全球四大晶片業者共同研發奈米蝕刻技術
世界四大電腦晶片業者決定與紐約州合作，在今後五年內出資 5.8億美元，研究發展下一代電腦微晶片製造技術。紐約州預定出資1.8億美元，美國IBM、超微半導體(AMD)、美光科技(Micron)與德國英飛凌預定各出五千萬美元的現金與設備，另2億美元由多家提供物料與設備的廠商提供。惟世界最大晶片廠商英特爾(Intel)並未參與此計畫，英特爾目前在x86微處理器市場中，占有銷售量的80%、銷售額的90%。
此國際奈米蝕刻事業（ International Venture for Nanolithography, INVENT）計畫的基地，預定設在奧伯尼紐約州立大學奈米科學與工程學院，預期共有500多位研究人員、工程師與其他人員，投入此計畫。
奈米科技是研究分子與原子級的科學，此一計畫研究重心是利用光線，蝕刻大約頭髮直徑十萬分之一大小的電路，讓參與公司及早取得與學習應用研究出來的蝕刻工具。由於近年半導體速度與複雜性快速提高，晶片業者製造更小、更快晶片的難度增加，研究發展成本飛躍上升，業界體認到必須合作，才能負擔。一具蝕刻工具成本可能高達 2500萬美元，蝕刻工具進步攸關晶片廠商繼續縮小晶片規模，使每個晶片具有更多運算與儲存能力。目前生產的最先進晶片運用90奈米科技，晶片廠商希望從2006或2007年起，生產65奈米晶片。
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
2023年6月來自美國法院的兩份營業秘密意見，強調了獨立經濟價值的重要性，並打破過往學者認為該要件沒有判斷實益的擔憂。所謂的獨立經濟價值，是指任何資訊若要成為營業秘密，所需具備源自其保密狀態的經濟價值。由於兩份意見都不允許原告透過薄弱之推論與假設，來證明其營業秘密具有獨立之經濟價值，顯示出法院對獨立經濟價值之認定趨勢的變化。 其中一份意見來自美國第四巡迴上訴法院，該法院認為原告未能提供充分的證據證明其營業秘密之價值，並駁回原告以該公司被收購之價格或授權其專有資料庫VulnDB所得收入，作為其75項涉案營業秘密經濟價值的論點。美國第四巡迴上訴法院強調，原告不僅需證明所主張之營業秘密具有經濟價值，尚需證明該經濟價值源自所主張之營業秘密的保密狀態。 另一份意見來自美國俄亥俄州北區地方法院，該法院駁回了原告透過其執行長的宣誓書來證明所主張之營業秘密具有獨立經濟價值的作法。儘管該宣誓書討論了法院經常認定為營業秘密的資訊，比如交易的形式、未經審計的財務報表等，但美國俄亥俄州北區地方法院仍拒絕主觀證詞，要求原告提供所主張之營業秘密具有獨立經濟價值的客觀指標或理由。 企業該如何證明其營業秘密具有獨立之經濟價值？ 企業可透過下列方式來證明其營業秘密具有獨立之經濟價值，包括： 1.開發成本：開發營業秘密的時間與材料成本，但過去的研發成本未必等於現在的經濟價值； 2.授權、租賃費：他人付費使用其營業秘密的事實； 3.內部通訊紀錄：他人承認該營業秘密所帶來的好處或前僱員、承包商與其競爭對手分享營業秘密的事實； 4.展現出優勢：透過營業秘密資訊獲得一份有價值的合約或滿足某些標準、條件之要求； 5.降低成本／提高效率：透過營業秘密減少原物料之投入及所需時間或提高生產之效率。 隨著美國法院對獨立經濟價值之認定趨勢的變化，營業秘密案件之原告所負的舉證責任將逐漸提高。據此，當企業欲提出不當使用營業秘密之損害賠償時，應盡早開始收集相關證據，以滿足法院對於營業秘密之獨立經濟價值的認定標準。 本文同步刊登於TIPS網站（https://www.tips.org.tw）。
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 ）」
澳大利亞提出政府資料共享法案澳大利亞總理及內閣部（The Department of the Prime Minister and Cabinet，PM&C）之國家資料委員辦公室（Office of the National Data Commissioner）於2020年12月9日提交「澳大利亞資料可用性及透明度法案」（Data Availability and Transparency Bill 2020）至澳大利亞國會（Parliament of Australia），國會並已完成一讀及二讀 。 該法案旨在建立一個新的公部門資料共享方案，將原先未開放的公部門資料，透過本法案所設計的共享公部門資料相關管理制度，以促進公部門資料的可存取性及保障措施的一致性，藉此提高公部門資料透明度和大眾利用公部門資料的信心。 該法案所設計的資料共享機制，係由作為「資料保管者」（Data custodians）的各聯邦部門和州政府，自行或透過「被認證的資料服務提供者」（Accredited data service provider，下稱ADSP）共享其所保管的政府資料，使「被認證的利用者」（Accredited user，下稱利用者）得以利用之。 另外，該法案要求資料保管者必須在符合資料共享要件的情況下，才能共享資料，要件包含： 1、資料共享目的：係指該法案只允許資料保管者基於「提供政府服務」、「通知政府政策和計畫」、「研究與開發」等三個目的分享資料。倘涉及國家安全及犯罪調查等需要特殊監督利用機制的政府資料，則不包含在內。 2、資料共享原則：包含符合公共利益或道德評估之計畫；具備適合共享資格的人員；安全環境；資料最小化；合目的產出等五個原則。 3、資料共享協議：資料保管者與利用者之間，必須簽定「資料共享協議」，該法案有規定資料共享協議的應記載條款。 滿足上述要求時，該法案使原先被法律限制共享，或單純未積極開放的資料，都得以在利用者提出要求後，於符合要件及資訊保密相關法規後共享。反之，若不符合法案的要求，則不得共享資料，回復到原先的法律狀態，適用原先的資料保護框架。 最後，該法案授權獨立監管機構「國家資料委員」（National Data Commissioner），負責認證ADSP及可利用共享資料之利用者，並監管所有的資料共享計畫，以及提供諮詢、指導和倡導資料共享計畫的最佳方案。
歐盟針對電子通訊網路及服務之管制架構規範進行公開徵詢基於維持「更好的管制」原則，歐盟執委會針對電子通訊管制架構之內容，公開徵詢社會大眾的意見。 此一電子通訊管制架構，係包括「架構指令」（2002/21/EC）、「發照指令」（2002/20/EC）、「網路接續指令」（2002/19/EC）、「普及服務指令」（2002/22/EC）及「隱私及電子通訊指令」（2002/58/EC）五個指令。除了此了指令之規範上，此次公開徵詢內容尚包括執委會有關「相關市場的建議」（C(2003)497）。 諮詢議題內容，則包括「管制架構的優劣點」、「現行管制架構是否能達到預期目標」、「現行管制架構如何改進」，以及特定之主題，如「範圍及目標」、「匯流及科技發展」、「頻譜管理」、「市場競爭及網路接續管制」、「執照核發及使用權」等。公開諮詢時間至2006年1月24日止。