經濟部選定八大產業發展綠色能源
此發展計劃選定太陽光電、太陽能熱水系統、風力發電、生質柴油、氫能及燃料電池、LED照明、冷凍空調、混合動力車輛等八大產業為重點輔導對象，並擬利用貨物稅租稅工具、經費補貼政策及行政力主導等政策工具引導業界大力投資。透過給予進口混合動力車貨物稅減半、五千萬元以上公共工程須設置一定比例太陽光電設施等措施輔導業界投入。
歐盟智慧財產服務台（European IP Helpdesk）於2023年7月10日提供中小企業「掌握智慧財產權五步驟」的建議，以協助中小企業最大化IP價值。五步驟如下： （1）盤點企業擁有的IP數量及排定優先順位：企業應盤點其擁有的專利、商標、設計、著作權、營業秘密等的數量，並根據IP對企業成功的重要性進行排序。 （2）進行IP查核：企業應就其所擁有的智慧財產組合（IP Portfolio）進行詳盡的檢視，以評估其優、劣勢；企業應辨別出目前其智慧財產組合所可能遭受危險的地方，並評估其目前擁有的智慧財產組合，若其中有改以其他IP保護者，則風險可能為何。 （3）制定IP保護計畫：根據上述（2）的查核結果，企業應發展出一套IP保護政策，此並應包含「可監控及執行其IP，藉以排除他人侵權行為」的情形。同時，企業也應檢視自己的IP有無侵犯到他人的權益，例如透過「自由運營分析」（Freedom-to-Operate analysis）的方式，來進行專利侵權風險排查。 （4）將保護計畫付諸行動：企業應執行上述計畫，並確保其員工係對此等政策及措施有所認知。除此之外，亦應對員工施以教育訓練，以使其知道「IP保護的重要性」及「辨別潛在侵權行為的最佳方法」。 （5）保護計畫之檢視及更新：企業應時時檢視其IP保護計畫及進行更新，以確保其整體IP策略係與企業發展目標一致。
巴西政府針對Merck愛滋治療藥品實施強制授權繼泰國政府於六個月前針對跨國製藥公司Merck的愛滋藥品efavirenz（品牌名稱為Stocrin）實施強制授權後，巴西政府也在最近跟進，巴西總統Luiz Inácio Lula da Silva於今（2007）年5月4日針對Merck的同一藥品簽發強制授權令。 長久以來，巴西政府與Merck即持續針對愛滋藥物efavirenz的售價進行協商，不過雙方一直未有共識：efavirenz是巴西國內最常用來治療愛滋病的藥品，總計約有38％的巴西愛滋病患（巴西國內愛滋病患約20萬人）使用此一藥品。Merck提出的售價是每一錠1.59美元，以巴西國內對該藥物的需求而言，巴西政府於2007年將須為此支付將近4千3百萬美元的藥品採購價額；然而，巴西政府認為愛滋治療藥品牽涉高度的公益性，堅持Merck應該降低售價，4月底，巴西健康部向Merck發出最後通牒，最後巴西政府拒絕Merck重新提出的價格並祭出強制授權。 強制授權本即為專利制度的一環，不過必須在嚴格的條件下始得動用。由於藥品牽涉到公眾健康問題，加以製藥產業結構特殊，多數開發中國家並無製藥能力，故2005年底的WTO香港會議就公共健康領域通過了特別決議—「執行2003年8月30日大會決議第十一點之TRIPS修正條文建議～有關落實TRIPS與公共健康杜哈宣言第六點」（Implementation of Paragraph 11 of the General Council Decision of 30 August 2003 on the Implementation of Paragraph 6 of the DOHA Declaration on the TRIPS Agreement and Public Health），修正TRIPS之強制授權規定。 5月4日的專利強制授權令乃是巴西政府首次針對藥品專利實施強制授權，巴西政府認為，其強制授權決定符合上述國際條約規定。一般認為，印度學名藥廠Cipla、Ranbaxy、Aurobindo將會是巴西此一強制授權決定之受惠者。
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。
行動定位服務中的位置資料隱私保護