於如何確保對個人資料傳輸採取適當保護措施建議（Recommendations 01/2020 on measures that supplement transfer tools to ensure compliance with the EU level of protection of personal data）」釐清GDPR「傳輸影響評估（Transmission Impact Assessment, TIA）之機制流程 。 隨著資通科技之快速崛起跨境個資傳輸已成為企業常態，而此種現象近期甚至在交通自動化的科技發展下逐漸擴及交通業別，其中全球航運和物流公司在全球範圍內傳輸個資，其中甚至包括用於履行和營銷目的之乘客資料、員工個人資料和客戶業務聯繫資訊等敏感個資已成為常態，應儘速因應相關法制之發展，解決全球範圍內快速發展的隱私合規問題。
美國國家標準暨技術研究院規劃建立「人工智慧風險管理框架」，並徵詢公眾對於該框架之意見美國國家標準暨技術研究院（National Institute of Standards and Technology, NIST）為管理人工智慧對於個人、組織以及社會所帶來之風險，於2021年7月29日提出將建立「人工智慧風險管理框架」（Artificial Intelligence Risk Management Framework, AI RMF）之規畫並徵詢公眾意見，截止日為9月15日，並預計於10月發布正式報告。 依照NIST說明，公眾所建議之人工智慧風險管理框架，可促進人工智慧之可信賴性，其中包含如何應對並解決人工智慧於設計、發展及使用過程中所遭遇之「精確度」（accuracy）、「可解釋性」（explainability）、「偏見」（bias）等議題。此外，上開管理框架預計為非強制性、供企業自願性使用於人工智慧設計、發展、使用、衡量及評估之人工智慧標準。 依現有公眾意見徵詢結果，其中DeepMind公司建議於人工智慧設計初期，必須預先構思整體系統之假設是否符合真正社會因果關係。舉例言之，當設計一套可預測民眾健保需求程度之系統時，如輸入參數僅考量民眾於醫療上的花費，將使僅有可負擔較高醫療費用之民眾被歸類為健保需求程度較高者，從而導致健保制度排擠經濟負擔程度較差之公民，故在設計系統時，應從預先設定之假設事實反面（counter-factual）思考並驗證是否會產生誤差或公平性之問題（例如預先思考並驗證「醫療費用支出較低之民眾是否即可被正確歸類為健保需求度低之民眾」）。惟進行上述驗證需要大量社會資料，因此DeepMind也建議NIST應建立相關機制，使這些社會資料可以被蒐集、使用。 此外，亦有民眾建議管理框架應有明確之衡量方法以及數值指標，以供工程界遵循。同時鑒於人工智慧發展極為快速，未來可能有不同於以往之人工智慧類型出現，故亦建議NIST應思考如何在「建構一套完整且詳細之人工智慧治理框架」與「保持人工智慧治理框架之彈性與靈活性」之間取得平衡。 最後，目前也有許多徵詢意見指出，許多人工智慧治理之目標會相互衝突。舉例言之，當NIST要求人工智慧系統應符合可解釋性，則人工智慧公司勢必需要經常抽取人工智慧系統中之「數據軌跡」（audit logs），惟數據軌跡可能被認為是使用者之個人資料，因此如何平衡或完善不同治理框架下之目標，為未來應持續關注之議題。