日本最高法院新判決裁定日立需支付前員工發明報酬一億六千萬餘日圓

  日本最高法院最近裁定,日立( Hitachi )必須支付一億六千三百萬日圓(約四千五百萬台幣)給取得三項光碟讀取技術發明專利的前工程師米澤成二( Seiji Yonezawa )。一九九六年退休的米澤,於一九七三到一九七七年間,將其開發出來的三項有關光碟讀取技術發明專利移轉給任職的日立公司,當時他僅獲日立支付二百三十萬日圓酬勞,米澤嫌酬勞太少而提起訴訟,要求日立支付二億八千萬日圓酬勞。


  東京地方法院於二○○二年作成的裁定,認定日立因該專利在日本國內所獲利益約兩億五千萬日圓,依米澤的貢獻度百分之十四計算,命令日立支付約三千五百萬日圓。但在日立上訴至東京高等法院的第二審,高院於二○○四年裁定,加上日立在英美等六個外國取得專利所獲利益約共十一億八千萬日圓,扣除已支付金額,日立應再支付約一億六千三百萬日圓酬勞給米澤。米澤原本訴請日立支付發明報酬兩億八千萬日圓,此案在最高法院駁回日立提起的上訴後判決定讞。


  根據日本特許法(專利法)規定,受雇人取得發明專利時,企業需支付相對報酬予發明人,不過對於報酬之合理性,受雇人及雇用人近年來迭有爭議並訴諸司法解決。雖然日本國會在
2004 5 28 通過專利法修正案,進一步使報酬之計算要件更加具體、明確化,日本專利局也隨後在 2004 11 月公布「新受雇人發明制度之程序個案研究」( The Case Studies of the Procedures under the New Employee Invention System ),以問答方式闡釋新修正之發明人報酬規定之意義與適用方法,並尋求一個較為合理的標準,提供受雇人與雇用人間訂定報酬金時之參考。


  然而,境外專利權是否應該列入報酬金之計算,新法則未規定,故此問題仍然存在,對此下級法院的判決不一,日本最高法院最近做出確定在海外取得的專利亦得支付相對報酬之裁決,這項司法裁定,勢必會影響到擁有國外專利的眾多日本企業。

本文為「經濟部產業技術司科技專案成果」

相關連結
※ 日本最高法院新判決裁定日立需支付前員工發明報酬一億六千萬餘日圓, 資訊工業策進會科技法律研究所, https://stli.iii.org.tw/article-detail.aspx?d=602&no=0&tp=1 (最後瀏覽日:2026/07/20)
引註此篇文章
你可能還會想看
日本企業陸續向開發中國家提供環保技術援助

  應中國鋼鐵工業協會(以寶山鋼鐵為首)之請,日本鋼鐵聯盟擬提供中國削減溫室氣體的環保技術。中國雖不在京都議定書約束的國家之列,急遽的經濟成長所造成的空氣污染已帶來嚴重的環境問題,日本鐵鋼聯盟於24日的委員會上正式決定技術援助的計劃,近期內將與中國討論相關細節。   日本鋼鐵業界自1990年度起,平均每年投注1200億日圓開發該產業的環保技術,目前業界「回收熔爐熱能轉供發電等能源節約技術」已經領先全球。日本鋼鐵業界2003年度換算成二氧化碳的溫室氣體排放量雖然已較1990年度減少6.4%,仍然未能達到京都議定書中要求減量10%的目標。   利用京都議定書的「彈性機制」,業界也可藉由跨國的技術援助,將國外減少的溫室氣體額度直接計入本國的額度之內。目前為止由日本政府核可的「彈性機制」計劃共15件,今年一月甫通過鹿島建設公司將馬來西亞廢棄物處理場的沼氣轉為電能的計劃,除此之外,東京電力公司和住友商事都分別在智利和印度有相關的環保計劃。

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。

APEC跨境隱私保護規則體系下之問責機構介紹

競業禁止新方向-「勞資雙方簽訂離職後競業禁止條款參考原則」

TOP