美國運動穿戴式裝置製造商之爭：Jawbone與Fitbits的智財爭訟
今年十一月初，美國運動穿戴式裝置製造商Jawbone針對其競爭對手Fitbits所提起之專利侵權控告提出反訴，主張Fitbits濫用專利、涉嫌壟斷市場，違反反托拉斯法。本次Jawbone的反訴讓這場運動穿戴式裝置的智慧財產權之戰更加白熱化。
Jawbone及Fitbits為美國運動穿戴式裝置的兩大領導廠商，雙方在今年展開一連串的智慧財產權爭訟。這場智慧財產大戰開始於今年五月，當Fitbits正準備首次公開發行(IPO)時，Jawbone控告Fitbits挖角Jawbones部分員工，並藉此盜走Jawbone共約18000筆的機密資料。數週之後，Jawbone又控告Fitbits專利侵權，並緊接著向美國國際貿易委員會(United States International Commission)提起禁制令(Injunction)，禁止Fitbits進口侵權產品。Fitbits在九月反擊，控告Jawbone侵害了包含其軟體和使用者介面設計在內的專利。十月，美國法院命令Fitbits五名員工應歸還Jawbone的所有機密資料。在獲得初步的勝利後，Jawbone又以Fitbits違反反托拉斯法為由，針對Fitbits在九月提出的專利侵權訴訟提起反訴，再次對Fitbits予以回擊。
在本次反訴中，Jawbone表示：「Fitbits蓄意濫用專利，目的是為了保持其市場地位。」Jawbone同時否認所有Fitbits的專利侵權指控。Jawbone更額外聲明，Jawbones將繼續跟進之前對Fitbits提起的三項專利侵權訴訟、營業秘密侵害訴訟，以及對ITC提起的禁制令。
相較於手機等其他智慧型裝置，運動穿戴式裝置仍屬於較年輕的市場，因此仍有相當多的發展性。然而，許多大廠相繼進入這個領域，也讓智慧財產權爭議越趨激烈。
陶思妤
法律研究員 編譯整理
Jawbone Files Countersuit Against Fitbit In “Frivolous” Patent Infringement Case, Tech Crunch, November 03, 2015, http://techcrunch.com/2015/11/02/jawbone-files-countersuit-against-fitbit-in-frivolous-patent-infringement-case/ (last visited November 6, 2015)
JawboneFiles Antitrust Claim Against Rivial Fitbit, Wall Street Journal, November 03, 2015, http://www.wsj.com/articles/jawbone-files-antitrust-claim-against-rival-fitbit-1446487369 (last visited November 6, 2015)
Jawbone hits Fitbit with Anititrust Claim in IP Feud, Law 360, November 03, 2015, http://www.law360.com/ip/articles/722266/jawbone-hits-fitbit-with-antitrust-claim-in-ip-feud (last visited November 6, 2015)
為促進綠色轉型並提高對投資人之保護，歐洲銀行監理機關（European Banking Authority, EBA）、歐洲保險與職業年金監理機關（European Insurance and Occupational Pensions Authority, EIOPA）及歐洲證券與市場監理機關（European Securities and Market Authority, ESMA）於2024年6月18日針對永續金融揭露規則（Sustainable Finance Disclosure Regulation），向歐盟執委會（European Commission）發布共同意見。 現行的永續金融揭露規則於2019年制定並於2021年生效，其目的在提高金融產品服務的 ESG 揭露透明度和標準化，透過要求金融市場參與者提供可靠且可比較的 ESG 資料，使投資者能夠做出更明智的投資決策，引導投資人重視環境與永續議題。現行的永續金融揭露規則係以「商品標籤」之方式揭露金融商品資訊，但共同意見中認為此標籤制度並未提供明確標準或門檻，使投資人無法充分了解為何特定商品具有永續性，導致漂綠（greenwashing）及相關投資風險。 因此，本次共同意見向執委會建議，執委會應建立投資人易於理解且具有客觀標準之金融商品類別，解決上述資訊落差疑慮。共同意見建議，金融機構可採用「永續（sustainable）」與「轉型（transition）」兩項金融商品類別。以下簡介共同意見就兩項金融商品類別提供之建議： 一、永續類別 永續類別係指金融商品投資於已達到環境或社會永續門檻之經濟活動或資產。共同意見提及，執委會或可考慮將永續類別再拆分為環境永續類別與社會永續類別；但若拆分兩項類別，可能必須注意目前環境永續與社會永續兩項類別得參考之指標發展程度不一，未來在訂定門檻時如何確認相關指標需進一步討論。 二、轉型類別 轉型類別係指金融商品投資於尚未達到環境或社會永續門檻，但未來將逐步提高其永續性以達到永續類別門檻之經濟活動或資產。共同意見建議，執委會於訂定轉型類別之門檻時，應參考經濟活動分類標準之關鍵績效指標、轉型計畫、商品減碳路徑及減緩主要不利影響之措施等因素。 目前執委會正評估利害關係人意見及永續金融揭露規則實施經驗，作為改善歐盟永續金融制度之依據，因此共同意見亦建議，執委會應先進行消費者調查，再著手後續規則修訂，方能達到制度優化之成果，保障投資人權益及永續發展。
綠色商標之挑戰—歐盟智慧財產權局發布綠色歐盟商標報告2023年7月歐洲創新理事會和中小企業執行機構（European Innovation Council and SMEs Executive Agency , EISMEA）撰文重申綠色商標的重要性與挑戰。隨著環境議題於國際上的重要性日益增加，綠色商標（Green trademarks）成為一個新興議題。許多敏銳的品牌於意識到多數消費者在消費選擇上更注重環保要素時，即開始開發環保相關商品或服務，並透過「綠色」相關之文字、圖像（Images）或標語（Slogans）等進行「綠色商標」布局，向消費者傳達品牌在環保、永續的投入，例如：商品為有機、對地球有益的，或可促進回收利用的等資訊。根據歐盟智慧財產權局（EUIPO）於2023年2月發布最新版之綠色歐盟商標報告（Green EU trade marks–2022 update）的統計資料顯示，綠色商標占總體商標申請的比例穩定上升中，從1996年的4%提升到2021年的12%，可以看出品牌對於綠色商標愈來愈重視。 該報告將綠色產品的商標分別九大類別。其中，能源生產和節能，合計占綠色商標申請的48%以上，污染控制占18%，交通占11%。品牌企業應確保於正確商品或服務類別進行綠色商標布局。除商品或服務註冊類別外，企業於商標註冊前之綠色品牌命名階段，應避免品牌名稱不具商標法要求的識別性，導致被智慧財產局駁回或撤銷商標註冊之風險，例如：以誤導性或純粹描述性（misleading or purely descriptive）的方式使用「生態（Eco）」或「綠色（Green）」等用語（terms）。建議綠色品牌命名應確保避免單純放入該些描述環保特性的用語，而必須考量商標法要求的識別性，能夠使相關消費者能識別綠色商品或服務來源，並得與他人的商品或服務相區別。 綜上所述，隨著近年企業推出綠色品牌、商品或服務，採用環保相關文字或標語作為綠色品牌名稱的情況逐漸增加，這也為商標申請人帶來挑戰。環保意識提升的消費者，對於這些環保相關用語的理解變得更加成熟，品牌商標更容易被認定為單純描述性的用詞（可能符合中華民國商標法第29條第一項不得註冊事由），商標申請人對於品牌商標獨特性的證明上將更加困難。因此，建議品牌擁有者應在商標註冊前之品牌命名階段，更發揮創意、注重商標法「具識別性」之註冊要件，避免品牌命名僅單純向消費者描述環保特色資訊，導致無法取得註冊商標，難以彰顯綠色品牌特色之後果。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
何謂日本「促進整合產官學共同研究的大學概況調查書」？「促進整合產官學共同研究的大學概況調查書（産学官共同研究におけるマッチング促進のための大学ファクトブック）」為日本經濟產業省與文部科學省所共同設置的「促進創新產官學對話會議」議定後向外提出，期待藉此使企業更容易理解大學的產官學合作現狀，進一步實現正式的產官學連攜活動。 該概況調查書的先行版中收集整理了各大學整合產官學連攜的實績等資訊，2018年發布的正式版則統整日本327所大學的情報，擴充並更新了該概況調查書的內容，包含：1.產學連攜相關的聯絡窗口資訊等；2.產官學連攜活動的配套方針與往後期待重點化的事項；3.產學連攜之本部機能的相關情報；4.面向正式共同研究的配套措施，如平均交涉期間、跨領域型共同研究；5.各大學之專精領域及其實例；6.資金、資產及智慧財產相關連的持有使用狀況；7.大學發起的創投事業數及其支援體制；8.混合僱用制度的狀況。
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。