英國電信市場競爭服務達到700萬線路
英國的寬頻市場競爭在透過執行網路元件細分化（LLU）政策後，英國電信公司（BT）的對手競爭公司如Sky或TalkTalk，利用BT擁有的電話銅線，提供競爭通訊服務的線路數已達到700萬。這顯示英國電信管制機關Ofcom的細分化政策（LLU）已見成效。
這項政策係在2005年9月，由BT向Ofcom做出具有法律效力的承諾，Ofcom要求BT分拆成立一個新公司，稱為Openreach，負責向競爭對手提供線路出租的批發服務。Openreach是基於功能分離之實體，提供BT和其競爭對手完全一樣的交易條件，如契約條款、價格、系統和商業關係。
政策實施初期，英國電信市場僅有約12.3萬條細分化線路。多數人只能選擇BT作為寬頻及固網電話服務的供應商。
根據Ofcom的最新研究，目前英國有超過1900萬條寬頻線路。其中70％以上是由BT以外的其他公司提供服務，其中許多服務建立在BT的細分化網路元件的基礎上。
現有超過30家不同的公司，為家庭和小型企業提供非捆綁式（unbundled）服務。這有助於提升寬頻網路普及、降低固網電話的價格。與2005年9月相較，當時僅37%的家庭和小型企業有寬頻網路，現在這個數字是71%。
競爭對消費者而言，也帶來較低的費用。根據Ofcom的研究，在2005年最後一季時，消費者每月平均為寬頻網路服務支出約23.30英鎊。今天，他們為相同的服務每月付出大約13.31英鎊。
因此由零售價格、寬頻普及、競爭業者數量來看，英國的寬頻市場競爭已經達到一個重要的里程碑。
美國專利商標局（USPTO）於2020年10月27日發布「發明AI：由美國專利觀察AI普及情形」（Inventing AI: Tracing the diffusion of artificial intelligence with U.S. patents）智財資料分析報告，本報告分析2002年至2018年共16年間美國AI專利之申請資料，發現在AI專利申請數量由3萬件成長至6萬件，成長幅度為100%，而在全體專利當中AI相關專利所占比率，也由原本的9%成長至接近16%，顯示在AI技術研發創新與普及率的顯著成長。 報告指出，自1950年圖靈（Alan Turing）提出「機器能否思考？」問題以來，現今AI技術的發展已經達到連圖靈也會讚嘆的水準，AI技術在發明領域的重要性益發提升，活躍於AI領域的發明人占全體專利權人的比率也從1976年的1%提升到2018年的25%，在組織的發明專利上也呈現相同的趨勢；除了美國銀行（Bank of America）、波音公司（Boeing）以及奇異電子（General Electric）之外，前30大頂尖的AI公司都來自資通訊領域，其中佔據首位者為擁有46,752項專利的IBM，其次為擁有22,076項專利的微軟以及10,928項專利的Google，而AI技術的應用領域也更加多元，並且與在地產業做結合，例如應用在奧勒岡州的健身訓練與設備以及北達科他州的農業上。 USPTO指出，經由專利資料分析顯示AI技術的發展不僅有顯著的成長，並逐漸與在地產業結合、落實在不同產業領域的多元應用，AI對於產業的影響力將不亞於電力或半導體，隨著AI領域發明人的顯著成長，未來將有更多AI技術在各領域的應用出現，而擴大AI影響力的關鍵在於發明者與公司能否成功將AI納入現有或新產品的功能、流程或服務之中。
日本發布資料素養指南之資料引領判斷篇，旨在呼籲企業透過資料分析結果改善並優化企業經營日本獨立行政法人情報處理推進機構於2025年7月發布《資料素養指南（下稱《指南》）》，指南分為三大章，第一章為整體資料環境之變化；第二章為資料治理；第三章為資料、數位技術活用案例與工具利用。指南第二章中的資料引領判斷篇，主要為呼籲企業透過資料分析結果改善企業經營。 《指南》資料引領判斷篇指出，在進行資料驅動的判斷流程時，需留意三點事項，分述如下： （一） 提出假說、驗證並進行決策 首先盤點利害關係人，蒐集各自的需求與課題，考量可以適用的技術與服務，並以此為基礎提出與事業相關的假說。其次，盤點必要資料並確認其利用可能性，同時針對所缺乏的資料進行取得可能性之評估。下一步，以所取得的資料為基礎進行假說與資料分析結果之驗證。而後，將假說與資料分析結果的驗證成果提供給利害關係人，並以利害關係人的意見為基礎，進行追加資料的取得並同時修正假說內容。最後，基於資料分析結果進行決策。 （二） 判斷決策所必要之資料的信賴性 企業在盤點必要之資料以進行分析並據此進行決策時，由於資料沒有達到特定數量無法用於分析、資料蒐集需花費時間成本，且判斷時點有時亦有其時效性，因此，在確保必要之資料時，會先檢視企業內部所持有之資料，而後確認政府機關的公開資料，如仍缺乏必要之資料，則會確認從資料市場取得之可能性等。在確保必要之資料後，則會判斷決策所必要之資料的信賴性，其主要分為兩點，一為針對資料本身之信賴性，包含資料是否有偏頗、對於資料產出者的信賴性以及資料取得日期、地區等；一為資料傳輸、編輯的信賴性，包含對於資料仲介者的信賴性、資料編輯程式以及資料整合方針。在無法完全確保資料的信賴性時，則會透過相關聯的資料進行資料正確性的檢驗。 （三） 服務導入與監視 資料分析並不僅侷限於現在資料的分析，亦會涵蓋未來資料的預測。舉例而言，自動駕駛資料不僅會分析車輛狀況以及周圍狀況，亦會預測並自動判斷是否需要剎車。透過資料分析結果導入服務後，亦應透過監視檢視決策成效，方法包含滿意度調查、平均使用時間調查等，並針對調查結果進行改善。 我國企業如欲將其所持有之資料用於分析並依照分析結果進行企業經營決策，除可參考日本所發布之《指南》資料引領判斷篇建立內含PDCA四面向之管理制度以外，亦可參考資訊工業策進會科技法律研究所創意智財中心所發布之《重要數位資料治理暨管理制度規範》，針對自身所持有之資料建立包含PDCA四面向之管理制度。 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）
網路中立管制在美國與歐盟的新發展