德國數位經濟2017監測報告及建議
德國經濟與能源部於2017年12月公布數位經濟2017監測報告，就ICT及網路經濟的表現和競爭力統計各產業數位經濟程度，並針對德國數位轉型現況及挑戰進行分析並提出相關建議。
報告資料指出， 在六大創新應用潛力的部分，14%的企業已投入工業4.0改造，集中於機械製造業，數量有逐步上升趨勢；物聯網應用則以服務業居多，特別是知識密集型服務提供者；33%的企業有提供智慧服務，以客戶為導向的企業，例如資通訊業、金融保險業，使用比例更為明顯；19%企業開始利用巨量資料，多集中於大企業或先進產業；11%企業有利用機器人及感測器；人工智慧則尚處於起步階段，而使用者多集中於資通訊產業。就上述資料顯示，推動數位轉型尚待加強。另外，今年監測報告聚焦「數位聯網及合作」議題，結果顯示，約六成的企業與其商業客戶有進行數位聯網，而只有約四成的公司與新創公司有合作，因此尚有許多創新潛力尚未得到充分利用。
國際數位經濟排名第六，落後美國、南韓、英國、日本、芬蘭。在獲得風險資本可能性的表現最佳，整體創新能力也處於相對領先地位，惟電子化政務服務較為落後，有待加強。在關鍵政策需求部分，以寬頻建設促進政策、創建數位化友善法律框架，以及獲取創新基礎的公共知識最受矚目。
本文為「經濟部產業技術司科技專案成果」
美國眾議院外交事務委員會於2022年6月13日在兩黨創新法案(HR4521)會議上，就對外投資機制新提案發表聯合聲明。兩黨達成協議修訂《國家關鍵能力防禦法案》(National Critical Capabilities Defense Act of 2022, NCCDA)，擴大對外投資審查制度。促使美國制定NCCDA對外投資審查立法乃係源於經濟和國家安全考量，美國關注特定技術向中國轉讓以及美國企業可能透過特定投資幫助提升中國能力之風險。因此，雖然NCCDA會給國際投資帶來不確定性，但美國兩黨及兩院內部仍支持實施特定形式的對外投資審查程序，並且與利益相關者就如何制定強而有力且具針對性的對外投資機制進行建設性的討論，目的是確保美國不會將關鍵產業製造能力拱手讓給外國競爭對手。 NCCDA授權成立國家關鍵能力委員會(Committee on National Critical Capabilities)，由美國貿易代表署擔任主席並與供應鏈安全相關聯邦機構成員共同組成，審查特定對外業務交易和活動包括：界定需要境外投資審查的活動範圍、明訂出境審查流程、及關鍵產業項目等。依據NCCDA第11條「國家關鍵能力(National Critical Capabilities)」定義，指對美國至關重要的有形及無形的系統和資產，若此類系統和資產無法開發、失能或遭到破壞，將對國家安全造成破壞性影響。委員會應負責界定涉及「國家關鍵能力」產品、供應鏈和服務；列舉國家關鍵能力產業領域包括：能源、醫療、通訊、國防、運輸、航空航太、機器人、人工智慧、半導體、造船、水等。若美國人和外國實體從事「涵蓋活動」者，必須在展開活動前至少60天以書面形式通知委員會。委員會將會通知審查，若確定所涵蓋的活動對國家關鍵能力構成不可接受的風險，委員會可以實施緩解措施，或建議總統採取特定行動，包括暫停和禁止該活動。美國兩黨期待各方利益相關者能以書面形式參與討論，確保NCCDA法案通過並滿足各方需求，使美國與盟友國的對外投資機制保持一致。
歐盟發布「2021年數位經濟與社會指數」，指出數位轉型持續但不均歐盟執委會於2021年11月12日發布「2021年數位經濟與社會指數」（Digital Economy and Society Index 2021, DESI 2021），指數顯示歐盟各成員國都在持續推動數位轉型，但存在前段國家與後段國家之間的鴻溝仍然巨大，為了達成「歐洲數位十年：2030數位轉型目標」（Europe’s Digital Decade: digital targets for 2030），各成員國間應加強在數位轉型的協力合作。 DESI 2021統計資料取自2020年第一季到第二季之間，因此對於COVID-19疫情肆虐下對歐洲各國數位化的影響，需要等到2022年的指數方能呈現。不過DESI 2021資料顯示，56%的歐盟公民已經具備基本的數位技能，而歐盟資通訊專業人員數量來到840萬人，相較前一年的780萬人有顯著成長，但仍有55%的企業表示推動數位轉型最大的困難在於找不到資通訊人才。 在連線能力方面，歐盟推動「超高容量網路」（very high-capacity network, VHCN）的成果使家戶普及比例來到59%，相較前一年的50%亦有明顯增長，但相較全球高速寬頻網路普及目標仍有相當大的差距；在鄉村VHCN的布建上，則由2019年的22%來到2020年的28%。5G網路方面，完成頻譜分配的國家從16個成長至25個，其中有13個國家已經啟動5G商轉。 在數位科技整合方面，運用雲端技術的公司比例出現顯著成長，由2018年的16%成長至2020年的26%，大型企業持續擴大數位科技應用，包含運用企業資源規劃（Enterprise Resource Planning, ERP）進行電子資訊分享、雲端軟體的使用等。資料顯示數位轉型正在不斷落實與推進，但是要達成2030數位轉型目標仍有相當大的差距，有賴各國的合作與努力。
川普簽署行政命令以促進美國AI領域的發展美國總統川普於2019年2月11日簽署一項行政命令，發布「美國AI倡議」（American AI Initiative），旨在確保美國在AI領域的領導地位，川普並說道：「美國在AI領域的領導地位對於維護美國的經濟和國家安全至關重要」。「美國AI倡議」從五大方面來促進美國在AI領域的領導地位，包括： （一） 投資AI的開發 指示聯邦機構在研發任務及編排預算時，將AI作為優先投資項，確保美國對於AI基礎研發的長遠重視，此外，政府機構並應說明如何將預算用於AI研發開支，以增進對於AI投資的評估。 （二） 數據和資源共享 將聯邦政府中所擁有的統計數據資料、運算模型及運算資源提供給AI研發人員，促進交通和醫療保健等領域的AI發展。 （三） 建立政府標準及監管 白宮科技政策辦公室和美國國家與技術研究院（NIST）制定標準，以提升AI系統的「可靠、穩健、值得信賴、安全、可移轉和具協同性」。透過為不同技術和產業的AI制定使用指南，確保AI的使用安全和適當監管。 （四） 人才培訓 要求各機構為AI進步形成的就業市場變化做好準備，並考慮透過技能培訓課程、獎學金和學徒制度，因應市場人力產生之變化。 （五） 國際參與 與其他國家制定合作策略，協同AI技術的開發，同時確保AI領域之開發符合和不損及美國人的價值觀和利益。 此項倡議雖提及許多面向之發展，但仍然缺少發展細節，亦未提及計畫新資金的投入，因此，許多人對此倡議皆提出質疑。曾協助歐巴馬政府制定AI報告的哈佛大學教授Jason Furman即表示，此「倡議」雖令人鼓舞，但僅是邁出第一步，關鍵的考驗將在於是否能以強而有力的方式確實貫徹執行倡議中的內容，此倡議仍欠缺細節及執行面之部分。
美國醫療保健領域對新興資料儲存系統理論「資料湖泊」(Data Lake)的應用在現今資訊流通快速蓬勃發展的時代，巨量資料(Big Data)帶來效率與生產力等龐大效益已無庸置疑。相較於將資料以「資料倉儲」(Data Warehouse)模式儲存，「資料湖泊」(Data Lake)被廣泛視為巨量資料快速演進的下一步。 美國的醫療保健領域為因應巨量資料發展並提升醫療保健系統的透明度與有責性，美國醫療保險與補助中心(Centers for Medicare & Medicaid Services, CMS)於2013年底建立CMS虛擬研究資料中心(Virtual Research Data Center, VRDC)，讓研究員能夠以安全有效率的方式取得並分析CMS的龐大醫療保健資料。此種資料倉儲模式會對進入的資料預先分類，並整合為特定形式以指導後續分析的方式。缺點在於為讓資料更易於分享，會進行「資料清理」(data cleaning)以檢測及刪除不正確資訊並將其轉換成機器可讀取格式，各資料版本會被強制整合為特別形式，但資料清理和轉換的過程會導致明顯的數據流失，對研究產生不利的限制。有鑑於此，為更有效益的應用巨量資料，Pentaho首席技術官James Dixon提出新的資料儲存理論—資料湖泊(Data Lake)，此概念於2011年7月21日首先被討論於美國《富士比》雜誌中，目前在英美國家公部門和民間企業間已被熱烈討論。 與Data Warehouse最大不同在於Data Lake可包含「未被清理的資料」(unclean data)，保持其最原始的形式。故使用者可取得最原始模式的資料，減少資源上處理數據的必要，讓來自全國各政府機關的資料來源更易於結合。Data Lake主要有四點特性：1.以低成本保存巨量資料(Size and low cost)2.維持資料高度真實性(Fidelity)3.資料易取得(Ease of accessibility)4.資料分析富彈性(Flexible)。儲存超過百萬筆病患資料的加州大學歐文分校醫療中心(UC Irvine Medical Center)即以Hadoop架構為技術建立了一個Data Lake，該中心能以最原始的形式儲存各種不同的紀錄數據直到日後需要被分析之時，可協助維持資料的來源與真實性，並得以不同形式的醫療數據進行分析項目，例如患者再住院可能性的預測分析。 但相對的Data Lake在安全性和檢視權限上也有一定的風險，尤其是醫療保健領域，因為這意味著病患的資料在個資生命週期裡隨時可被取得，因此資訊的取得應被嚴密控制以維持各層級的安全與保障，在建立安全的Data Lake之前，必須審慎考慮誰有資訊檢視權限以及透過什麼媒介取得Data Lake中的資料等問題。