歐洲專利局與俄羅斯聯邦智慧財產局已於2月1日起試行啟動專利審查高速公路(PPH)計畫
歐洲專利局（European Patent Office，簡稱EPO）與俄羅斯聯邦知識產權局（Russian Federal Service for Intellectual Property，簡稱ROSPATENT）啟動專利審查高速公路（Patent Prosecution Highway，簡稱PPH）計畫，自今（2017）年2月1日至2020年1月31日起試行三年。專利申請人向EPO或ROSPATENT提出全部或部分相同的技術內容，至少有一個請求項經過其第一申請局（Office of First Filing，簡稱OFF）核准，即可以相關檢索或審查文件提供予第二申請局（Office of Second Filing，簡稱OSF）參考，同時請求此對應的專利申請案加速審查。
事實上，EPO這幾年已展開一系列的專利申請加快審查程序，除了在世界五大專利局（簡稱IP5，包含歐洲以及韓國、中國大陸、美國、日本），亦基於專利合作條約（Patent Cooperation Treaty，簡稱PCT）國際專利申請的架構，已與澳洲、加拿大、哥倫比亞、以色列、墨西哥、新加坡以及俄羅斯等國家進行PPH計畫，另後續也同意與馬來西亞和菲律賓的PPH合作協議（目前尚未啟動），由此可見EPO相當積極促成多國PPH程序以減少雙方專利局重覆審查作業並增進資源的有效利用。
對於專利申請人而言，因應企業全球化經營的思維及國際專利申請佈局策略，考量屬地主義侷限於當地申請才能取得權利保護的情況下，透過各國專利局雙方簽署PPH協議得以較快獲得審查結果。然而，就算相同的技術內容，並不一定保證OSF依循OFF核准其可專利性，建議尚須注意各國專利審查制度的差異性。
【本文同步刊登於TIPS網站(http://www.tips.org.tw)】
- EPO launches Patent Prosecution Highway pilot with Russian patent office, Feb. 8, 2017
- International co-operation agreements signed in Geneva, Oct. 10, 2016
- The EPO at the WIPO General Assemblies, Oct. 11, 2016
- IPO Philippines signs Patent Prosecution Bilateral Agreement with the European Patent Office, Nov. 7, 2016
戴婉菁
法律研究員 編譯整理
EPO launches Patent Prosecution Highway pilot with Russian patent office, Feb. 8, 2017 http://www.epo.org/news-issues/news/2017/20170208.html (Last visited Feb. 09, 2017)
International co-operation agreements signed in Geneva, Oct. 10, 2016 https://www.epo.org/news-issues/news/2016/20161011.html (Last visited Feb. 09, 2017)
The EPO at the WIPO General Assemblies, Oct. 11, 2016 http://blog.epo.org/international-co-operation/epo-wipo-general-assemblies/ (Last visited Feb. 10, 2017)
IPO Philippines signs Patent Prosecution Bilateral Agreement with the European Patent Office, Nov. 7, 2016 http://www.lagolawoffice.com/news.html(Last visited Feb. 10, 2017)
經查，韓國《不正當競爭預防和營業秘密保護法》（下稱UCPA）之修正案於2024年1月國會通過、2月公布，預計將於8月21日生效。旨在加強對於營業秘密侵權行為的法規監管與處罰力度，故本次修訂以營業秘密相關規定之修正為主，以其他修正（如商標、標誌、地理標示誤用、侵權或其他不公平競爭行為）為輔，本文摘要如下： 一、與營業秘密相關 （一）懲罰性賠償之加重：根據第14-2條第6項規定，針對「故意」營業秘密侵權行為，將懲罰性賠償從3倍上修到5倍。 （二）增加營業秘密侵權行為之監管與罰責：新增第9-8條規定，將「任何人在未經正當授權或超越授權範圍的情況下，不得損害、破壞或改變他人的營業秘密」納入規範，如有違反，將透過新增之第18條第3項規定課予最高10年監禁或最高5億韓元的罰款。 （三）加強對於企業（組織犯罪）之管制效力：基於修法前法人與自然人之罰款數額相同、企業的追訴時效短於自然人，造成難以抑止組織犯罪行為，故新增第19條規定，使企業罰款最高可處自然人罰款3倍，並新增第19-2條規定，將對企業的公訴時效延長至10年（與自然人之訴訟時效同）。 （四）新增沒收規定：依據修法前規定，即使透過UCPA提起訴訟，且侵權人承認侵權，但因為缺乏沒收規定（需要另外依據民事訴訟法才能對犯罪所得進行沒收），導致防止二次侵權損害之效果有限，故修法後透過第18-5條之規定納入可沒收特定營業秘密所得之規定。 二、其他修正 以下兩項修正之對象涉及第2條第1項第1款、第3條、第3-2條第1款（主要為商標、標誌、地理標示等誤用、侵權或其他不公平競爭行為），並不包括營業秘密（營業秘密第2條第1項第2款以下）： （一）加強行政機關的職權：根據第8條規定，關於上述違規行為，相較修法前行政機關僅能提出「建議」（無強制力），修法後特別賦予智慧財產局（KIPO）可以「下令糾正」（시정을 명할 수 있다）之權利，即若未有正當理由依命令糾正者可依照第8條、第20條第1項第1、2款規定公布違反行為及糾正之建議或命令的內容，並對其進行罰款。 （二）法院查閱行政調查記錄的權力的擴張與限制：根據第14-7條規定賦予法院職權，即在法院在特定訴訟中認為必要時，可以要求相關行政單位向法院提出其依據第7條執行的調查紀錄（包括案件當事人的審問筆錄、速記紀錄及其他證據等），若相關紀錄涉及營業秘密，當事人或其代理人可向法院申請就查閱範圍、閱覽人數等進行限制。 綜上所述，可以發現此次修法除了加強法規的監管、處罰力度，顯示近年重視營業秘密爭議外，更特別修訂針對企業、法人等組織犯罪相關規定（如賠償金額的增加，甚至處罰力度大於自然人、訴訟時效的延長等），間接強調企業、法人等組織對於營業秘密侵權有內部管理與監督之責任，若參照資策會科法所創意智財中心於2023年發布之「營業秘密保護管理規範」對於企業內部管理與監督如何落實之研究，係透過將管理措施歸納成（包括從最高管理階層角色開始的整體規劃建議、營業秘密範圍確定、營業秘密使用行為管理、員工管理、網路與環境設備管理、外部活動管理，甚至是後端的爭議處理機制，如何監督與改善等）十個單元的PDCA管理循環，旨在提供企業作為機制建立之參考或自我檢視機制完善性的依據，期冀促進企業落實營業秘密管理。 本文同步刊登於TIPS網（https://www.tips.org.tw）
因應人工智慧發展，日本更新人工知能基本計畫因應人工智慧發展，日本更新人工知能基本計畫 資訊工業策進會科技法律研究所 2026年08月17日 2026年7月，日本內閣府發布最新的AI基本計畫[1]（人工知能基本計畫，下稱AI基本計畫），旨在因應代理型AI（AI agent）之崛起，並建立AI之轉型藍圖。 壹、事件摘要 日本AI基本計畫最早係於2025年12月發布，為日本依據人工知能相關技術之研究開發及活用推進法[2]》（人工知能関連技術の研究開発及び活用の推進に関する法律，下稱日本AI法）第18條所定之國家級計畫。該條規定，日本政府應針對該法基本措施，制定促進AI相關技術研究、開發及運用之基本計畫，且該計畫應由日本內閣府之AI戰略總部負責[3]。AI基本計畫以信賴的AI以及日本再起為核心，旨在使日本成為世界上最容易利用及開發AI之國家。為能跟上AI技術發展以及部會間之協調，該計畫預計每年檢視計畫並調整[4]。 2026年6月，距離2025年版本發布僅半年，意識到AI之快速發展，尤其是能夠自訂計畫並實行、驗證及修正之代理型AI崛起，且於國際上各領域應用與管制，日本政府進而著手修訂AI基本計畫，並於7月通過公布。相較於前次基本計畫，2026年之計畫核心概念係從AI使用轉向AI開發，強調中小企業及區域之AI轉型（AIＡＩトランスフォーメーション, AX）。同時明確提出AI主權概念，透過技術及基礎建設之強化，提升生態系之自主性及國際談判能力。 貳、重點說明 2026年之基本計畫基本理念可分為代理型AI、AI轉型以及AI主權三大核心理念。 一、核心理念 （一）強化基礎建設以因應代理型AI 基本計畫中提及，代理型AI為能自主進行計畫、執行、驗證以及修正之AI系統，提升組織運作及決策之效率，而將代理型AI實際應用於社會中，將直接關係到國家的經濟、國防以及技術能力。故加強日本AI產業相關之基礎建設至關重要，包含能夠適應代理型AI之算力資源、電力、制度以及政策，以全面強化日本之AI實戰能力[5]。 （二）釐清日本優勢實施AI轉型 為解決日本少子化、高齡化及產業人手短缺之問題，基本計畫強調應積極推動AI轉型（AI Transformation, AX），利用AI解決社會結構性問題，並推動AI之應用。日本之AI轉型重點在於運用其既有之優勢，著重用於產業及行政現場之領域專用型「垂直AI」（バーティカルＡＩ），以及能於現實空間中創造價值之「實體AI」（フィジカルＡＩ）。透過垂直AI蒐集與整合各領域現場之高品質資料，結合實體AI之機器人與自動化設備，將以代理型AI為首之先進AI技術，深入整合進日本製造、服務及基礎設施等產業，解決日本之社會結構性問題，創造日本獨有之價值[6]。 （三）建立AI主權，推動敏捷治理及AI協作社會 2026之AI基本計畫提出了AI主權之概念，強化技術、供應鏈及基礎建設，提高日本於AI之自主性以及談判能力，避免過度依賴特定國家或企業，建立日本之AI生態系，防止供應鏈及資料外洩風險。在敏捷治理上，面對AI既有及代理型AI所帶來之新型態風險，日本政府將積極推動「負責任之敏捷治理」。除相關法規制度之推進，亦須提升組織管理應對能力，促進創新之同時並能確保各項權益之保障[7]。 二、具體政策措施 依據前述核心理念，AI基本計畫提出政府應採取之具體措施，建立推動社會AI轉型之體制，檢視跨部會之制度及運作。 （一）打造運用AI之社會[8] 推動AI於社會中之運用，包含中小企業、地方區域以及各年齡層之國民都能於日常生活中使用AI。為能強化產業競爭力，推動於醫療、福利、農業、社會建設等公共領域使用代理型AI，透過AI之使用解決特定領域內之社會問題（如地方區域人口減少、社會基礎設施維護費用增加等）。而為能有效推動全民AI，基本計畫強調應由政府開始做起，中央政府內部之AI「源內」（げんない）將擴大應用於地方政府，推動以AI重新建構行政服務之行政AI轉型。同時配合合規採購規範之調整，確保AI之信任及透明度。 （二）強化AI基礎建設及開發戰力[9] 因應代理型AI對算力、資料及供電穩定之高度要求，日本將「AI部署能力」定義為家基礎設施，進一步建立包含資料中心、雲端、算力等資源甚至物理空間之完整AI生態系，以落實可信任AI之政策。在戰略上，確立開放之AI主權，採取多模型調度機制，以避免過度依賴特定外國企業；同時活用日本國內具有優勢之算力供應鏈以及特定場域之現場資料，積極引進國內外優秀人才，提升訓練及開發能力。政府亦將運用經濟政策及研發/設備投資租稅優惠，吸引民間資金投入基礎建設，最終開發出能解決日本自身社會問題（如人口老化、人力短缺）之AI，並將其化為能解決世界問題之工具，以強化日本之戰略不可替代性。 （三）AI風險管理及人才培育 面對AI使用導致之風險以及代理型AI引入後產生之技術、社會及網路自律攻擊等更為複雜之風險，日本政府推動敏捷治理，整合制度檢討、技術評估以及組織管理，同時強化AI安全研究所（AISI）對包含代理型AI及高性能AI（如國家安全相關）之安全評估，推動如Project YATA-Shield等強化網路安全及評估之機制。日本政府亦積極推動國際合作，並與理念相近之全球南方合作，承襲「廣島AI進程」，主導國際規則之標準制定，成為全球可信賴AI之創新核心[10]。 在日本轉型及實務層面，將推動跨領域之AI轉型，透過產官學界共同培養適當之AI人才。此外，雖鼓勵AI之使用，AI基本計畫仍強調須以人類負有最終決策責任之「人類力」為核心，防止過度依賴AI之社會以及注意AI可能產生之偏見；尤其應關注青少年自身能力之養成及其身心健康，以建構安全並可信賴之AI社會[11]。 參、事件評析 從日本2026年之AI基本計畫可看出，面對AI技術之進展以及日本社會少子化、高齡化等社會結構性問題，日本政府透過釐清日本既有之產業及技術優勢，將AI定位為能解決社會問題之工具，同時透過基礎建設強化建構AI主權。在因應人口老年化方面，日本政府結合垂直AI與實體AI，將AI導入醫療照護、物流自動化、農業及公共行政等各領域，使AI作為社會基礎並實際運用，成為協助社會問題解決之工具。而就整體戰略布局而言，則是強調國家AI主權之建構，包含強化其國家內部算力、資料及供電之基礎建設，以提升日本之自主及談判能力，並防止對他國企業之依賴，建立日本之AI生態系。於風險治理方面則是透過敏捷治理、安全評估機制以及Project YATA-Shield[12]之實施，防範代理型AI所帶來之新興網路安全風險及自律攻擊；亦延續廣島AI進程之國際合作精神，強化與全球南方國家之連結，希冀能持續主導國際AI規則之制定，提升日本之國際競爭力以及戰略不可或缺性。 日本AI計畫之修正，透過社會轉型之核心概念，將技術創新、產業應用及國際規則主導結合，建構其本土AI主權及生態系，同時仍強調人類角色於AI應用之重要性。我國同樣面臨產業轉型以及人口高齡化之社會結構，或可考慮參考日本之政策轉型，強化我國於全球AI供應鏈之較有優勢之部分，搭配推動產業AI轉型，減緩勞動力不足挑戰。而在AI基本計畫擬定層面，我國行政院依據《人工智慧基本法》第6條成立人工智慧戰略特別委員會，並制定《國家人工智慧發展綱領》[13]，推動及協調全國性之AI事務。現行《國家人工智慧發展綱領》草案中，同樣重視AI主權及相關基礎建設；於產業推動面則是規畫優先將AI導入教育、醫療、金融及司法等公共與專業服務。在AI計畫之檢視及調整上，我國《人工智慧基本法》第6條要求須每年召開會議，並審議《國家人工智慧發展綱領》，與日本AI計畫每年檢視及調整之規劃相似，皆能藉此確保整體戰略與AI技術發展之一致性。惟《國家人工智慧發展綱領》現仍尚未正式公布，未來於執行上之具體發展仍有待後續觀察。 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/） [1]人工知能基本計画 ～日本ＡＸ、より強く、より豊かに～，令和８年７月14日，https://www8.cao.go.jp/cstp/ai/ai_plan/aiplan_20260714.pdf (最後瀏覽日: 2026/07/24)。 [2]人工知能関連技術の研究開発及び活用の推進に関する法律（令和７年法律第53号）。 [3]同前註，第18條。 [4]前註1，頁2。 [5]同前註1，頁2。 [6]同前註，頁3。 [7]同前註，頁4。 [8]同前註，頁7-8。 [9]同前註，頁10。 [10]同前註，頁14-15。 [11]同前註，頁18。 [12]為日本政府為因應AI導致之網路攻擊而設之應變方案。透過由國家安全局及國家網路指揮辦公室等政府機構之合作，加強因應AI技術之措施，https://japansecuritysummit.org/2026/05/14354/ (最後瀏覽日：2026/7/29)。 [13]，行政院網站，https://www.ey.gov.tw/Page/9277F759E41CCD91/e7954aaa-25ce-4b85-9747-f70d06da9ef5 (最後瀏覽日：2026/08/03)。
美國FDA正式推動TEMPO數位健康醫材試辦計畫美國聯邦醫療保險和補助服務中心（Centers for Medicare & Medicaid Services, CMS）創新中心（CMS Innovation Center, CMMI）於2025年宣布推動「以有效且可規模化的解決方案推進慢性病照護」（Advancing Chronic Care with Effective, Scalable Solutions, ACCESS），透過創新支付與照護模式，促進具實證基礎的數位健康工具應用於慢性病管理。為配合ACCESS所需之數位健康證據建立與監管機制，美國食品及藥物管理局（Food and Drug Administration, FDA）於同年12月公布「科技促成具意義病人結果之數位健康醫材試辦計畫」（Technology-Enabled Meaningful Patient Outcomes for Digital Health Devices Pilot, TEMPO），支持創新數位健康工具及新型照護服務模式的發展。 TEMPO適用於納入ACCESS參與機構照護服務、用以改善病人健康結果的特定數位健康醫材，若產品尚未就該預期用途取得FDA上市許可，製造商可請求FDA針對部分上市前許可、試驗用醫材或其他適用要求行使執法裁量（Enforcement Discretion），FDA將依產品之預期用途、風險程度、使用情境及風險管理措施等因素，個案評估是否行使執法裁量，以及得暫不適用之法規要求及其適用條件。 此外，TEMPO係與CMMI推動之ACCESS照護與支付模式搭配實施，獲准參與之數位健康醫材僅得於ACCESS指定之照護場域及FDA所定條件下使用，而製造商須蒐集、監測及回報真實世界資料，以評估產品安全性、實際表現及病人健康結果。惟FDA行使執法裁量並不代表產品已取得正式上市許可，也不等同於永久豁免相關法規要求，製造商最終仍須依產品分類及預期用途，向FDA提出正式的上市申請。 FDA與CMS期透過TEMPO進一步了解數位健康技術在真實世界照護環境中的實際表現，以及這類技術如何與醫療服務及支付機制結合，以改善慢性病病人的照護品質與健康結果，並作為未來數位健康醫材監管制度及監管決策的重要參考。
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。