台灣自由軟體今年產值逾12億
MIC資料顯示，台灣自由軟體產業軟硬體的相關產值從2003年的135億，至今年可望成長至新台幣290億。如果單看自由軟體的產值，今年可望超過新台幣12億，較去年成長26％。
資策會表示，在政策推動下，自由軟體的需求面有逐漸增加的趨勢。就市場整體來看，我國自由軟體產業的產值，今年上半年達到新台幣5億9000萬，全年將超過12億，達到12億3700萬，而從2002年至2006年，台灣自由軟體產業軟體產值的年複合成長率高達55％。
預期到2007年，自由軟體產值可望達新台幣100億元，投入軟體開發廠商將達50％，而政府單位的個人電腦使用比例可望達到10％。
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
2025年12月，日本人工智慧安全研究所（AI Safety Institute，下稱AISI）與日本獨立行政法人情報處理推進機構（Information-technology Promotion Agency Japan，下稱IPA）共同發布《資料品質管理指引》（Data Quality Management Guidebook）。此指引旨於協助組織落實資料品質管理，以最大化資料與AI的價值。指引指出AI加劇了「垃圾進，垃圾出（Garbage in, Garbage out）」的難題，資料品質將直接影響AI的產出。因此，為確保AI服務的準確性、可靠性與安全性，《資料品質管理指引》將AI所涉及的資料，以資料生命週期分為8個階段，並特別強調透過資料溯源，方能建立透明且可檢核的資料軌跡。 1.資料規劃階段：組織高層應界定資料蒐集與利用之目的，並具體說明組織之AI資料生命週期之各階段管理機制。 2.資料獲取階段：此步驟涉及生成、蒐集及從外部系統或實體取得資料，應優先從可靠的來源獲取AI模型的訓練資料，並明確記錄後設資料（Metadata）。後設資料指紀錄原始資料及資料歷程之相關資訊，包含資料的創建、轉檔（transformation）、傳輸及使用情況。因此，需要記錄資料的創建者、修改者或使用者，以及前述操作情況發生的時間點與操作方式。透過強化來源透明度，確保訓練資料進入AI系統時，即具備可驗證的信任基礎。 3.資料準備階段：重點在於AI標註（Labeling）品質管理，標註若不一致，將影響AI模型的準確性。此階段需執行資料清理，即刪除重複的資料、修正錯誤的資料內容，並持續補充後設資料。此外，可添加浮水印（Watermarking）以確保資料真實性與保護智慧財產權。 4.資料處理階段（Data Processing）：建立即時監控及異常通報機制，以解決先前階段未發現的資料不一致、錯漏等資料品質問題。 5.AI系統建置與運作階段：導入RAG（檢索增強生成）技術，檢索更多具參考性的資料來源，以提升AI系統之可靠性，並應從AI的訓練資料中排除可能涉及個人資料或機密資訊外洩的內容。 6. AI產出之評估階段（Evaluation of Output）：為確保產出內容準確，建議使用政府公開資料等具權威性資料來源（Authoritative Source of Truth, ASOT）作為評估資料集，搭配時間戳記用以查核參考資料的時效性（Currentness），避免AI採用過時的資料。 7.AI產出結果之交付階段（Deliver the Result）：向使用者提供機器可讀的格式與後設資料，以便使用者透過後設資料檢查AI產出結果之來源依據，增進透明度與使用者信任。 8.停止使用階段（Decommissioning）：當資料過時，應明確標示停止使用，若採取刪除，應留存刪除紀錄，確保留存完整的資料生命週期紀錄。 日本《資料品質管理指引》強調，完整的資料生命週期管理、強化溯源為AI安全與創新的基礎，有助組織確認內容準確性、決策歷程透明，方能最大化AI所帶來的價值。而我國企業可參考資策會科法所創意智財中心發布之《重要數位資料治理暨管理制度規範（EDGS）》，同樣強調從源頭開始保護資料，歷程存證與溯源為關鍵，有助於組織把控資料品質、放大AI價值。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
從知名社群網路服務平台Twitter商標的更名看「品牌商標管理」2023年7月知名社群網路服務平台Twitter基於品牌多角化經營考量（意圖進軍線上金融服務領域），Twitter執行長伊隆·馬斯克（Elon Musk）突然宣布全面變更品牌商標，經典「藍色小鳥」的商標標識改為黑白配色的「X」圖案（以下將該案例稱為「Twitter案」）。 實務上，企業可能於多種情況進行品牌商標之變更，例如：諾基亞（Nokia）因為希望向消費者表明其從手機公司轉型為商業科技公司的決心，故更換新商標，可見Twitter案的更名在科技業並不少見。重點在於品牌商標更名後，可能在商標法方面產生的風險。商標為指示品牌商品與服務來源的重要識別標識，在Twitter案中使用單一英文字母「X」作為新商標，在商標法上，一般被認為識別性較低，較難取得商標權，且其保護範圍可能也因此限縮於設計過的「黑白X標識」；其次，X作為一個常用的英文單字，較易產生與他人商標近似之風險，例如：微軟（Microsoft）公司2003年註冊與其遊戲系統Xbox通訊有關的X商標，或Meta公司自2019年起擁有藍白色彩的X字母商標，且註冊商標指定範圍也是社群媒體、軟體等。 為降低前述品牌商標爭議問題，建議企業由品牌標識設計、品牌全球拓展、品牌行銷宣傳三大階段，分別留意以下事項： 一、品牌標識設計階段：設計全新品牌標識或優化既有品牌標識前，事先評估品牌標識在商標法上是否具有識別性、是否與他人商標近似造成消費者混淆誤認等法定無法取得商標等風險，再決定是否維持原設計理念投入設計。如：Twitter案新商標X，除了透過品牌標識設計增加法律上的識別性，同時降低可能的侵權風險。 二、品牌全球拓展階段：如果預見可能侵權風險，則應加強爭議處理機制的建置，以利爭議發生時，及時採取因應措施。 三、品牌行銷宣傳階段：運用行銷手段加強品牌商標的「後天識別性」，如：透過投放廣告加強在消費者心中「黑白X標識」與品牌的連結等。 有關Twitter Inc.（現已併入X Corp.）的X品牌商標保護與布局策略，將會是後續值得關注的議題。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
淺談我國能源關鍵基礎設施資通訊安全法制建構之重要性--以歐盟及德國智慧電表布建發展為例 OECD發布《抓取資料以訓練AI所衍生的智慧財產問題》報告經濟合作與發展組織（Organisation for Economic Co-operation and Development, OECD）於2025年2月9日發布《抓取資料以訓練AI所衍生的智慧財產問題》報告（Intellectual property issues in artificial intelligence trained on scraped data），探討AI訓練過程中「資料抓取」對智慧財產之影響，並提出政策建議，協助決策者保障智財權的同時推動AI創新。 資料抓取是獲取AI大型語言模型訓練資料之主要方法，OECD將其定義為「透過自動化方式，從第三方網站、資料庫或社群媒體平臺提取資訊」。而未經同意或未支付相應報酬的抓取行為，可能侵害作品之創作者與權利人包括著作權、資料庫權（database rights）等智慧財產及相關權利。對此，報告分析各國政策法律的因應措施，提出四項關鍵政策建議： 一、 訂定自願性「資料抓取行為準則」 訂定適用於AI生態系的準則，明確AI資料彙整者（aggregators）與使用者的角色，統一術語以確保共識。此外，準則可建立監督機制（如登記制度），提供透明度與文件管理建議，並納入標準契約條款。 二、 提供標準化技術工具 標準化技術工具可保護智財權及協助權利人管理，包括存取控制、自動化契約監控及直接支付授權金機制，同時簡化企業合規流程。 三、 使用標準化契約條款 由利害關係人協作訂定，可解決資料抓取的法律與營運問題，並可依非營利研究或商業應用等情境調整。 四、 提升法律意識與教育 應提升對資料抓取及其法律影響的認知，協助權利人理解保護機制，教育AI系統使用者負責任地運用資料，並確保生態系內各方明確瞭解自身角色與責任。