共享經濟創新商業模式於歐盟各國發展所遭遇之公平競爭議題
共享經濟（Sharing-economy）為近來很夯的議題，其概念係藉由網路平台分享自有資產、資源、時間及技能及其他有用的事物，透過資源分享能更有效利用或者獲得收入。共享經濟不僅能夠促進經濟成長、鼓勵創業，同時也促進資產有效再利用，許多創新服務成功案例，例如Uber、Lyft、Airbnb等因此產生，然而，這類型之創新商業模式推展至世界其他各國發展時，卻遭遇到法規範的差異，與各國政府監督與管理出發點的不同，對各國政府與創新商業模式皆成為未來的挑戰。
舉例來說，目前Uber公司在法國、西班牙和德國等國禁止其提供服務，由於德國政府認為Uber未事先依法律規定辦理司機與營業車輛登記，故禁止Uber於德國境內服務；而西班牙政府認為Uber公司未取得經營執照，亦禁止其於西班牙提供服務。然而Uber公司認為，上述國家對於公司的發展已產生限制競爭與不公平的對待，進而向歐盟執委會（European Commission）提出申訴。
依歐盟條約（The Treaty on the Functioning of the EU, TFEU）規定，歐盟會員國各該內國法之制定原則上不可抵觸歐盟競爭法（EU competition laws），是以，各該歐盟會員國必須遵守歐盟競爭法訂立至少符合歐盟競爭法的相關規範。因此，若認為歐盟會員國的規範與實務操作有悖於歐盟條約所制定之公平競爭規則時，可向歐盟執委會提出申訴，該委員會如發現確實有違背公平競爭規則時，可要求該歐盟會員國修訂其國家的監管制度。
對此，歐盟、各該會員國之監管部門、市場競爭當局試圖尋找解決問題的平衡點，並在適當的監管與促進創新與競爭的環境下，俾利共享經濟於各國的推動與發展。
- The three regulatory challenges for the sharing economy Feb 20, 2015
- Netherlands to make room in rules to stimulate "sharing economy" Jul 20,2015
- Making Sense of the UK Collaborative Economy Sep2 ,2014
- Clinton's sharing-economy remarks draw reaction in Silicon Valley Jul 13,2015
- FTC Sharing Economy Workshop: Ohlhausen Sets the Stage for Innovation June 9,2015
- The role of competition law in innovation markets Apr 28,2015
為落實推動可謂污染源主要大宗之大型工業設施，積極改善並導入符合綠色環保、效率節能等新興技術或措施，美國環保署（Environmental Protection Agency，EPA）於2010年12月完成「溫室氣體排放量許可方案（Framework for Greenhouse Gas Permitting Programs）」以確保未來國內新設置大型工業設施，其溫室氣體排放量能取得認定，並符合聯邦「清潔空氣法案（Clean Air Act）」許可規範。環保署並將推動各項行動，協助州地方政府調整法令及措施，屆時符合聯邦法規相關要求標準。 依據此方案，自2011年1月起美國境內大型工業設施若有興建或進行重大修改計畫，必須使用能源效率措施、符合效率成本科技來興建，確保能減少溫室氣體排放，並取得符合許可證明，以此模式控制達成美國溫室氣體減量目標。 並且，環保署並同時公佈制訂「特定產業新污染源排放標準（New Source Performance Standards，NSPS）」，而特定產業將包括石化燃料發電廠與煉油廠，兩項目前可謂最大工業污染源；並且所管制的空氣污染源，擴及包括溫室氣體、毒性化學物質，以及六種於「清潔空氣法案（Clean Air Act）」明定指標污染物(Criteria Pollutant)的重大常見空氣污染物。這些NSPS將設立特定產業新工業設施污染物之排放標準限制，並規範控制既有工業設施之空氣污染。美國環保署表示，未來將定期更新這些標準限制，以因應相關科學技術革新。 環保署官員認為，這些推動措施將引領美國企業永續升級，開發更多綠色能源技術，吸引更多投資，並增加整體產業競爭力。然而，環保署這些措施，卻引起美國石油協會(American Petroleum Institute)代表的反彈，並認為環保署這項強制措施是史無前例，亦不符合「清潔空氣法案（Clean Air Act）」立法意旨及規範用意。環保署近來積極推動「溫室氣體排放量許可方案」，以及制訂「特定產業新污染源排放標準」，未來成效如何，及是否得以落實實施，有待後續觀察。
愛沙尼亞首創網路市民證吸引外商與新創家進駐位於歐洲東北部全國人口約僅有130萬的愛沙尼亞為了吸引更多外資與新創家前往，除了廣推網路登記公司設立、網路銀行，以及透過網路管理公司營運等改善投資環境相關措施之外，更領先全球推出網路市民證「e-Residency Card」。 隨著科技與網路的快速發展，網路市民證的推出打破了國家與地域疆界的限制，讓即使不住在愛沙尼亞的人士也可利用網路於18分鐘內完成登記設立公司流程。申請愛沙尼亞網路銀行相關服務與帳號、運營公司、進行線上簽章/簽約，甚至完成報稅等，讓外資、新創家大幅簡化公司申請設立程序與進入門檻。 此外，網路市民證也提供新創事業免除營業所得稅，吸引了眾多新創家前往該國創業，並於該項政策施行的前七個月內讓超過4,000名的新創家前往申請。同時，由於愛沙尼亞為歐盟會員國之一，因此也使外資與新創家在愛沙尼亞投資設立公司後，等同於在歐盟境內設立營運據點，成為進入歐盟市場的敲門磚。 正因為網路市民證所獲得的成功迴響，愛沙尼亞政府進而推行網路市民計畫「e-Residency Program」強化此項優惠政策，預計讓網路市民人數增加至數百萬人，活絡愛沙尼亞的經濟產業體系，進而傳播愛沙尼亞文化與知識。
美國閒置頻譜發展近況為了讓業者間服務不受干擾，政府在規劃頻段時，皆會設置護衛帶(Guard Band)，以維持服務品質。不過，隨著科技的進步，業者彼此干擾程度降低，頻譜的使用也較過去有效率，導致頻段常有閒置的情況。是故，FCC在2008年正式公告開放閒置頻譜(white space)，透過業者無須取得執照，以增加頻譜的活用與增加民眾網路接取。美國在2009年完成無線電視數位化後，亦從700MHZ較低頻段留下成對5*5MHz，期望透過該頻段覆蓋率高特性，增加業者投資偏遠地區，使當地民眾享有網路帶來的便利性。 閒置頻譜的開放利用，雖可增加公益性與頻譜使用性，但亦存有干擾無線麥克風、行動電話與廣播服務等服務之虞。FCC為了兼顧各業者服務品質與頻譜有效運用，透過地理位址功能(geo-location capability)，輔以成立數據資料庫的方式，藉由資訊透明減少頻譜開放後的互相干擾。今年FCC閒置頻譜的發展，3月允許全國可建置TV Band Devices，期以迅速活化頻譜利用；5月公告低功率的電台須登記資訊於數據資料庫，以避免服務受到干擾。6月，FCC宣佈Google通過測試，成為美國第三家數據資料庫業者，增加服務競爭性。部分輿論則是認為Google在擁有地圖與數據資料庫後，將會更致力在偏遠地區使用無需執照頻譜(Unlicensed Spectrum)，此舉無疑是增加Google服務影響力。 政府具有規劃性開放的結果，已直接影響民間投入閒置頻譜的利用。目前，Google與微軟相繼於非經濟地區，建置「閒置頻譜」設備，期以將網路服務滲入美國各角落。西維吉尼亞大學(West Virginia University)宣佈將開發校園與周邊地區的閒置頻譜，已提供鄰近區域免費Wi-Fi服務。除此之外，亦有部分企業透過策略聯盟發展「圖書館Gigabit網路」計畫，期以透過無線電視頻段具備高涵蓋與穿透力之特性，使圖書館與附近地區皆可享受免費無線網路。該聯盟已於五月宣布選擇堪薩斯城(Kansas City)公共圖書館為試點區， 且持續公開徵求自願參與之圖書館。 綜上所敘，在業者服務彼此不受干擾為前提下，閒置頻譜的開放確實可活化使用效率與增加網路接取性。並且，輔以無線電視空白頻段之優勢，可以預見未來Wi-fi無論是網速亦或是穩定度，其品質將更為提升，使無所不在網路落實於社會每個角落。
新加坡網路安全局發布人工智慧系統安全指南，以降低AI系統潛在風險新加坡網路安全局（Cyber Security Agency of Singapore, CSA）於2024年10月15日發布人工智慧系統安全指南（Guidelines on Securing AI Systems），旨在強化AI系統安全，協助組織以安全之方式運用AI，降低潛在風險。 該指南將AI系統生命週期分成五個關鍵階段，分別針對各階段的安全風險，提出相關防範措施： （1）規劃與設計：提高AI安全風險認知能力，進行安全風險評估。 （2）開發：提升訓練資料、模型、應用程式介面與軟體庫之供應安全，確保供應商遵守安全政策與國際標準或進行風險管理；並辨識、追蹤及保護AI相關資產（例如模型、資料、輸入指令），以確保AI開發環境安全。 （3）部署：適用標準安全措施（例如存取控制、日誌記錄），並建立事件管理程序。 （4）運作與維護：持續監控AI系統的輸入和輸出，偵測異常與潛在攻擊，並建立漏洞揭露流程。 （5）壽命終期：應根據相關行業標準或法規，對資料與模型進行適當之處理、銷毀，防止未經授權之存取。 CSA期待該指南發布後，將有助於預防供應鏈攻擊（supply chain attacks）、對抗式機器學習攻擊（Adversarial Machine Learning attacks）等安全風險，確保AI系統的整體安全與穩定運行。