中國大陸國家新聞出版廣電總局重新建構網路服務管理規範
美國專利審查中之所謂「Track One程序」，是指美國在2011年所通過的〈美國發明法〉( Leahy-Smith American Invention Act, AIA)中建立的一套快速審查專利的審查程序。 〈美國發明法〉第11條(h)項中要求，申請人繳交優先審查費用(Prioritized Examination Fee)後，美國專利審查主管機關，美國專利商標局(United States Patent and Trademark Office, USPTO)應提供優先審查服務。因此在Track One程序中，專利申請人僅需要付出4800美元的優先審查費，就可以獲得美國專利商標局的優先審查服務。 在此之前，美國專利商標局也曾經推出過類似的快速審查程序，亦即「加速審查」(Accelerated Examination, AE)程序，但在該加速審查程序中，申請人必須要自行執行對既有技術的檢索，並且提供輔助文件來解釋其請求項在既有技術下之可專利性。而相比之下，申請人在Track One程序中，僅需要負擔4800美金就可以與加速審查程序中相同，在12月內完成審查，且不需要負擔自行檢索技術的義務。也因此在Track One程序推出之後，加速審查程序的申請案件數量也受到影響，日前美國專利商標局即曾經徵詢公眾意見，評估是否仍需保留加速審查之程序。
企業員工分紅改列費用，衝擊高科技產業經濟部、金管會刻正規畫將企業員工分紅改列費用，並預計自九十六年度實施，以與國際會計處理原則接軌，預料將對高科技業將造成相當之衝擊。 國際會計準則都是將分紅列為費用計算，唯獨台灣是用盈餘在分配員工分紅，為與國際會計準則接軌，將分紅列入費用應是未來趨勢，可讓財報更加透明化，新今年 4 月 28 日 立法院修正通過的商業會計法第 64 條規定，公司企業應將員工分配盈餘在財報上改列為費用，以公平市價作為計算基準，並將另採行政命令或解釋令公布入帳方式。 不過員工分紅若以市價列入費用，公司帳上賺的錢就會減少，尤其是高價股、高配股的公司影響尤甚；另一方面，新規定亦可能使這些公司趕採股票選擇權，以或提高底薪、現金分紅等方式來降低衝擊，否則若是獲利都被「員工配股」稀釋光了，財報會非常難看。因此，高科技業者則希望主管機關能放寬買回庫藏股分配員工及員工認股權證規定，以降低衝擊。
日本發布《IoT產品資安符合性評鑑制度建構方針》順應國際IoT產品資安政策趨勢日本經濟產業省於2024年8月23日發布《IoT產品資安符合性評鑑制度建構方針》（IoT製品に対するセキュリティ適合性評価制度構築方針），以順應國際IoT產品資安政策趨勢，因應日益嚴重的資安威脅。 本制度為自願性認證制度，由情報處理推進機構（情報処理推進機構，簡稱IPA）擔任認證機構進行監督。以IoT產品為適用對象，制定共通因應資安威脅之最低標準，再依不同產品特性需求，制定不同符合性評鑑等級，依評鑑結果進行認證，授予認證標章。不同評鑑等級差異如下： 1.等級一：為共通因應資安威脅之最低標準，可由供應商進行自我評鑑，並以評鑑結果檢查清單申請認證標章，IPA僅會針對檢查清單進行形式確認。 2.等級二：係考量產品特性後，以等級一為基礎，制定應加強之標準，與等級一相同係由供應商評鑑，自我聲明符合標準，IPA僅會針對檢查清單進行形式確認。 3.等級三：係以政府機關或關鍵基礎設施業者為主要適用對象，須經過獨立第三方機構評鑑，並以IPA為認證機構進行認證，確保產品值得信賴。 本制度可協助採購者及使用者依資安需求，選用合適的IoT產品，亦有助於日本與國際IoT產品資安符合性評鑑制度進行協作，達成相互承認，減輕IoT產品供應商輸出海外之負擔。
美國情報體系發布「情報體系運用人工智慧倫理架構」美國國家情報體系（United States Intelligence Community）係於1981年依據行政命令第12333號（Executive Order 12333）所建立，其任務為蒐集、分析與提供外國情報與反情報資訊美國國家領導人，服務對象包含美國總統、執法單位以及軍事單位。其於2020年6月提出「情報體系人工智慧倫理架構」（Artificial Intelligence Ethics Framework for the Intelligence Community），為人工智慧系統與訓練資料、測試資料之採購、設計、研發、使用、保護、消費與管理提出指引，並指出人工智慧之利用須遵從以下事項： 一、於經過潛在風險評估後，以適當且符合目的之方法利用； 二、人工智慧之使用應尊重個人權利與自由，且資料取得應合法且符合相關政策與法規之要求； 三、應於利用程序內結合人類判斷與建立問責機制，以因應AI產品之風險並確保其決策之適當性。 四、於不破壞其功能與實用性之前提下，盡可能確認、統計以及降低潛在之歧視問題。 五、AI進行測試時應同時考量其未來利用上可預見之風險。 六、持續維持AI模型之迭代（Iteration）、版本與改動之審查。 七、AI之建立目的、限制與設計之輸出項目，應文件化。 八、盡可能使用可解釋與可理解之方式，讓使用者、審查者與公眾理解為何AI會產出相關決策。 九、持續不定期檢測AI，以確保其符合當初建置之目的。 十、確認AI於產品循環中各階段之負責人，包含其維護相關紀錄之責任。