日本與大陸簽署專利審查高速公路試行方案（Patent Prosecution Highway pilot program）
日本特許廳（JPO）和中國人民共和國國家知識產權局（SIPO）於2011年10月18日合意簽署專利審查高速公路（Patent Prosecution Highway，PPH）試行方案。本方案欲藉由資源共享的方式，加快專利申請程序的官方審查期間。並預計於11月初開始施行，試行期間為期一年。透過這個方案，將使日本成為中國第一個PPH方案的合作對象。
隨著商業活動的全球性擴展，企業在各國獲取專利的需求性亦相對性地提升，造成單一申請案需個別向各國專利局申請的情況。因而造就全球性專利申請案件數量的攀升，以及專利審查期間的延長。為解決此問題，日本特許廳企圖以推行PPH模式，幫助申請人有效且及即時地獲取專利，以保障其國外專利權的行使。
傳統上大陸知識產權局審理日本專利申請案，通常需要經過二至三年的審查期間，透過這個試行方案，審查期間可望縮減至半年。
日本特許廳預計，這個方案將使日本企業以更迅速且有效的方式，保護其在中國的技術，進而協助日本企業順利地在中國經營商業活動。日本特許廳廳長表示，國際專利合作案不應該是種妥協，相反地，我們需要尋求一種可創造雙贏局面的新方式。
至於大陸方面，則預計與其他國家，如美國及南韓，簽署建立PPH的合作方案。
日本內閣府於2018年3月13日閣議決定，提出「國家戰略特別區域法」的法律修正案，以特定的地域為限，創設供自駕車、無人載具等技術測試與實踐運行之用的沙盒制度。 該法案為使這些前所未有、具高度革新性的近未來技術用於實地測試時，在確保監督管道的前提下，能獲得迅速、具彈性且友善的法律環境配合，將上開技術測試運行的事前管制強度降至最低，而以強化事後查核機制取代之，期望藉此增進產業的國際競爭力，並建立國際性經濟活動據點。 依該法案的設計，將因沙盒制度而受惠的技術實踐行為類型，包含下列五種：（1）部分未符合道路運送車輛法第41條技術基準要求的汽車運行；（2）自駕車運行而似會影響一般交通之情形；（3）在具影響一般飛航安全之虞的空域內、或在住宅密集地區上空令無人機飛行之行為；（4）未依照航空法所定之列舉方式運行無人機之行為；（5）因上開（1）至（4）之行為而必須使用無線設備的情形。 於現行法的規範下，上開技術測試行為本係牴觸法規範而不被允許、或需依各該特別法規定於個案例外取得許可或使用執照的情形。 但經沙盒制度修正案的調整後，該些測試行為只要是在經國家戰略特別區域會議制定、且受內閣總理大臣等相關機關主管認可的個別技術實證區域計劃之框架下提出，並交由獲得認定的業者進行，即可例外容許其得以不須滿足（1）當中的法定技術基準要求，或直接擬制其已獲得許可；此外，就必須使用無線設備的情況，要求總理大臣盡速發給執照予符合資格的業者。 於事後查核機制，則在區域會議設置由第三方組成的技術實證評價委員會，對各該區域計劃進行評價。
紡織業大革命 減少石油消耗美國杜邦公司歷經十餘年研究，利用萃取玉米中的葡萄糖為原料，取代以石化製程而研發出紡織用的SORONA生物基聚合物，並取得二十七項專利。以此方法生產的SORONA，除了可降低對石油的依賴，對於全球溫室效應及環境保護將有重大的影響。 位在田納西州首座生化PDO（丙二醇，是生產高分子聚合物的主要原料，可用於製造塑膠、衣物紡織品或其他產品 ）明年三月正式投入生產後，將前進亞洲設置第二座PDO廠，並尋求替代玉米的新再生能源。而正式量產後，將供應台灣遠東紡織及大陸廈門翔鷺紡織等十家大廠使用。
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。
德國車輛及其系統新技術研發計畫德國經濟與能源部於2017年11月公布車輛及其系統新技術補助計畫期中報告，補助的研究計畫聚焦於自動駕駛技術及創新車輛技術兩大主軸。 在自動駕駛研究中，著重於創新的感測器和執行系統、高精準度定位、車聯網間資訊快速，安全和可靠的傳輸、設備之間的協作、資料融合和處理的新方法、人機協作、合適的測試程序和驗證方法、電動汽車之自動駕駛功能的具體解決方案。其中以2016年1月啟動的PEGASUS研究項目最受關注，該計畫係為開發高度自動化駕駛的測試方法奠定基礎，特別是在時速達130公里/小時的高速公路上。 在汽車創新技術的研究發展上，著重於公路和鐵路運輸如何降低能源消耗和溫室氣體排放，包括透過交通工具輕量化以提高能源效率、改善空氣動力學之特性、減少整體傳動系統的摩擦阻力、創新的驅動技術。另外，也特別注重蒐集和利用在車輛操作期間產生的資料，例如在於操作和駕駛策略的設計，維護和修理，或車輛於交通中相互影響作用。 本報告簡介相關高度實用性技術研究計畫，同時展望未來研究領域，以面對現今產業數位化的潮流和能源效率及氣候保護的發展的新挑戰，因此，資通訊技術、自動控制技術以及乾淨動力來源技術，將會是未來交通領域研究的重點。