L'oreal v. eBay：歐盟法院判決網路平台交易業者應負商標侵權責任
有關在網路販售仿冒品所透過之網路交易平台業者是否應負法律責任之問題，歐盟法院（Court of Justice of the European Union）於2011年7月12日針對L’oreal v. eBay案作出判決，認為如eBay之網路交易平台業者應為平台使用者之商標侵權行為負責。
國際知名化妝品品牌L’oreal 於2007年對eBay提出多項商標侵權之控訴，L’oreal認為eBay沒有適當的管控阻止其交易平台使用者之商標侵權行為，其包括在交易平台上販售仿冒品及非賣品，進行平行輸入販售非給歐盟市場流通之商品給位在歐盟會員國之人，以及購買網路關鍵字廣告協助交易平台使用者找到仿冒L’oreal品牌之商品，但eBay認為其適用歐盟電子商務指令（EU E-Commerce Directive）下之有關網路服務業者之免責條款。
歐盟法院之判決認為，網路交易平台業者若有扮演主動的角色，對仿冒商品之販售資料有掌控或知曉，則歐盟電子商務指令之免責條款應不適用，另外，若網路平台交易業者雖然沒有扮演主動的角色，但知道在其交易平台有商標侵權之販售行為但並沒有採取任何阻止行動，則網路平台業者也無法享有上述之免責權。同時，歐盟法院也認為各國法院應可以要求網路交易平台業者採取動作停止及防止交易平台使用者之侵權行為。
美國眾議院本（9）月通過「2007年綠色化學研究發展法案」（The Green Chemistry Research and Development Act of 2007），其目的在要求總統建立「綠色化學研究發展計畫」（Green Chemistry Research and Development Program），統籌改善聯邦政府對於綠色化學研發、教育宣導及技術移轉等活動之資源投入，而綠色化學則是指那些依安全與有效生產程序製造高品質產品時、能減少使用或產生毒性化學物質之化學產品或製程技術。美國化學協會（American Chemical Society）讚許眾議院通過本法案是睿智的舉動，表示發展綠色化學最能證明經濟和環境得同時併進，發展綠色企業實務，改善藥學加工及本土營建產業以迎刃氣候變遷及能源危機等挑戰。 本法案並要求自明（2008）年起，編列經費由以下政府單位合作執行本計畫，即國家科學基金（National Science Foundation）、國家標準技術研究院（National Institute of Standards and Technology）、能源局（Department of Energy）及環保署（Environmental Protection Agency）。參議院在過去兩屆都通過類似的法案，尚等待參議院支持通過相同法案，以獲得生效。 為減低對石化原料的依賴、發展生物經濟，美國政府積極投入促進綠色科技、生質科技之研發活動，例如從農林廢棄物或副產品或其他來源開發再生性原物料供綠色化學使用。此外，美國政府亦資助建立了生質（biomass）能源及產品的網路圖書館（BioWeb）；BioWeb所收錄的生質科技資訊、文獻，許多都是來自大學或國家實驗室著名研究人員，都會先經各領域專家進行嚴格的同儕審查（peer-review），再開給所有公眾瀏覽；BioWeb將會持續蒐羅各種基礎及應用科學知識，並擴充各種經濟及政策相關資訊。BioWeb的理想目標，是擴大規模成為最大最有價值的生質燃料、能源及產品公共資料庫。
父母對子女網路使用法律責任之相關德國判決－由『國小生轉貼 YouTube 連結被控侵害著作權』新聞談起 美國有線電視法節目載送規則實務現況簡介 新加坡科技與研究局針對未來工廠提出研究規劃及方向新加坡科技與研究局（Agency for Science, Technology and Research）於2017年7月26日提出未來工廠（Toward the factories of the future）概念及相關研究方向，自動化（Automation）、機器人（robotics）、先進電腦輔助設計（advanced computer-aided design）、感測和診斷技術（sensing and diagnostic technologies）將徹底改變現代工廠，可製造的產品範圍廣泛，從微型車乃至於飛機皆可生產。積層製造（Additive Manufacturing），又稱3D列印（3D printing），可使用單一的高科技生產線來創造許多不同的產品項目，而不需要傳統大規模生產的設計限制和成本，伴隨未來高效能電腦和感測技術之進步，積層製造速度也會隨之加快。而智慧工廠（smart factories）將與物聯網（IOT）、雲端計算（cloud computing）、先進機器人（advanced robotics）、即時分析（real-time analytics）與機器學習（machine learning）等技術與積層製造技術結合，將大為提升生產速度及產量。 為加速及改善積層製造的製程，最重要的方法之一，是使用材料物理學的基本原理來模擬製造過程，而近期更引進跨學科之研究，「模擬」最終產品化學成分和機械性能的微觀結構。因積層製造是一個複雜又困難的過程，透過變化既有規則之模擬（Game-Changing simulations），若建立完成模型且模擬成功，將成為積層製造的殺手級技術。在未來的五到十年，我們將看到更多的零件從積層製造技術生產出來，而且這種技術有機會成為未來工廠的生產基礎。由於現行材料及製造流程與機器必須配合一致，些許的差異皆會生產出不同品質之產品，故未來積層製造工廠的結果穩定重現性（repeatability）和標準化（standardization），將是產品商業化的主要障礙與挑戰。