2013年全球智慧財產權申請量顯見成長，中國大陸佔居首要
世界智慧財產權組織（WIPO）於2014年12月所公布的世界智慧財產權指標（World Intellectual Property Indicators）基準報告指出，商標、工業設計及實用新型的申請量較前一年度成長，並以中國，美國和日本居前三位；另就申請類別而言，總成長比率分別為專利占9%、商標占6.4%、工業設計占2.5%、和植物品種占6.3%。
報告統計結果顯示，2013年全球專利申請案件約260萬件，比起前一年成長了9%，其中，中國大陸占總申請量的三分之一，其次為美國占總申請量的22%，日本申請量達32萬筆，排名為全球第三位。
報告另指出，專利申請領域依序為，電腦技術佔7.6%、電子機械佔7.2%、測量佔4.7%、數位通訊佔4.5%及醫療技術佔4.3%。
除專利外，其他的智慧財產申請情況，商標申請量上升近500萬件，亦以中國大陸排名首要。另工業設計申請案約達124萬筆，較前一年度成長約2.5%，中國大陸占總申請量的53%。
WIPO總幹事Francis Gurry表示，綜觀全球智慧財產申請全貌，中國大陸及美國於智慧財產權申請量仍明顯成長，而相對於歐洲及日本整體申請量則有明顯衰退之趨勢。
為遏止通貨膨脹惡化以及應對全球氣候變遷問題，美國總統拜登（Joe Biden）於2022年8月16日簽署通過4,370億美元支出的《降低通膨法案》（The Inflation Reduction Act），約3,690億美元將用於減少二氧化碳的排放以及實現綠色環保的目標。 法案著重在潔淨能源（CLEAN ENERGY）、醫療保健（HEALTH CARE）以及稅制改革（TAXES）三大面向。其中，關於潔淨能源（CLEAN ENERGY）部分，根據該法案，美國政府將提供優惠政策，鼓勵美國家戶節約能源以及推動潔淨能源經濟產業的發展。 將提供補貼給購買電動汽車、節能家電以及安裝住宅太陽能發電系統的家戶，以提倡綠色環保。符合條件的家庭或個人，購買二手電動汽車將可獲得4,000美元的稅收抵免，若是購買新的電動汽車甚至可獲得高達7,500美元的減稅額度。不過必須留意的是，由於法案要求受惠條件必須包含電動汽車的零件是在美國製造組裝，車輛電池關鍵材料來源以及車輛售價也都有嚴格特定要求，因此並非所有的電動汽車都符合7,500美元的稅務補貼資格。又，購買節能家電的家庭，可獲得1萬4000美元的消費折抵。至於安裝住宅太陽能發電系統的家庭則可享30%的減稅額度。綜上，預估每年可替利用潔淨能源的家庭節省500至1,000美元的能源支出。 法案同時推動潔淨能源經濟產業的發展，預測至2030年之前，將增設9.5億塊太陽能板、12萬台風力發電機以及2300家電池儲能廠。此外，超過600億美元的投資，將為國內潔淨能源產業創造數百萬個就業機會。 透過《降低通膨法案》，將可望降低通貨膨脹、減少碳排放以及空氣污染，確保美國人民可以在符合最高標準的零排放建築中生活與工作，從而提升生活品質並兼顧環境永續發展。
德國聯網車輛駕駛策略德國聯邦政府目標擬定於2020年實現高度自動化駕駛，為達成自動駕駛目標，車聯網（Connected driving）及智慧交通系統（Intelligent transport systems）技術成為必要發展工作項目。車聯網即透過無線通訊技術，使車輛間（Vehicle-to-Vehicle, V2V）或車輛對基礎設施 （Vehicle-to-Infrastructure, V2I）等彼此交換訊息，或是將行車資訊傳輸到伺服器，並透過資訊網路平臺將資料整合利用，並依不同功能需求進行有效監控管理和提供綜合服務。未來，可預見道路使用者的個別交通資訊的質與量將大幅提升，無論是部份自動駕駛或高度自動駕駛，將產生龐大資料量，故系統需要即時迅速的運算能力。例如，前方一旦發生車禍事故，必須通知後方自動模式駕駛車輛即時減緩速度，並適時轉由駕駛人員介入操控。 自動化及車聯網駕駛發展係為跨領域之問題，聯邦政府即針對五大領域問題：基礎設施、法規、創新研發、聯網化、資訊安全及資料保護，提出一連串作法及措施，確保德國汽車產業能保持領先地位。 我國資通訊及汽車零件產業具備技術相對優勢，然應就適合我國車聯網之實際需求發展，促進相關產業創新應用，並利用我國產業優勢與國際接軌，讓台灣在車聯網的發展中取得先機。
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。
歐盟執委會與OECD共同倡議提出中小學教育AI素養框架歐盟執委會與經濟合作發展組織（OECD）共同合作倡議，發佈《為AI時代賦能學習者：小學與中學的AI素養框架》（Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education），旨加強全球教育體系內之AI素養。 該框架將AI素養定義為於AI時代必備之技術知識、技能以及態度。使學習者能夠理解AI系統之運作方式、能批判性地評估其輸出，並以符合倫理及創意之方式使用AI。AI素養分為與AI互動（Engage with AI）、與AI共同創造（Create with AI）、管理AI（Manage AI）以及塑造AI（Shape AI）四大領域。從被動使用AI到主動創造，四個領域間相輔相成，使學生有能力為自己與他人對AI之使用及創造做出正確判斷。而AI素養之建構則包含三大核心能力： 1. 知識（Knowledge）：指理解AI系統之基本概念，包含對系統技術本身之理解、AI反映人類選擇及角度、AI之能力限制以及其社會角色。 2. 技能（Skills）：指應用AI之基本能力，引導學習者與AI進行負責且有創意之互動。相關技能包含批判性思考、合作、創意、問題解決、計算、溝通、自我及社交認知。 3. 態度（Attitudes）：指學習者不論於熟悉或新興情境使用AI時，皆須採取之心態。包含反思、負責任、好奇、創新、適應力以及同理心。 此外，框架強調AI素養之養成並非單靠教師或教育工作者，需要完整教育系統之共同參與，除教師外，課程設計師及教師培訓提供者、學校及教育系統領導者、教育政策制定者以及家長或監護人皆為學生培養AI素養不可或缺之角色。 整體而言，該框架將AI素養透過循序漸進之四大領域以及三大核心，強調全體教育體系之共同合作，培育具備自主判斷能力及AI素養之學習者。