著名商標之淡化保護 v.s. 嘲諷性使用著名商標之言論自由保障－從美國商標法及判決評析
美國為鼓勵與促進企業進行再生能源之研發，能源部(Department of Energy，DOE)規劃協助企業投入再生能源研發，並期加速商業化應用。為此，能源部將推出協助措施及推動計畫，其計畫經費一部分由美國復甦與再投資法案(American Recovery and Reinvestment Act)出資，另一部分來自於今年度的預算撥款。其中，三十億美元資金協助計畫將建置將近五千項涵蓋生質能、太陽能、風力發電以及其他再生能源之生產設備，另一項七億五千萬美元資金協助將改善電力傳輸系統。能源部期盼這兩項資金協助計畫，將帶動再生能源之研發，並促進新興能源科技的商業化應用。 有關美國協助民間發展再生能源計畫，今(2009)年七月底，美國能源部已公佈相關資金協助申請作業程序，預計每項提出申請計畫平均約可獲得六十萬美元額度，目前尚未對一家公司的申請額度設有上限，也並未對其可動用之資金額度設有總額限制，預計這些計畫將鼓勵私人投資再生能源，創造未來就業機會，協助帶動美國經濟。 能源部部長Steven Chu表示，這些協助計畫將激發綠色能源科技的創新，確保未來再生能源的輸送更為安全有效率，並將帶來相關就業機會。政府方面已設定目標，預計未來三年內將增加再生能源生產至目前的雙倍。為達成此一目標，必須確保有效地資金挹注才能加速再生能源的發展，同時設置完備的電力傳輸系統，整合各類型的再生能源，如太陽能與風力發電，便於日後將所生產的能源傳送至各地。
美國規劃推動「供應鏈之星」計畫，國會提出「節能暨產業競爭力法」並審議美國國會於2013年4月提出「節能暨產業競爭力法」(Energy Savings and Industrial Competitiveness Act of 2013)草案，並進行審議。該草案由參議員Shaheen女士及Portman先生共同提出，於二讀後交付予參議院「能源暨自然資源委員會」(the Committee on Energy and Natural Resources)進行討論表決。委員會於2013年5月13日以多數決批准該草案並修正若干條款，全案排入美國國會第113會期等待表決。 本草案屬於包裹式立法，旨在提昇住宅及商用建築並產業等多面向之能源節約，共分成四個章節: 首先對於提昇產業生產競爭力領域(Industrial Efficiency and Competitiveness)，加強產業轉型，草案中修正「能源獨立及安全法」(Energy Independence and Security Act of 2007)、「能源政策及管理法」(Energy Policy and Conservation Act，並刪修「2005年能源政策法」及「1992年能源政策法」若干條款。計劃在能源部下，成立「供應鏈之星」(Supply Star Program) 計畫，推動整體產業供應鏈之能源效率，達節能、節水或其他自然資源目的。 其次，在建築(Buildings)領域，草案乃修正「能源管理及生產法」(Energy Conservation and Production Act)，更新「模範建築能源規範」(model building energy codes)；就住宅建築及商用建築，分別以「2009國際能源管理規範」 (International Energy Conservation Code, IECC)及「ASHRAE標準90.1-2010」作為基準，並將經濟成本效益納入考量。 以及在私用商業建築效率提升融資機制(Private Commercial Building Efficiency Financing)上，能源部將啟動「商業建築能源融資倡議」(Commercial Building Energy Financing Initiative)，在州的層級，擴大私部門及商業建築進行能源效率翻新工程之補助範疇。 第四，關於聯邦公部門機關之能源效率(Federal Agency Energy Efficiency)，草案乃修正「國家能源管理政策法」(National Energy Conservation Act)，討論將在聯邦公部門建築導入資通訊科技(ICT)，推動能源效率及節約。 本草案就公部門及私部門能源效率之提升皆有著墨，觀察該草案目前已獲得美國商會等數百位企業團體支持。若本會期能順利通過，勢必對於既有能源法制產生一定之變革，相關趨勢當值留意之。
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 ）」
科技產業申請租稅減免 國稅局：申報浮濫高科技企業申請促產條例相關租稅減免浮濫，尤其是在可享高額抵減的研發項目上，爭議最多。實務上，人才培育的投資抵減減稅空間較少，頂多幾十萬元或幾百萬元，但研發投資抵減最高可達幾十億元，因此常見的爭議也最多。由於研發費用可提列為費用、又可抵稅，對企業來說效益很高，因此很多公司都先申報為研發費用，等被國稅局查到再說；另將製造、銷售費用列為研發費用的情形不勝枚舉。 依照公司研究與發展及人才培訓支出適用投資抵減辦法審查要點第１點附表，研發支出只有包括全職研發人員薪資等九種支出才能抵減，而且業者須附薪資表及證明文件證明，才能減稅。但因為研發誘因優渥，企業總是先報再說，因此行政法院投資抵減的相關訴訟，十之八九都是國稅局勝訴。根據公司研究與發展及人才培訓支出適用投資抵減辦法第５條規定，公司的研發支出，在同一課稅年度內得按百分之三十抵減當年度應納營所稅額；支出總金額超過前二年度研發經費平均數者，超過部份得按百分之五十抵減當年度應納營所稅，當年度營所稅額不足抵減者，得在以後四年度營所稅額抵減。 國稅局提醒，申請研發減免企業必須提供研究計畫等證明，否則舉證不足反將被國稅局要求補稅，恐衝擊公司當年獲利。一般來說，適用投抵減稅金額愈高的公司，也愈常被選案查核，確保公司沒有僥倖逃稅心理。如果投抵項目涉及大陸地區，像是人才培訓支出，則應依臺灣地區與大陸地區人民關係條例第２４、２５、２５條之１條等法令規定，經主管機關核准，否則也將遭國稅局剔除補稅。