日本「u-Japan政策」簡介
新加坡於今（2026）年5月20日發布《國家人工智慧戰略2.0》（Singapore National AI Strategy 2.0, NAIS2.0）更新版。由於AI發展快速（多模態模型、AI代理），2023年12月發布的NAIS2.0並無法因應變化，於是新加坡在兩年半後就NAIS2.0的內容進行更新，並針對優先事項調整，提出十大「賦能因素」（Enablers）作為滿足新加坡「為公共福祉運用AI」願景的達成手段。十大賦能因素可分為以下三大支柱： 一、活動驅動者（Activity Drivers）：賦能因素包括「產業」、「政府」與「研究」，其定位在於目標設定與需求創造，透過「國家AI任務」確立產、官、研領域的核心課題，並鼓勵全球人才針對相關問題進行研發與創新。 二、人才與社群（People & Communities）：賦能因素包括「人才」、「能力」與「生態系統整合」，其目標在於執行與連結，透過培育AI領域專業的雙語人才，以強化國際合作，提供研發創新所需的專業技術與支持環境。 三、基礎設施與環境（Infrastructure & Environment）：賦能因素包括「算力」、「資料」、「信任環境」以及「思想與行動領導者」，其目的作為AI技術發展的重要基礎，提供AI發展充足的算力、資源及完善的信任治理框架，確保 AI 應用能在安全環境下被大規模部署。 此外，為了十大賦能因素的推動，新加坡於今（2026）年2月成立的「國家人工智慧委員會」（National AI Council, NAIC）將會作為國家級的統籌單位，確保NAIS2.0更新版可以落實與推動。 綜上，NAIS2.0更新版作為AI新興技術的治理調適，透過優先議題的規劃安排，將AI技術問題上升到國家競爭力、技術主權與國家安全層面，並從國家治理、人才培育到基礎設施的全方位調整以建構新加坡的AI戰略藍圖。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://keid.nat.gov.tw/tips/）
污者自付 中國大陸擬徵生態稅中國大陸能源基金會副主席楊富強日前透露，能源基金會、世界自然基金會與國家財政部正在研討開徵「生態稅」。目前，正在為能源對環境的影響成本進行核算，年內相關草案將出爐。 據中國大陸媒體報道，世界自然基金會氣候變化與能源項目負責人甘霖表示，生態稅主要目的就是為了保護生態環境和自然資源，向所有因其生產和消費而造成外部不經濟的納稅人課徵的稅收。 生態稅涉及所有消費化學能源的行業，讓企業去承擔環境成本，實現生態和資源價值的合理補償。目前，生態稅的標準正在研討中，不同的行業對應不同的稅收標準。這個標準與企業的排放有關。根據企業排放量的多少，制定一個限定的比例，再乘以企業的年生產量。也就是說，「企業污染的越多，承擔的環境成本就會越高。」 甘霖指出，目前綠色能源的環境績效還不能完全轉化為經濟效益，綠色能源單位建設投資高及利用率偏低，造成綠色能源價格較高，從而無法與傳統能源競爭，成為影響綠色能源發展的一個瓶頸。現在運用稅收手段，徵收生態稅，就是要使傳統能源價格升高，從而縮小傳統能源與綠色能源之間的差價，推動全社會積極使用綠色能源。
新加坡智財融資計畫介紹新加坡智財融資計畫介紹 科技法律研究所 法律研究員 羅育如 2014年12月23日 壹、前言 新加坡政府於2013年3月份提出IP (Intellectual Property) Hub Master Plan 10年期計畫[1]，目標是成為亞洲智慧產權匯流中心。本文針對其中的智財融資計畫(IP Financing Scheme；IPFS)進行觀察，目的在於了解新加坡政府如何運用政府資源，協助建構智財交易市場。 貳、重點說明 新加坡政府2014年4月18日公布總值為1億新元(約24億新台幣)的智財權融資計畫，以協助新加坡本地的企業通過所持有的智財權獲得銀行的融資。 根據這項計畫，新加坡智財局將委託新加坡三家智財鑑價機構，為那些擁有智財權的企業進行鑑價，而相關企業則可以智財權為抵押，向參與本計畫的三家當地銀行—星展銀行(DBS Bank Ltd)、華僑銀行(Oversea-Chinese Banking Corporation (OCBC) Ltd)和大華銀行(United Overseas Bank (UOB) Ltd)申請企業貸款，用以擴展企業業務。 而新加坡智財局將依據不同企業貸款的申請情況，以計畫經費承擔部分違約風險，對於企業的智財資產融資負擔連帶責任(the Government partially underwrites the value of IP used as collateral)。須強調的是，該項計畫的申請資格需符合兩個標準：1.必須是新加坡企業；2.擔保品必須包含已獲證的專利。其餘具體推動作法，介紹如下： 一、申請流程 智財權融資計畫的申請流程分為三個步驟[2]，首先必須向任選三家融資銀行的其中一家提出初步評估申請。接著則從三家合格之專門鑑價服務公司中，挑選適合的IP鑑價師，針對要作為擔保品的已獲證專利，進行價值評估。最後，該申請企業再將專業鑑價報告以及融資申請書，提交給融資銀行作審查。 二、合格之專業鑑價機構 如欲成為融資銀行可接受之合格智財權鑑價服務公司，必須通過新加坡智財局的評選機制，參加評選的公司必須符合以下四個條件： 1.在專利鑑價領域至少五年經驗。 2.過去曾替營業額500萬新元(約一億兩千萬台幣)的企業進行過智財鑑價。 3.曾經評鑑過至少100萬新元(約2400萬台幣)智財價值的案件。 4.每年的營業額最少為100萬新元(約2400萬台幣)。 目前通過評選之合格鑑價服務公司包括American Appraisal Singapore Pte Ltd(地點在新加坡)、Consor Intellectual Asset Management(地點在美國)以及Deloitte & Touche Financial Advisory Services Pte Ltd(地點在新加坡)。換言之，除上述三家公司外，融資銀行將不接受其他公司提供之智財權鑑價報告。 三、智財鑑價費用補助 新加坡智財局會補助欲申請智財權融資計畫之企業智財鑑價費用，但前提條件是，申請企業必須獲得通過融資審查，並提取100%獲准貸款之後，政府才會補助智財鑑價費用，而補助費用計算方式有三種選擇，政府從中選擇較低金額作為補助費用，包括： 1.50%智財鑑價費用。 2.該項智財價值2%。 3.新幣2.5萬(約60萬台幣)。 參、事件評析 一般而言，銀行不接受智財資產作為企業融資的擔保品，因為智財資產無明確的交易以及流通市場，當企業無法依約償還貸款時，銀行無法買賣智財擔保品，取回資金。 為了解決這個根本性的問題，新加坡政府透過智財融資計畫，直接提供資金挹注，協助銀行承擔智財融資風險，使企業可透過智財資產實質的取得資金，一方面讓企業更加願意投注智財相關費用，因為智財產出除了可用於內部製造與創新之外，還可以成為融資擔保品，協助企業取得資金。另一方面則可活絡智財交易市場，因為雖然政府承擔部份銀行風險，但智財交易市場還是會因為有需求而慢慢浮現。 [1] IP STEERING COMMITTEE, Intellectual Property (IP) Hub Master Plan─Developing Singapore as a Global IP Hub in Asia (2013) http://www.ipos.gov.sg/Portals/0/Press%20Release/IP%20HUB%20MASTER%20PLAN%20REPORT%202%20APR%202013.pdf(最後瀏覽日2014/10/15) [2] Intellectual Property Financing Scheme, ipos.gov, http://www.ipos.gov.sg/IPforYou/IPforBusinesses/IPFinancingScheme.aspx(last visited Oct. 15, 2014).
世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。