歐盟科技策略新趨勢－生物經濟策略
為引領歐盟各會員國邁向以生物發展為導向之經濟體時代，歐盟指委會（European Commission）乃於2012年2月13日通過歐盟永續生物經濟體策略計畫－Innovation for Sustainable Growth-a Bioeconomy for Europe，期待藉此引導歐盟邁想一個創新且低排放之永續發展經濟體。
隨著全球人口逐年增長，並預計於2050年邁向全球9億總人口數之關卡，但自然資源之相對有限，因此歐盟指委會認為歐盟經濟體需隨著時代變遷趨勢及早轉型，並且強化其發展永續性。為協助歐盟各會員國因應全球局勢變化，歐盟指委員進一步於其永續生物經濟體策略計畫中提出三大重點策略－1.強化創新，並發展新興科技，進而為生物經濟體做準備；2.建置並強化生物經濟體相關市場與競爭力；3.透過相關政策之研擬，加強立法者與產業間之聯結性。而除了透過前述之三大重點策略以做為發展生物經濟體之基礎外，歐盟指委會亦希望能藉由歐盟Horizon 2020計畫下之各相關配套措施，以及各項研發經費之投注，進行各項生物和綠色科技，如能源、奈米科技、和資通訊技術（ICT）等相關領域之創新研發，進而導引歐盟經濟體邁向一個全新永續新境界。
目前歐盟會員國如丹麥、芬蘭、德國、愛爾蘭、和荷蘭皆已提出相關生物經濟體策略，而國際間如加拿大、中國、美國、和南非對此議題，亦位處於發展中或是已發展階段。以生物科技為主之知識經濟發展導向乃為當前全球經濟發展趨勢，如何連結科技研發創新，進而發展永續經濟，實為一值得關注與思考之問題。
本文為「經濟部產業技術司科技專案成果」
中國大陸能源基金會副主席楊富強日前透露，能源基金會、世界自然基金會與國家財政部正在研討開徵「生態稅」。目前，正在為能源對環境的影響成本進行核算，年內相關草案將出爐。 據中國大陸媒體報道，世界自然基金會氣候變化與能源項目負責人甘霖表示，生態稅主要目的就是為了保護生態環境和自然資源，向所有因其生產和消費而造成外部不經濟的納稅人課徵的稅收。 生態稅涉及所有消費化學能源的行業，讓企業去承擔環境成本，實現生態和資源價值的合理補償。目前，生態稅的標準正在研討中，不同的行業對應不同的稅收標準。這個標準與企業的排放有關。根據企業排放量的多少，制定一個限定的比例，再乘以企業的年生產量。也就是說，「企業污染的越多，承擔的環境成本就會越高。」 甘霖指出，目前綠色能源的環境績效還不能完全轉化為經濟效益，綠色能源單位建設投資高及利用率偏低，造成綠色能源價格較高，從而無法與傳統能源競爭，成為影響綠色能源發展的一個瓶頸。現在運用稅收手段，徵收生態稅，就是要使傳統能源價格升高，從而縮小傳統能源與綠色能源之間的差價，推動全社會積極使用綠色能源。
日本發布《資料品質管理指引》，強調歷程存證與溯源，建構可信任AI透明度2025年12月，日本人工智慧安全研究所（AI Safety Institute，下稱AISI）與日本獨立行政法人情報處理推進機構（Information-technology Promotion Agency Japan，下稱IPA）共同發布《資料品質管理指引》（Data Quality Management Guidebook）。此指引旨於協助組織落實資料品質管理，以最大化資料與AI的價值。指引指出AI加劇了「垃圾進，垃圾出（Garbage in, Garbage out）」的難題，資料品質將直接影響AI的產出。因此，為確保AI服務的準確性、可靠性與安全性，《資料品質管理指引》將AI所涉及的資料，以資料生命週期分為8個階段，並特別強調透過資料溯源，方能建立透明且可檢核的資料軌跡。 1.資料規劃階段：組織高層應界定資料蒐集與利用之目的，並具體說明組織之AI資料生命週期之各階段管理機制。 2.資料獲取階段：此步驟涉及生成、蒐集及從外部系統或實體取得資料，應優先從可靠的來源獲取AI模型的訓練資料，並明確記錄後設資料（Metadata）。後設資料指紀錄原始資料及資料歷程之相關資訊，包含資料的創建、轉檔（transformation）、傳輸及使用情況。因此，需要記錄資料的創建者、修改者或使用者，以及前述操作情況發生的時間點與操作方式。透過強化來源透明度，確保訓練資料進入AI系統時，即具備可驗證的信任基礎。 3.資料準備階段：重點在於AI標註（Labeling）品質管理，標註若不一致，將影響AI模型的準確性。此階段需執行資料清理，即刪除重複的資料、修正錯誤的資料內容，並持續補充後設資料。此外，可添加浮水印（Watermarking）以確保資料真實性與保護智慧財產權。 4.資料處理階段（Data Processing）：建立即時監控及異常通報機制，以解決先前階段未發現的資料不一致、錯漏等資料品質問題。 5.AI系統建置與運作階段：導入RAG（檢索增強生成）技術，檢索更多具參考性的資料來源，以提升AI系統之可靠性，並應從AI的訓練資料中排除可能涉及個人資料或機密資訊外洩的內容。 6. AI產出之評估階段（Evaluation of Output）：為確保產出內容準確，建議使用政府公開資料等具權威性資料來源（Authoritative Source of Truth, ASOT）作為評估資料集，搭配時間戳記用以查核參考資料的時效性（Currentness），避免AI採用過時的資料。 7.AI產出結果之交付階段（Deliver the Result）：向使用者提供機器可讀的格式與後設資料，以便使用者透過後設資料檢查AI產出結果之來源依據，增進透明度與使用者信任。 8.停止使用階段（Decommissioning）：當資料過時，應明確標示停止使用，若採取刪除，應留存刪除紀錄，確保留存完整的資料生命週期紀錄。 日本《資料品質管理指引》強調，完整的資料生命週期管理、強化溯源為AI安全與創新的基礎，有助組織確認內容準確性、決策歷程透明，方能最大化AI所帶來的價值。而我國企業可參考資策會科法所創意智財中心發布之《重要數位資料治理暨管理制度規範（EDGS）》，同樣強調從源頭開始保護資料，歷程存證與溯源為關鍵，有助於組織把控資料品質、放大AI價值。 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）
美國基改動物法規研擬中基改動物的技術研發腳步雖不如植物快速，不過自1980年出現重大的技術突破後，基改動物的研發成果不斷產出，目前基改動物的研發方向以醫藥用途最多，其次像是環保、食用、抗氣候變遷等，均有相關的研究投入。隨著研發成果的累積，美國也開始構思基改動物的規範議題，2008年9月，美國FDA及APHIS分別就基改動物提出規範細節及資訊調查的公告。 由於美國並未對基改生物訂定管理專法，而是利用既有的法規體系來管理基因改造生物，而既有法規原各有其規範目的，因此如何從這些既有法規的規範目的出發，闡述其用來規範基改動物的適當連結，以及相關主管機關將如何運用既有法規來管理基改動物，便成為研議的重點。 目前FDA內的CVM（Center for Veterinary Medicine）已率先宣告其對基改動物的主管權限，並公告「基因重組動物管理之產業指導原則（草案）」（Draft Guidance for Industry on the Regulation of Genetically Engineered Animals）。FDA認為，由於轉殖進入基改動物體內的重組DNA構體（rDNA construct），已對動物本身的結構與功能（construct and function）產生影響，符合其依聯邦食品藥品及化妝品管理法（Federal Food, Drug, and Cosmetic Act）規定所稱之藥（drug）的定義，因此，FDA宣告其對所有的基改動物（精確來說是轉殖於其體內的重組DNA構體），將視以動物用新藥（new animal drug）管理之，至於基改動物後續可能有不同的用途，則另須符合相關的產品主管法規，始可上市。在APHIS部分，其主要負責動物健康之把關，目前APHIS正對外進行廣泛的資訊蒐集與調查，以作為其後續研擬進一步的管理規則或政策之參考依據。