美國專利訴訟趨勢與科技專案研發成果運用之法制研析
本文為「經濟部產業技術司科技專案成果」
面對能源轉型與全球淨零排放目標挑戰，英國於2025年5月15日通過《大英能源法》（Great British Energy Act 2025），法規授權內閣大臣（Secretary of State）指定一間由王室全資持有且依《2006年公司法》（Companies Act 2006）設立之股份有限公司為「大英能源公司」（Great British Energy, GBE）。 根據法規，GBE核心任務包括：推動潔淨能源發展、改善能源效率、降低碳排放、確保能源供應安全，並促進公平供應鏈（包含防止奴役與人口販運），GBE經營模式強調地方參與，須透過具社會效益之專案推動轉型工作。 為支持其營運，法規授權內閣大臣可對GBE提供各種形式的財務援助，包括補助、貸款、擔保、收購股份或資產等。此外，內閣大臣亦有權對GBE發布具拘束力之政策性指示（Directions），並需針對其營運擬定「策略優先事項」（strategic priorities），以成為GBE業務規劃之依據。惟上述優先事項不得涉蘇格蘭、威爾斯或北愛爾蘭議會專屬權限事項，除非經當地部門同意。 為確保公共資源使用之透明性，GBE必須每年向內閣大臣提交財報，內閣大臣再將財報提交國會。同時GBE須每五年接受一次獨立人士（independent person）的績效審查，獨立人士再將績效報告提交國會。法規亦要求GBE應持續檢討其業務對英國永續發展之影響，以確保符合國家長期發展方向。 本法適用於英格蘭、威爾斯、蘇格蘭及北愛爾蘭，並自2025年5月15日正式生效。
歐盟執委會發布2024年的能源聯盟現狀報告，概述歐盟能源政策的進展以及挑戰歐盟執委會於2024年9月11日發布「2024年的能源聯盟現狀報告」（State of the Energy Union Report 2024），說明歐盟近年來在能源政策方面的發展，以及未來需要面對的挑戰。其中三項重點內容及近期後續發展如下： （1） 歐盟減碳和再生能源發展成果顯著 歐盟的溫室氣體排放量從1990年到2022年減少了32.5%，而同期歐盟經濟則增長了約67%；且於再生能源發展方面，風力發電成為歐盟第二大電力來源，僅次於核能。2024年上半年，再生能源占歐盟發電量的50%，超越歐盟所有化石燃料的總發電量。不過，歐盟仍需要加強能源效率措施，以實現到2030年最終能源消耗量減少11.7%的目標。 今（2025）年1月23日，英國智庫Ember報告指出，綜觀2024年，太陽光電已占歐盟發電量的11%，首度超越燃煤發電（10%），自綠色政綱（European Green Deal）頒布以來，風電與光電所增加的發電量，已助歐盟減少近590億歐元的化石燃料進口。 （2） 歐盟已降低對於俄羅斯的能源依賴 歐盟已大幅減少對俄羅斯天然氣的進口依賴，從2021年的45%降至2024年6月的18%，同時增加了從挪威和美國等可靠合作夥伴的進口；並將繼續支持烏克蘭，幫助其穩定電力系統，並通過捐款和資金援助其能源部門。而烏克蘭於今年停止俄羅斯天然氣借道輸送至歐洲後，波羅的海三國：立陶宛、拉脫維亞和愛沙尼亞亦決議脫離俄羅斯電網，連接歐洲大陸電網和能源市場。 （3） 歐盟將持續推動淨零相關政策 歐盟致力在淨零轉型過程中賦予能源消費者權利，通過新的能源市場法規保護消費者，確保其能負擔得起能源之使用，並提供社會氣候基金等支持；而為持續增強能源安全和競爭力，歐盟需要加快淨零技術的發展，加強與工業界的合作，並妥善利用創新基金等工具。而同（2024）年12月歐盟即以創新基金挹注46億歐元，加速綠氫、儲能、熱泵、電動車電池和等技術開發，並與歐洲投資銀行共同宣布以現代化基金投資29.7億歐元，支援會員國的潔淨工業部門；今年1月則在跨歐洲能源基礎設施 （Trans-European Networks for Energy Regulation, TNE-E）的政策架構下，投資跨國能源基礎建設逾12 億歐元，包含海上及智慧電網、氫能及碳封存之基礎設施等計畫。
國際推動綠色科技發展重要法制政策研析 歐洲專利局發布人工智慧與機器學習專利審查指南正式生效歐洲專利局（European Patent Office, 下稱EPO）於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）的可專利性審查細則。 在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項，然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明，例如：神經網路、遺傳演算法、支援向量機（Support Vector Machines, SVM）、K-Means演算法、核迴歸和判別分析，不論它們是否能夠藉由數據加以訓練，此類運算模型和演算法本身，因具有抽象的數學性質而不具專利適格性。 其中，EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形，說明可否具備發明技術特徵： （一）可能具技術性 在心臟監測儀器運用神經網路辨別異常心跳，此種技術為具有技術貢獻。 基於低階特徵（例如：影像邊緣、像素數值）的數位影像、影片、音頻或語言訊號分類，屬於分類演算法的技術應用。 （二）可能不具技術性 根據文字內容進行分類，本身不具技術目的，而僅是語言學的目的（T 1358/09） 對抽象數據或電信網路數據紀錄進行分類，但未說明所產生分類的技術用途，亦被認定本身不具技術目的，即使該分類演算法的數據價值高（例如：穩健性）（T 1784/06）。 在新版審查指南中亦指出，當分類方法用於技術目的，其產生之訓練集（training set）和訓練分類器（training the classifier）的步驟，則能被視為發明的技術特徵。 近年來，人工智慧技術的應用分佈在我們的生活中，無論是自駕車、新藥開發、語音辨識、醫療診斷等，隨著人工智慧和機器學習技術快速發展，新版的審查指南將為此技術訂定可專利性標準，EPO未來要如何評判人工智慧和機器學習相關技術，將可透過申請案之審查結果持續進行關注。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」