歐盟網路接取與互連之規範現況與發展
可專利性（Patentability）與專利適格（Patent-Eligibility）常被混用，但實際上兩者並不可以畫上等號。 具專利適格不等於可專利一事，在指標判例In re Bilski可窺知端倪：「新穎性（Novelty）、進步性（Non-obviousness，或稱非顯而易見性）的分析，和35 U.S.C. §101（專利適格的法源）無關，而是分別以35 U.S.C. §102、35 U.S.C. §103作為法源。」顯示專利適格、實用性（Utility，或稱「產業利用性」）、新穎性、進步性，互不隸屬。梳理美國專利法教課書（Casebook）和判決內容，可知：「專利適格」是取得專利的基礎門檻、資格，具專利適格，並不必然可專利，還須符合實用性、新穎性、可進步性，才是一個「可專利」的發明。另應強調，「專利適格」除了需要滿足§101法條文字外，還需要滿足美國專利與商標局（USPTO）的兩階段標準（Two-Step Test）審查。 綜上，可整理出這個公式： 可專利性=專利適格（§101+兩階段標準）+實用性（§101）+新穎性（§102）+進步性（§103) 觀察美國專利法教科書的編排方式，亦可了解思考脈絡：先介紹專利適格，再依序介紹實用性、新穎性、進步性。另，「實用性」在作為名詞時是採“Utility”一字，而非“Usefulness”，這兩個詞微妙的差異是前者具「有價值的（Beneficial）」之意涵，也呼應Justice Story在 Bedford v. Hunt對「實用」（Useful）經常被援引的解釋：「要能在社會中做出有價值的（Beneficial）應用，不可以是對道德、健康、社會秩序有害（Injurious）的發明，也不可以是瑣碎（Frivolous）或不重要的（Insignificant）。」
中國大陸法院認定體育用品公司攀附日本知名動漫作品名稱係謀取不正當利益中國大陸北京知識產權法院於2016年10月26日作成（2015）京知行初字第6058號判決，依中國大陸商標法第41條第1款認定中國尚藍體育用品有限公司之「黑子的籃球」商標（商標號：11226352），係以不正當手段取得，應維持商標評審委員會對其之無效裁定。 法院認為，尚藍公司大量註冊100多個與日本集英社動漫作品《黑子的籃球》相關聯之商標，且無法證明予以實際使用，此行為擾亂商標註冊秩序。《黑子的籃球》在尚藍公司註冊商標前已於中國具有一定知名度，尚藍公司係攀附他人地位而謀取不正當利益。 據中國大陸商標法第41條第1款，已註冊之商標若以欺騙或不正當手段取得註冊，由商標局撤銷之，其他單位或個人得請求商標評審委員會裁定撤銷之。所謂不正當手段，按中國大陸最高人民法院之解釋，指擾亂商標秩序、損害公共利益、不正當占用公共資源及其他謀取不正當利益的手段。本案法院審理時，參酌系爭商標之實際使用情況，並以《黑子的籃球》在中國動漫展、漫畫出版、動畫撥放、網路討論等，認定其在中國具有高度知名度，且先於系爭商標，故對尚藍公司之訴訟主張不予支持。 此判決，可窺見中國大陸法院判斷商標知名度之標準，我國廠商在中國大陸對抗商標蟑螂時，應不可忽略品牌推廣之重要性。 「本文同步刊登於TIPS網站（https://www.tips.org.tw）」
何謂Innovation Box Regime？Innovation Box Regime係為荷蘭政府推動的租稅優惠政策，用以鼓勵企業從事研發相關活動。在此框架下，於荷蘭境內實施的研發成果收入，稅率僅需被課徵5％(一般稅率約為25%)。意即，凡符合Innovation Box規定之所得，包含已取得專利權之無形資產，或是未取得專利但獲WBSO制度認定獲有無形資產之利益者，皆適用該優惠稅率政策。 然而，由於該優惠稅率恐引發各國政府為了吸引國外投資，導致競相濫用的情形出現，近年OECD亦給予適度的改善建議措施。對此，荷蘭於適用範圍也隨之調整，自2017年起對於申報優惠稅率之企業改採從嚴認定。
美國國家標準暨技術研究院發布「全球AI安全機構合作策略願景目標」，期能推動全球AI安全合作美國國家標準暨技術研究院（National Institute of Standards and Technology, NIST）於2024年5月21日提出「全球AI安全機構合作策略願景目標」（The United States Artificial Intelligence Safety Institute: Vision, Mission, and Strategic Goals，下稱本策略願景），美國商務部（Department of Commerce）亦於2024年參與AI首爾峰會（AI Seoul Summit）期間對外揭示本策略願景，期能與其他國家攜手打造安全、可靠且可信賴之AI生態系。 由於AI可信賴與否往往取決於安全性，NIST指出當前AI安全所面臨的挑戰包含：一、欠缺對先進AI之標準化衡量指標；二、風險測試、評估、驗證及確效（Test, Evaluation, Validation, and Verification, TEVV）方法不健全；三、欠缺對AI建模後模型架構與模型表現間因果關係的了解；四、產業、公民社會、國內外參與者等在實踐AI安全一事上合作程度極為有限。 為因應上述挑戰並促進AI創新，NIST在本策略願景中擬定以下三大戰略目標：(1)推動AI安全科學發展：為建立安全準則與工具進行技術合作研究，並預先部署TEVV方法，以利評估先進AI模型之潛在風險與應對措施；(2)推展AI安全實務作法：制定並發布不同領域AI風險管理之相關準則與指標，以達到負責任設計、開發、部署與應用AI模型與系統之目的；(3)支持AI安全合作：促進各界採用前述安全準則、工具或指標，並推動全球合作，以發展國際通用的AI安全風險應對機制。