從日本政策看我國音樂產業海外拓展之必要性及有效作法
蘇彥彰
法律研究員 編譯整理
模型內記憶化即構成重製--德國慕尼黑地方法院 判決Suno敗訴對AI訓練合理使用之衝擊 資訊工業策進會科技法律研究所 2026年08月24日 前言 生成式人工智慧以受著作權保護之作品為訓練資料，其行為是否構成著作權侵害、又能否主張合理使用或文字與資料探勘之限制，是人工智慧快速應用以後在著作權領域最主要的核心爭議。德國慕尼黑第一地方法院於2026年7月31日就 GEMA 控告 Suno 案作成終局判決[1]，首度就生成式音樂AI的「模型內記憶化」特點給予著作權定性，並明確指出引據主張文字與資料探勘限制之適用界線。 壹、事件摘要 德國慕尼黑第一地方法院（Landgericht München I，LG München I）於2026年7月31日就德國著作權集體管理團體「音樂表演權與機械性重製權協會」（Gesellschaft für musikalische Aufführungs- und mechanische Vervielfältigungsrechte，下稱 GEMA）訴美國 AI 音樂生成器業者（被告即 Suno）案（案號42 O 763/25）作成終局判決，認定被告將受著作權保護之音樂著作「記憶化」（Memorisierung）於其模型中，構成德國著作權法（Urheberrechtsgesetz，UrhG）第16條第1項之重製，並侵害權利人之「公開再現（öffentliche Wiedergabe）」利用權[2](相當於我國著作權法上提供或傳達著作內容，包括使公眾得於其各自選定之時間或地點，以上述方法接收著作內容的公開傳輸)。 本案系爭標的為六首德語經典流行音樂：「Atemlos durch die Nacht」、「Daddy Cool」、「Rasputin」、「Big in Japan」、「Forever Young」，以及「Mambo No. 5」之副歌。原告主張，使用者僅需輸入原曲歌詞、風格或標題等簡單提示，被告之音樂生成器即會輸出與原曲高度近似之音樂[3]。法院判決被告不得以系爭音樂著作訓練模型、於模型中儲存系爭著作、在德國境內提供以系爭著作訓練之模型，以及製作侵害系爭著作之著作物[4]。本判決尚未確定，被告得提起上訴[5]。 貳、重點說明 一、模型內「記憶化」構成重製 法院認為 AI訓練依時間先後區分為三階段：抽取訓練素材並轉入機器可讀格式，即訓練資料之製作；資料之分析及以後設資訊加以增益，即模型之訓練；其後藉提示與輸出對已訓練模型之利用。整體流程依訓練性質可區分為--「僅為轉入數位格式或為分析目的而作之重製」與「留存於模型中之重製」[6]。本件關鍵在於第二階段：系爭音樂著作以可再現之方式含於模型中，其記憶化即構成著作權上相關之重製[7]。 （一）模型記憶化之概念 法院認定系爭音樂著作含於模型中，得作為輸出而被抽取，此即「記憶化」；其係指模型於訓練時，非特定之參數不僅自訓練資料集抽取資訊，且於訓練後所特定化之參數中，可見對訓練資料之完整承接（Übernahme，意指納入其中）[8]。所謂「完整」指承接超出單純資訊（如模式與相關性）之部分，非指承接之數量須完整或精確，而係至少部分地承接其內容[9]。模型自訓練資料習得統計規律，本身不受著作權法非難，然若所承接者已是著作的內容而非關於著作的資訊，性質不再只是「分析」而是「留存」 [10]。而且，被告之模型格外易受影響，特別擅長把與該提示相符之受著作權保護曲目，以極貼近原曲之方式生成為輸出[11]。換言之，使用者毋須指名要哪一首歌，只要在語音節奏上仿寫得夠像，模型即可能把原曲於輸出中再現。 法院指出記憶化判定標準因模型類型而異，有的研究要求原作與輸出內容同一，有的以部分一致為已足；就生成圖像或音訊之模型，訓練時僅抽取經選取之基礎特徵，細節資訊則被有意捨棄，故要求百分之百精確一致並不實際亦非必要。而且，模型因訓練時採「量化」（Quantisierung）而有意捨棄細節資訊，因此難以想像有一訓練資料被百分之百精確相符的記憶化，不過法院指出這些被捨棄的本就是人類感官難以掌握之細節，所以記憶化之認定應兼採「檢視旋律、節奏、和聲、識別度與風格相似值之自動檢核」及「人為評價」[12]。而記憶化的原因來自於模型自含有著作各種變體之訓練資料學習後，特定後設資料（如標題、類型或歌詞）與著作音樂特性（調性、節奏等）間之統計關聯被強化，造成使用者於提示中使用此等後設資料時，AI以所學得之統計機率導出「音樂特性大致相似」之輸出[13]。至於證明方法，法院認為訓練資料為已知時，得逕以訓練資料與輸出之比對認定；訓練資料不明時，則得借助「熵」（Entropy）與「困惑度」（Perplexity）等參數，探究模型再現一輸出之確定性[14]。 （二）記憶化之事實認定 法院以系爭著作為訓練資料一事並無爭執，而且系爭著作可藉「原歌詞、音樂風格及著作標題」之提示，明顯可辨識地再現於所提出之輸出中，認定本件記憶化已得逕以系爭音樂著作與輸出之比對認定[15] 。法院就被告之抗辯，逐一駁斥： 1. 系爭提示為簡單、開放結果之提示，輸出並非藉操控性提示所誘發：雖然被告主張原告以歷時數月、上千次、高度脈絡化之提示故意誘發記憶化，但法院認為原告固曾為3,779次提示，惟其中僅338次涉及系爭六曲；且同一提示之反覆輸入並未將輸出導向特定方向，此有別於「以評價性或暗示性指定改變脈絡」之誘發性提示[16]。 2. 系爭輸出不應歸類為偶然：鑑於所生成音樂之複雜性、長度及其與訓練資料之廣泛相符，已可排除係偶然出現的相似[17]。 3. 原告每曲僅提出一則輸出並無妨害：因為記憶化之存在，與「以不變提示是否生成同一輸出」無關[18]。 4. 無關訓練資料全部存儲可能性：雖然被告主張其模型儲存空間於數學上不足以精確儲存全部訓練資料，但法院認為重要的僅為系爭六曲是否可辨識地被記憶化[19]。 （三）記憶化含攝於著作權法之重製概念 法院就被告聲請鑑定「系爭著作是否於模型中儲存或記憶化」予以駁回，認為「權重與參數之區分於何範圍構成重製」係法律問題、非鑑定所能及[20]。法院基於下述理由認為記憶化已構成著作權法之重製： 1. 重製含「直接或間接」、「暫時或永久」及「以任何方法及任何形式」，不僅為與原件同一原樣之重製，亦包括以變更形式對著作之固著，例如類比著作之數位化、以 MP3 等壓縮檔格式之儲存，或以縮小版本之儲存[21]。 2. 因為記憶化是透過模型特定化參數中之資料，而該等參數本身又具體存於伺服器上，所以系爭著作之著作權重製要件「具體固著」。至於採何等技術固著並非決定性，模型若因訓練所導出之統計資訊而具「生成可辨識地再現該音樂著作之統計上可能詞元序列（Tokenfolgen）」之能力，即為已足[22]。 3. 固著於模型中之著作，得藉音樂生成器、一具螢幕之終端裝置及簡單、開放結果之提示，讓一般使用者以其可及之技術輔助接觸，感知並不困難。而且，重製不以可反覆之再現為前提，故認為被告要求評估的「特定輸出之機率與可反覆性」，頂多涉「是否存有記憶化」之事實問題，而非「法律意義之重製是否存在」[23]。 二、模型內重製不能主張文字與資料探勘 （一）文字與資料探勘之定義與目的拘束 法院認為「文字與資料探勘」（Text and Data Mining，TDM）係指對數位著作之自動化分析，以自其中取得特別是關於模式、趨勢與相關性之資訊[24]。而自動化分析本身並非著作權上相關之行為，蓋著作中所含非創作性之資訊本身不受保護。但因為文字與資料探勘有時須有可能侵及利用權之準備措施而涉及重製，故 TDM 的核心思想在於此等重製僅為其後分析目的而作，不損及著作人之利用利益，故人工智慧訓練為準備訓練語料之重製行為，為 TDM 所涵蓋[25]；惟本案所爭執者，並非此等準備階段之重製，而是訓練後留存於模型內、並得於輸出中再現之重製[26]。 （二）記憶化逾越文字與資料探勘 法院認定系爭著作於模型中之重製並非文字與資料探勘，因為文字與資料探勘旨在抽取單純資訊，將此等資訊轉入模型參數。惟系爭著作之記憶化讓作為訓練資料之音樂著作不僅被分析，而且被承接入模型參數，並損及著作人之利用利益。因此，藉由模型記憶化所生之重製，並非「不觸及利用利益」之第一階段（製作訓練資料），文字與資料探勘限制於此不成立[27]。 （三）不得類推、無合法接觸 法院進一步排除歐盟數位單一市場著作權指令第4條[28]之類推適用，因為該條所規範的是「僅抽取單純資訊、著作本身未被重製」之情形，反之於模型內重製則使著作利用受持續損害；若類推適用，權利人將陷於無保護狀態，明顯有違該指令前言認限制對權利人所生損害僅屬「極微」之考量[29]。因此，法院進一步認為若依技術現狀無從防止訓練資料之記憶化，則以受保護資料訓練模型，即不能適用文字與資料探勘限制[30]。另外，法院亦認為本件被告係破解 Rolling Cipher 保護裝置、以串流側錄（Stream-Ripping）自 YouTube 下載系爭著作；Rolling Cipher 係為阻止下載而設，被告欠缺合法接觸，不能主張德國著作權法第44b條第2項「合法接觸」之規定[31]。 三、模型提供與生成記憶內容構成公開再現的侵害 法院認定藉模型之提供、生成音樂之應用及系爭輸出，造成權利人所享之公開再現權利受侵害[32]。 （一）公開再現之判斷標準與認定 法院指出公開再現之保護範圍，判斷標準在於著作之原創要素於另一標的中可辨識，亦即受保護著作中足以反映著作人人格之創作抉擇，是否可辨識地被承接於被指摘之標的。縱使所涉僅為著作之一小部分，只要該部分本身表達著作人自己之精神創作，即構成侵害[33]。其判斷只須以一般平均音樂聽者之聽覺理解為準[34]。 經比對譜例與聽覺印象，法院認定輸出廣泛承接六曲之旋律、作曲與編曲，各輸出均未與原曲保持充分距離。例如「Big in Japan」創意在於旋律自主歌經前副歌至副歌之三段式遞升，表達蓄積而終告釋放，同時和弦速度加快而傳遞急迫印象；AI輸出重演此整體情況，聽者因而體驗到相同之音樂起伏與情感效果[35]。 （二）被告直接為再現行為並應歸責 法院認為「再現行為」（Handlung der Wiedergabe）應不問技術手段，廣義涵蓋受保護著作之一切傳輸，故認定被告藉模型之提供及生成音樂之應用，經由使用者介面使系爭著作可被存取，模型並儲存於德國境內之邊緣伺服器，故其侵害公開再現之利用權[36]。而且只要有被存取之可能即構成，著作實際是否被存取並非所問[37]。 而且法院認被告應歸類為正犯，蓋其對藉內容輸出所為重製具行為支配（Tatherrschaft）。被告基於訓練決定輸出內容，於再現中扮演核心角色，並決定模型運作方式、訓練資料選取與訓練鋪陳，係自身為公眾開啟著作享用，非僅只是中介角色。且此等內容藉簡單提示即被再現，決定輸出具體內容的不是提示而是被告所運作之模型，被告未將行為支配給予使用者。是以，被告之模型並非僅提供「錄製私人重製所需之器械」，亦不能與不負內容責任之販售平台相比擬[38]。 基於上述理由，法院未採被告主張援引歐盟數位服務法第6條[39]的責任限制，認為該條僅限制「儲存使用者所提供資訊之中介服務」之責任，就服務提供者自身之內容並不適用。本件被告非僅提供技術中立之基礎設施，而係提供模型並製作系爭輸出，其前之提示簡單且未於內容上指定或誘發，故各輸出為被告自身之資訊，就此其扮演主動角色，而非被動中介之外來資訊[40]。 四、合理使用抗辯不成立 針對被告在美國境內之訓練行為，法院依美國著作權法（17 U.S.C.）審酌是否構成合理使用（Fair Use），認為四項因素綜合觀之均不利於被告[41]： （一）利用之目的與性質 本件被告之應用並未生成新音樂著作，而係生成與訓練所用系爭著作實質相似之錄音，音樂著作並未被轉化[42]。被告之利用亦為商業性利用，其重製與原作追求相同的目的[43]。法院並將被告規避 Rolling Cipher、以串流側錄取得訓練資料一節，評價為惡意而顯著不利於被告[44]。 （二）著作之性質 系爭音樂著作為涉著作權核心之創意著作，被告所製作之音樂非僅承接概念，而係承接系爭曲之創意要素，故非如逆向工程般僅為研究功能而重製[45]。 （三）所利用之質量 被告為訓練其模型而對系爭音樂著作為廣泛重製，且未闡明其何以必須依賴此等廣泛重製。法院指出於大量重製之情形，關鍵在於所重製之著作係向公眾提供，抑或僅參與技術上不可見之後端程序；本件與 Google Books 案顯著不同，該案被告並未將重製向公眾提供[46]。 （四）對潛在市場或價值之影響 法院認為訓練所生之輸出構成取代原作之替代物，在「使用者直接消費之娛樂音樂」市場與原作競爭[47]。被告抗辯系爭輸出係在同一提示反覆輸入多次之後才出現，故不足以認定市場影響；而且第四項因素不僅看具體侵害行為之影響，還要看此類利用行為一般而言是否可能對原作市場產生顯著負面效果。本件原告就各曲分別輸入4至176則相同提示始取得系爭輸出，惟被告之音樂生成器於2024年單一月份即錄得220萬名訪客，以此流行程度計，縱使平均每4次或每176次輸入才得到一個與原作實質相似之音樂，累積於市場上之替代效果仍屬顯著[48]。 法院特別強調本件輸入僅含歌詞之提示後生成實質相似輸出，與美國 Bartz、Kadrey 兩案顯著不同，該兩案中訓練資料未實質於輸出中讓使用者可觸及，未因生成實質相似輸出而明顯可看到對市場的影響[49]。權衡一切因素，法院認被告之具體利用不為合理使用所涵蓋，且並非所有模型均記憶化其訓練資料，故於本案件否定合理使用既不妨礙進步或競爭，亦不牴觸模型之發展公益[50]。 參、事件評析 本案立於歐盟資訊社會著作權指令與數位單一市場著作權指令所建構之重製權與文字與資料探勘體系，其「公開再現」與我國由公開播送、公開演出、公開傳輸等權能概念亦並不全等同，而其本身能否維持猶待上訴審檢驗，亦有待後續觀察。但本案的重點在於，把過去類似爭議的爭訟焦點由「訓練是否構成重製」展開為「模型是否留存並於輸出中再現受保護著作」，並進一步加重AI開發與服務提供者被歸責可能性，本文認為可歸納其重點如下： 一、法院未全面否定訓練之資料取用可主張合理使用，但前提須為合法取得 本判決雖判被告不得援引合理使用，惟其論證重心並不在「以受保護著作訓練模型」這件事本身。法院明白表示訓練一個能生成新音樂作品的模型，一般而言確實可能是具轉化性、追求更進一步目的而為合理使用所涵蓋之利用。本案之所以認定不同，是被告之應用並未生成新的音樂作品，而係以系爭輸出生成與訓練所用著作實質相似之錄音，音樂著作因而未受轉化。法院於綜合權衡時亦明言，並非所有模型都會記憶其訓練資料，於本案否定合理使用既不妨礙進步與競爭，也不牴觸公共利益，蓋須取得授權不等於不能訓練。因此，本判決所否定的是「訓練後留存於模型、並得於輸出中再現」，而非概括否定 AI 訓練之資料取得有主張合理使用之餘地。但法院對被告規避 Rolling Cipher、以串流側錄取得訓練資料一節評價為惡意，顯示取得手段是否合法，從目前國際上的司法案例看來，仍是決定是否能主張合理使用的重要環節。 二、能否主張合理使用或文字與資料探勘，取決於一般提示下是否再現實質近似內容 法院認定本案與美國 Bartz、Kadrey 二案顯著不同，關鍵在於本案訓練資料實質地在使用者僅輸入歌詞、未作任何音樂上要求之簡單且結果開放之提示下，即可生成與原曲實質相似之輸出。而文字與資料探勘之審酌，法院並不否認為準備訓練語料所為之第一階段重製落入德國著作權法第44b條範圍，真正逾越限制者是第二階段留存於模型內之記憶化。是以，若訓練所得之模型不會在一般、未經特別設計引導之提示下再現實質近似之內容，主張文字與資料探勘限制或合理使用仍有空間。而且必須注意的是，倘依技術現狀無從防止訓練資料之記憶化，法院認為將受保護資料訓練模型即不為該限制所涵蓋，則「能否防止記憶化」就是AI開發與服務業者重要的技術降險研發重點。 三、AI記憶化的輸出由模型提供者承擔侵權責任 本判決外溢效果最大者為責任歸屬，法院認定AI記憶化的輸出產生的再現行為，是源自於被告以模型與使用者介面，開啟讓公眾對已記憶化著作可存取。就輸出所生之重製，被告因對模型架構、訓練資料選取與訓練設計負責而具行為支配，應歸類為正犯；僅輸入提示觸發生成之使用者，不被視為重製行為人。顯見有關AI責任的認定，法院著重於誰對於結果具有實質主導的控制能力，AI 服務提供者將來可能更難以主張模型只是提供「工具」、由使用者決定產出，也不能主張自己是中立平台而把使用責任歸予使用者。 本案法院判決提出的模型記憶化(留存受保護著作)構成重製的觀點，其重點在於一定程度緩解權利人的內容再現舉證困難，並透過受訓練資料與特徵近似的生成結果判斷記憶化的存在，進一步認定存在重製結果，而且該重製欠缺轉化性、具商業目的、結果對權利人市場造成明顯負面影響。我國對於AI 訓練是否合法的認定，仰賴著作權法第65條合理使用之一般條款判斷，雖須個案、事後之權衡，但從本案法院見解可見，避免AI的記憶與所記憶內容的出現是關鍵點，如技術上可能，業者須溯源在訓練過程採取去記憶化的事前避險措施，以避免成為記憶內容之提供者而須自行承責。 本文著作權屬財團法人資訊工業策進會科技法律研究所所有，如需引用或轉載，請註明出處。 本文同步刊登於TIPS網站（https://www.tips.org.tw） [1]LG München I, Endurteil vom 31.07.2026, Az. 42 O 763/25。 [2]Id., Rn. 239, 262, 317, 375. [3]Id., Rn. 4, 26. [4]Id., Urteilstenor Nr. 1 a) aa), a) bb), b), c). 原告依德國著作權法第19a條公開提供權所為之聲明則遭駁回，法院認一次調取至多需輸入176個相同提示，該調取非於使用者所選定之時間發生；其餘之訴亦經駁回。Rn. 315, 316, 554. [5]Landgericht München I, Pressemitteilung vom 31.07.2026, https://www.justiz.bayern.de/gerichte-und-behoerden/landgericht/muenchen-1/presse/2026/16.php (last visited Aug. 21, 2026). [6]LG München I, supra note 1, Rn. 240. [7]Id., Rn. 241. [8]Id., Rn. 243. [9]Id. [10]Id., Rn. 240, 243, 283, 294. [11]Id., Rn. 244. [12]Id., Rn. 245. [13]Id., Rn. 246. [14]Id., Rn. 247. [15]Id., Rn. 249. [16]Id., Rn. 250-253. [17]Id., Rn. 258. [18]Id., Rn. 259. [19]Id., Rn. 260. [20]Id., Rn. 261. [21]Id., Rn. 263, 264. [22]Id., Rn. 268-270. [23]Id., Rn. 276-279. [24]Id., Rn. 283. [25]Id., Rn. 284, 285. [26]Id., Rn. 289, 293. [27]Id., Rn. 294, 295. [28]Directive (EU) 2019/790 of the European Parliament and of the Council of 17 April 2019 on copyright and related rights in the Digital Single Market and amending Directives 96/9/EC and 2001/29/EC, art. 4, 2019 O.J. (L 130) 92. [29]LG München I, supra note 1, Rn. 299. [30]Id., Rn. 304. [31]Id., Rn. 13, 308, 310. [32]Id., Rn. 317. [33]Id., Rn. 321. [34]Id., Rn. 323. [35]Id., Rn. 197, 349. [36]Id., Rn. 373, 374. [37]Id., Rn. 375, 376. [38]Id., Rn. 399-401. [39]Regulation (EU) 2022/2065 of the European Parliament and of the Council of 19 October 2022 on a Single Market For Digital Services and amending Directive 2000/31/EC (Digital Services Act), art. 6, 2022 O.J. (L 277) 1. [40]LG München I, supra note 1, Rn. 408, 409. [41]Id., Rn. 447-449. [42]Id., Rn. 484-486, 493, 494. [43]Id., Rn. 498-500. [44]Id., Rn. 504-510. [45]Id., Rn. 511, 512. [46]Id., Rn. 514-518. [47]Id., Rn. 519-523. [48]Id., Rn. 27, 492, 527. [49]Id., Rn. 480, 526. [50]Id., Rn. 530, 531.
當員工將個資輸入AI工具：Community Bank事件帶來的法遵警訊2026年5月5日，美國賓州地區銀行 Community Bank 發現一名員工於未獲授權之情形下，將客戶非公開個人資料利用於外部人工智慧應用程式。遭不當利用之資料涵蓋客戶姓名、社會安全號碼及出生日期等高度敏感個人資料。事件發現後，Community Bank 隨即採取資料安全控管措施，並委託外部專家展開調查。 同年5月7日，Community Bank 之母公司 CB Financial Services, Inc. 判定本事件具有重大性，並於同月11日依《1934年證券交易法》（Securities Exchange Act of 1934）向美國證券交易委員會（U.S. Securities and Exchange Commission, SEC）申報 Form 8-K（第1.05條）。值得注意者，CB Financial Services, Inc. 同時聲明本事件預計不致對其財務狀況或日常營運造成重大影響，申報之理由係單純基於所涉非公開資訊之數量與敏感程度。 蓋依 SEC 於2023年發布之《網路安全風險管理、策略、治理及事件揭露規則》，網路安全事件之重大性應依美國證券法下之一般標準判斷，即資訊是否具有「理性投資人在作成投資決策時認為重要之實質可能性」；該規則進一步指出，重大性之判斷不以財務損失為必要條件，應綜合考量量化與質化因素，包括事件對客戶或其他相關人士所造成損害之範圍與性質。 本案引發金融業及上市公司廣泛關注。過去依第1.05條申報之案例幾乎均涉及外部駭客入侵或惡意攻擊，而本案係因內部人員之行為所引發，成為美國史上首件因員工未經授權使用人工智慧工具（即「Shadow AI」，又稱「影子AI」）而觸發第1.05條揭露義務之案例。因此，企業於積極導入人工智慧工具提升營運效率之際，亦應建立明確之人工智慧工具使用政策與內部控管機制，將Shadow AI之風險納入整體資料安全與法遵管理架構，以符合相關法遵義務之要求。
歐洲創新理事會發布2026年EIC技術報告，揭示25項深具發展潛力的新興技術訊號歐洲創新理事會發布2026年EIC技術報告，揭示25項深具發展潛力的新興技術訊號 資訊工業策進會科技法律研究所 2026年05月25日 歐洲創新理事會（European Innovation Council, EIC）於2026年3月30日發布「2026年EIC技術報告」（EIC Tech report 2026，下稱EIC報告），提出25項新興技術訊號（signal），亦因相關技術極具發展潛力，將可能塑造歐洲未來的科技創新、產業和市場。 壹、事件摘要 EIC根據歐盟展望歐洲（Horizon Europe）科技研發架構計畫之申請、補助及專案管理資料，並涵蓋旗下近五年探路器計畫（EIC Pathfinder）、轉型器計畫（EIC Transition）及加速器計畫（EIC Accelerator）等超過13,380 件提案與獲補助案件，透過資料探勘及專家評估進行前瞻技術掃描，歸納出25項深科技新興技術訊號，並強調相關技術目前處於低至中度成熟階段，但已顯現未來發展潛力與創新性。 貳、重點說明 一、EIC報告辨識25項新興技術訊號，並分為三大領域 （一）數位與太空技術（Digital and space technologies） 1. 技術重點 此領域共9項技術，主要涉及先進半導體、安全運算架構、AI系統、量子通訊，以及太空基礎設施，顯示歐盟將數位主權、資訊安全及太空能力視為核心布局方向。 2. 技術簡介 9項技術包含：用於先進記憶體與憶阻裝置的二維材料（2D materials for advanced memory and memristive devices），有助於新型記憶體及神經形態運算技術發展；可量產之工業電磁設備的MXene二維奈米材料製造技術（Scalable MXene manufacturing for industrial electromagnetic applications），可應用於通訊、汽車電子、感測與新世代無線基礎設施；用於建立無須信任節點量子網路的量子中繼站（Quantum repeaters for trusted-node-free quantum networks），可突破量子通訊距離限制，使量子訊息於數百甚至數千公里距離下被安全傳輸；用於分散式及聯邦式學習之AI系統中的零信任架構（Embedded Zero Trust Architectures for distributed and federated AI systems），可強化對AI模型與資料運算的控制能力；應用於新興自我組織及資源效率系統之仿生AI技術（Bio-inspired AI for emerging self-organising and resource-efficient systems），借鏡神經科學、認知科學與演化生物學原理來設計AI系統，使其具備更高適應性、穩健性與資源效率；將自適應代理人用於開放動態環境中之具身AI技術（Embodied AI for adaptive agents in open and dynamic environments），將感知、內部認知、模擬行動能力等緊密結合之AI系統，並於開放環境中持續互動學習，主要用於支撐機器人、AI自主代理、數位孿生，以及其他需連續決策、長時程的智慧系統；用於大規模且可通訊中斷之衛星運作的邊緣運算技術（Edge computing for scalable and loss-tolerant satellite operations），將資料處理分析能力直接部署於衛星或軌道平台上，使其即時篩選、分類與判讀資訊，並支援自主決策，可用於深空任務、地球觀測、太空碎片管理；用於特殊太空環境之石墨烯塗層與複合材料（Graphene-based coatings and composites for performance-critical space systems），將石墨烯整合為薄膜、塗層、填充材料，提升太空機械之強度、阻隔能力及輻射防護效果，並廣泛應用於太空領域；用於軌道基礎設施維護與再利用之先進太空維修機器人技術（Advanced in-space servicing robotics for orbital infrastructure maintenance and reuse），使機器人於太空環境下進行機械操作、檢查、維修、對接等複雜性任務。 （二）清潔和資源效率技術（Clean and resource-efficient technologies） 1. 技術重點 此領域共7項技術，此類重點在於資源回收、水汙染處理與資源再利用、提升能源效率及綠色建築技術等，反映歐盟將淨零轉型與關鍵原物料供應安全一併納入政策目標。 2. 技術簡介 7項技術包含：用於再生金屬回收與生物復育之微生物採礦技術（Microbial biomining for secondary metal recovery and bioremediation），運用微生物與金屬間的交互作用，實現金屬回收，並同時修復重金屬污染之生物技術；用於低耗能海水淡化與水處理之電容去離子技術（Capacitive deionization systems for low-energy water desalination and treatment），新穎、低用電之新型水處理技術，用於海水淡化、工業及都市廢水處理、重金屬或養分去除，以及分散式水資源處理與回收；去除污染物之電化學水處理技術（Electrochemical treatment systems for destruction of persistent contaminants in water），利用電化學反應在水中直接化學轉化或礦化分解全氟及多氟烷基物質（PFASs）、微塑膠及奈米塑膠等高度持久性污染物之水處理技術；用於低溫及中溫廢熱回收之先進熱電發電材料技術（Advanced thermoelectric materials for low- and mid-temperature waste heat recovery），將交通建築系統與回收產業中之低溫及中溫廢熱能，轉為電力的材料技術，可提升能源效率，並降低對外部能源與關鍵材料的依賴；用於固態熱電轉換與感測之熱激發自旋電子材料技術（Spin-caloritronic materials for solid-state heat-to-electricity conversion and sensing），利用熱梯度引發之自旋電流與磁性激發產生電能的材料技術；用於預測材料製造之結合數位孿生之反算設計技術（Inverse design with digital twins for predictive materials manufacturing），運用AI驅動之逆向設計方法，以目標性能反推材料配方與結構，並透過數位孿生模擬真實環境表現，建立快速、可預測且貼近實際應用情境的新材料設計與製造流程；被動冷卻與重力儲能之能源建築技術（Passive cooling and gravity-based storage for energy-active buildings），利用建築表面的先進材料於不耗電情況下降溫，並將多餘再生能源以重力位能方式儲存於建築內，藉以降低建築冷卻用電需求、儲存局部多餘再生能源等。 （三）生物科技與健康技術（Biotechnologies and health） 1. 技術重點 此領域共9項技術，橫跨食品、生物製造、精準醫療、智慧醫療設備及分散式醫療應用，顯見歐盟關注的不只是單一生技或醫療技術突破，而是期望建立從生物研發、生產製造、臨床治療到醫療設備部署的完整體系，藉此強化歐盟下一代健康科技與高價值生技產業的競爭力與自主能力。 2. 技術簡介 9項技術包含：用於原形食物製造之菌絲體混合發酵技術（Mycelium-based hybrid fermentation for whole-food production），結合菌絲體生長與精準發酵，生產接近原型食物型態的新型蛋白食品原料；用於再生農業系統之生物技術多年生作物（Biotech-enabled perennial crops for regenerative agricultural systems）以生物技術改良多年生作物，使其兼具較佳產量與土壤保育效益，支撐再生農業與更永續的糧食生產系統；用於預防與個人化治療之新型微生物體療法（Novel microbiome therapeutics for preventive and personalised health），利用人體微生物群的組成、功能及其代謝產物，來預防、管理及治療疾病的新一代醫療技術；加速藥物與酵素探索之AI驅動蛋白質設計技術（Computational protein design for accelerated drug and enzyme discovery），透過AI預測蛋白質結構與功能，加速藥物與酵素探索，縮短新藥研發時程；可量產之嵌合抗原受體免疫細胞療法之自動化製造技術（Automated manufacturing technologies for scalable CAR immune cell therapies），以自動化、標準化製程提升嵌合抗原受體（Chimeric Antigen Receptor, CAR）免疫細胞療法的穩定量產能力，降低細胞治療製造門檻；可於細胞尺度介入治療之生物混合微型機器人（Biohybrid microrobots for cellular-scale therapeutic interventions），結合生物組件和人工材料的微型機器人，形成可於細胞或微小組織尺度中移動與作用的治療工具，可用於精準遞藥、微創介入與局部治療；整合手術流程之自主機器人系統（Autonomous robotic systems for integrated surgical workflows），將AI、計算機視覺、感測技術及機器人技術，整合進手術流程中，並於無人或少人參與下，執行部分自主或高階輔助手術任務，可提升手術精準度、效率與流程整合；用於神經疾病治療之非侵入式微創腦機介面技術（Noninvasive and minimally invasive brain interfaces for adaptive therapeutic modulation），透過非侵入或低侵入方式讀取與調控腦神經訊號，以實現持續、可調適的治療介入，可用於神經疾病治療與復健；提供分散式臨床場域應用之可攜式超低場磁振造影（Portable and ultra-low field magnetic resonance imaging for distributed clinical uses），使磁振造影（Magnetic Resonance Imaging, MRI）設備朝攜帶式、低磁場化發展，降低設施與操作門檻，利於偏鄉、急診與分散式臨床試驗之醫學影像診斷應用。 參、事件評析 EIC報告辨識出25項新興技術訊號，並將其歸納為數位與太空技術、清潔和資源效率技術，以及生物科技與健康技術三大領域。該報告不僅有助於歐盟及早掌握具發展潛力之新興深科技方向，亦可作為研發政策制定、創新支持措施規劃及投資判斷之重要參考依據。 此外，EIC報告以「技術訊號」作為分析單位，顯示歐盟有意於新興技術尚未成熟前，提前進行辨識、評估與布局，除保障創新競爭力外，亦可避免在未來關鍵技術競爭中受制於人。 就政策意涵而言，EIC報告不僅有助提升歐盟對前瞻科技治理的能力，亦有助於串聯創新支持工具、產業政策與戰略技術平台，進而形塑較為完整的科技治理體系。對我國而言，EIC採取資料探勘與專家判讀並行之新興技術訊號偵測機制，對我國科研成果運用、前瞻技術治理及國家科技政策規劃，均具有相當參考價值。
論ENUM服務推動與應用之法制議題