談服務貿易總協定下我國服務業研發補貼措施之國民待遇問題
本文為「經濟部產業技術司科技專案成果」
日本內閣於2018年3月9日閣議決定《關於促進海上再生能源發電設備之整備海域利用法律案》（海洋再生可能エネルギー発電設備の整備に係る海域の利用の促進に関する法律案，以下簡稱海上風力發電促進法案）。 日本四面環海、國土面積狹窄，長期、安定且有效率地實施海洋再生能源發電事業十分重要。此外，海上再生能源發電之碳排放量較火力發電為少，有助於地球暖化對策，推動海上再生能源發電事業亦可幫助發電設備之設置、維護等相關產業發展，加上現行規範缺乏允許業者長期占用指定區域等相關規範，不利於推動海洋再生能源發電事業，故日本政府擬透過制定《海上風力發電促進法案》，促進相關事業發展，以擴大再生能源導入量。 根據法案規定，為推動再生能源發電設備之整備海域（促進區域）之利用，未來政府將制定基本方針，經產大臣及國土交通大臣、農林水產大臣、環境大臣等在聽取協議會意見後指定「促進區域」，並訂定公開募集占用指引。欲從事海上風力發電之業者，應向經產大臣及國土交通大臣提出公募占用計畫，經產大臣及國土交通大臣根據內容及供應價格等選定最佳計畫。計畫經認可之業者，可根據占用計畫向國土交通大臣申請最長可達30年之占用許可。
日本總理公布「推展氫（水素）燃料基本方針」並加速落實再生能源計畫日本首相安倍晉三於2017年4月11日出席「第一次再生能源及氫（水素）燃料內閣會議」，在會議中進行加速引進再生能源及落實氫燃料社會等議題探討，並公布「推展氫（水素）燃料基本方針」，以達成2020年具有4萬台電動汽車之目標，並推展相關氫燃料之相關規範及準備，謹對於相關重點政策綜述如下： 一、為擴大再生能源之使用，5年內中央及各級政府共同展望12項計畫： 風能、地熱環境影響評估迅速化，並支援該地區之行政推廣。 透過地熱等開發，促進鄉鎮觀光發展。 擴大中小型水利之開發，統一提供及利用全國之資訊等。 林業及廢棄物處理、下水道政策之共同合作，促進生質能源發電。 促進海上風力發電，並檢討相關制度及環境規範。 為確保長期安定的太陽能發電，審視法規及相關制度。 引進低成本及遠距離控制之蓄電池。 以分散型能源系統，促進再生能源之利用。 相關行政程序之迅速化，以一站式窗口提供服務。 1與當地及環境共榮共存。 1低成本化及先端技術之研究開發。 可再生能源技術之海外支援。 二、邁向氫燃料社會之無碳排放目標： 首先，擴大電動車燃料電池、家用燃料電池等相通之氫燃料之利用，中長期於2020年以氫發電及大規模國內外氫原料之供應鏈，最終希望建立無碳排放之氫燃料電力供應系統目標。 在有擴大引進再生能源，並兼顧國民負擔之目標下，日本於2016年5月修正電氣事業再生能源電氣（FIT法）相關特別措施，且於2017年4月開始引進相關新的事業計畫及措施。
2004年WIPO推出國際專利電子申請系統且申請數量激增世界智慧財產組織 (WIPO)於今年3月報導指出:WIPO於2004年推出了新的E－Pdoc申請系統，這一系統讓WIPO得以用電子形式接收、處理和發送國際專利優先權文件。有了此一電子申請系統，申請人可以要求同一件申請案以其在任何特定簽約國專利局首次提出申請的日期?國際專利申請日。如果申請得到有關國家專利局的專利授權，該先申請日還可以作?獲得國際專利有效保護的起始日期。 受到電子申請系統方便性之鼓舞， 2004年國際專利申請數量激增並正式突破了一百萬件申請的大關，同一年依據專利合作條約(PCT)規定所提交申請的數量也創下紀錄，共計12萬多件。其中美國繼續列在最大用戶榜首，但增長速度最快的是亞洲大陸─即：日本、韓國和中國大陸。
強化AI安全防線：八國連署AI與機器學習供應鏈風險管理指南日本國家網路安全辦公室（国家サイバー統括室）於2026年3月5日，代表日本連署了「AI、機器學習供應鏈風險與緩和措施」（Artificial intelligence and machine learning Supply chain risks and mitigations）之國際文書（下稱本文書），並公布本文書內容。本文書是由隸屬於澳洲訊號局（Australian Signals Directorate，簡稱ASD）之澳洲網路安全中心（Australian Cyber Security Centre，簡稱ACSC）主導訂定，主要針對有導入或開發 AI、機器學習系統與元件等需求的組織，揭示其可能存在供應鏈風險與提升整體網路安全之重要性，並就AI開發或採購階段，組織應留意相關風險與可採行之緩和措施。有關連署國家，除了日本與澳洲以外，也包括加拿大、紐西蘭、韓國、新加坡、英國與美國等共八個國家皆已完成連署。 本文書內容強調組織於管理 AI、機器學習等風險時，應將 AI 供應鏈視為整體網路安全戰略的一環，同時評估產品或服務之整體生命週期風險，不應著重於單一技術，而是組織需要掌握整體供應鏈的全貌，包括特定關係事業者、活用AIBOM（AI物料清單，主要用來記錄AI模型相關資產與資訊，提供快速定位與管控AI問題模型功能）或SBOM（軟體物料清單，主要記錄軟體相依元件，用於漏洞管理與供應鏈透明度）、意識到是否已針對AI、機器學習系統可能帶來的風險，進行漏洞管理，以及針對AI、機器學習系統所導致之網路安全事件建立應處機制等。 本文書將AI、機器學習供應鏈風險大致區分為五類：AI 數據、機器學習模型、AI 軟體、AI 基礎設施（含硬體），以及第三方服務，本文書指出AI、機器學習應用於供應鏈時可能產生之風險，其中包括數據品質不良、資料受竄改、模型遭植入惡意程式碼、軟體元件複雜導致難以保證其安全、硬體與韌體擴大攻擊面，以及導入第三方服務致使供應鏈產生弱點等。 此外，本文書也針對各類風險提出可行的因應方法，例如： 1.數據面：需做標準化搜集、外部資料檢疫、資料前處理與完整性驗證。 2.模型面：需從可信來源取得透明模型，實施性能驗證與惡意程式偵測。 3.軟體面：需做完整性驗證、元件審核，並透過 SBOM 掌握已知弱點。 4.硬體面：需確認設備無惡意內容，並在網路中適當分區。 5.第三方服務面：需持續評估與監控供應商的資安實務與脆弱性管理。 總結來說，日本已意識到國家網路安全治理下，針對AI、機器學習的安全，不單是模型安全，而是涉及整體性供應鏈安全。日本藉由與他國連署國際文書，不僅強化國際合作，同時建立供應鏈網路安全共識，因應AI對於國家供應鏈之網路安全挑戰，從資料、模型、軟體、硬體到第三方服務等視角提出具體因應方法，作為全面提升國家整體網路安全環境之參考指引。日本透過強化與他國合作，提升國家網路安全治理之作法，值得我國未來借鏡參考。