何謂「標準必要專利」？
標準必要專利（standards-essential patents，SEPs）是國際標準組織所採行的一種專利運用模式，主要係為了使標準共通技術普及之同時平衡專利權人之利益，將技術發展中重要的標準共通技術結合專利保護，同時均要求專利權人須簽署FRAND（Fair，Reasonable and Non-discriminatory）條款，以公平、合理、無歧視之原則收取合理數額之專利授權費供標準化組織成員有償使用。然而，因專利本身即是一種合法壟斷，是以標準必要專利之授權模式可實現利益最大化；但涉及到具高度共通性又難以迴避的技術時，應當避免少數專利權人濫用專利權和市場壟斷。因此，專利權人和被授權人之間，對於收取合理專利授權費之議題，在一直無法取得共識之下，往往訴諸法律解決。從美國聯邦法院涉及標準必要專利侵權之訴訟案例，可看出美國針對標準必要專利目前主要有下列幾種趨勢：(1)合理之專利授權費以該技術佔產品元件之比率計算；(2)標準必要專利之授權費金額逐步降低；(3)專利權人必須先進行授權流程(4)不能直接申請禁制令。
本文為「經濟部產業技術司科技專案成果」
澳大利亞國庫部（Department of the Treasury）於2023年10月11日發布《支付系統管理法》（Payment Systems（Regulation）Act 1998）修正草案，擬擴張法案適用主體，將Apple Pay、Google Pay等數位支付或提供此項支付服務事業納入規範，其目的在於提升企業的開放性及責任，並關注大型科技企業在其中扮演的角色。 本次修正案中，將修改現行支付系統的定義及適用主體，擴大至提供支付服務平臺企業，將被視為金融機構受到拘束，並授權澳大利亞準備銀行（the Reserve Bank of Australia，下稱RBA）監管數位支付平臺。修正草案內容整理如下： 1.重新定義「支付系統」。現行法定義為「透過任何形式或方式促進貨幣流通的系統」，草案則納入非貨幣（non-monetary，如數位貨幣）及提供便利支付服務的支付平臺系統。 2.擴大「參與者」定義。現行法規中參與者僅包含管理、運作支付系統的企業，草案則擴張至與支付價值鏈（payments value chain）具直接或非直接相關連之所有企業。 3.現行規範中，僅RBA在可能涉及使用者財務安全及公共利益（下述）考量時，有指定支付系統的職權，並有權監管該支付系統，包含決定新參與者的加入、訂定制度內參與者應遵守的標準及指引、對相關爭議問題進行仲裁等。修法後國庫部部長（Minister）將擁有相同權力。規範所稱之「公共利益」，指有助提升財務安全、高效率並具有競爭性，且不會導致金融體系風險增加。 4.提高法案中刑事處罰的罰金金額。現行法規授權RBA訂定支付制度之相關標準及指引，若制度內參與者未依標準或指引行事，RBA會提出要求企業為特定行為或不行為之指示，仍未依循可能會科處澳幣5,500元的罰金（約臺幣11萬3千元），修法後將提高至2倍，惟罰金之處罰權最終仍須法院審判決定。 我國針對電子支付產業有電子支付機構管理條例、金融消費者保護法規範，並要求第三方支付服務業者落實洗錢防制法規定，避免淪為洗錢或地下匯兌工具，未來可持續觀察澳大利亞及其他國家對於支付平臺議題之討論及發展趨勢，作為我國評估相應治理措施及手段參考基礎。
日本特許廳持續就專利商標查詢平台（J-PlatPat）進行效能優化國際智慧財產權的檢索、查詢，幫助技術、競爭的情報蒐集，是企業能夠規劃出智財布局的優先前提。日本特許廳為提升「專利商標查詢平台」（J-PlatPat）之功能及查詢便利性，規劃就現有平台機能進行擴充，預計在2019年5月時，全面改版完成。特許廳本次J-PlatPat的改版，主要更新或擴充項目包括：將設計專利及商標於審查、審判階段之文件納入可查詢之範圍，並縮短資料上傳時間，使相關文件於上傳隔日即可查詢；增加商標存續狀態之呈現，並增加已廢止商標之檢索；採用人工智慧進行翻譯，提升翻譯品質等；亦針對關鍵字、搜尋結果排序、圖面之運用、設計專利之圖面呈現方式進行優化。 改版後之專利、商標檢索系統便利性，大幅提升，使用上亦毋需支付任何費用。日本特許廳J-PlatPat（https://www.j-platpat.inpit.go.jp/）是個免費的資源，我國企業、學界的智財實務工作者可善加運用此平台，更有效率地達成技術和競爭情報檢索，在專利、商標的國際性競爭中勝出。
美國國家標準暨技術研究院發布「人工智慧風險管理框架：生成式AI概況」美國國家標準暨技術研究院（National Institute of Standard and Technology, NIST）2024年7月26日發布「人工智慧風險管理框架：生成式AI概況」（Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile），補充2023年1月發布的AI風險管理框架，協助組織識別生成式AI（Generative AI, GAI）可能引發的風險，並提出風險管理行動。GAI特有或加劇的12項主要風險包括： 1.化學、生物、放射性物質或核武器（chemical, biological, radiological and nuclear materials and agents, CBRN）之資訊或能力：GAI可能使惡意行為者更容易取得CBRN相關資訊、知識、材料或技術，以設計、開發、生產、使用CBRN。 2.虛假內容：GAI在回應輸入內容時，常自信地呈現錯誤或虛假內容，包括在同一情境下產出自相矛盾的內容。 3.危險、暴力或仇恨內容：GAI比其他技術能更輕易產生大規模煽動性、激進或威脅性內容，或美化暴力內容。 4.資料隱私：GAI訓練時需要大量資料，包括個人資料，可能產生透明度、個人資料自主權、資料違法目的外利用等風險。 5.環境影響：訓練、維護和運行GAI系統需使用大量能源而影響碳排放。 6.偏見或同質化（homogenization）：GAI可能加劇對個人、群體或社會的偏見或刻板印象，例如要求生成醫生、律師或CEO圖像時，產出女性、少數族群或身障人士的比例較低。 7.人機互動：可能涉及系統與人類互動不良的風險，包括過度依賴GAI系統，或誤認GAI內容品質比其他來源內容品質更佳。 8.資訊完整性：GAI可能無意間擴大傳播虛假、不準確或誤導性內容，從而破壞資訊完整性，降低公眾對真實或有效資訊的信任。 9.資訊安全：可能降低攻擊門檻、更輕易實現自動化攻擊，或幫助發現新的資安風險，擴大可攻擊範圍。 10.智慧財產權：若GAI訓練資料中含有受著作權保護的資料，可能導致侵權，或在未經授權的情況下使用或假冒個人身分、肖像或聲音。 11.淫穢、貶低或虐待性內容：可能導致非法或非自願性的成人私密影像或兒童性虐待素材增加，進而造成隱私、心理、情感，甚至身體上傷害。 12.價值鏈和組件整合（component integration）：購買資料集、訓練模型和軟體庫等第三方零組件時，若零組件未從適當途徑取得或未經妥善審查，可能導致下游使用者資訊不透明或難以問責。 為解決前述12項風險，本報告亦從「治理、映射、量測、管理」四大面向提出約200項行動建議，期能有助組織緩解並降低GAI的潛在危害。