英國為救受Covid-19影響之小型企業成立簡易辦理之復興貸款計畫
新冠病毒業務中斷貸款計畫（CORONAVIRUS BUSINESS INTERRUPTION LOAN SCHEME，CBILS）係因應疫情於3月23日由隸屬於英國政府之英國商業銀行（British Business Bank為推動中小型企業發展之政策性銀行）所提供八成信用擔保的中小型企業紓困貸款計畫，但承辦銀行授信緩慢或不願承貸，導致成效不彰飽受批評。
英國商業銀行正視小型企業具規模小、缺少抵押物、信用不足、營業資訊不透明及缺乏與銀行間的往來紀錄之特徵，易有不易通過授信徵審，難以獲得融資紓困之問題。業於5月4日另行啟動復興貸款計畫（BOUNCE BACK LOAN SCHEME，BBLS），小型企業只需於受理該計畫之承貸銀行網站填寫1份簡易申請表，輸入公司名稱、地址、公司註冊編號、2019年之預估年營業額與銀行代碼跟帳號，即可申請承貸金額為2,000英鎊以上，最高至企業營業額之25％（上限為50,000英鎊）之六年期之小規模貸款，該貸款提供十成擔保，銀行無需進行授信評估，亦不得要求小型企業進行任何其他形式之個人擔保，BBLS開放至今僅一週，申請件數已高於CBILS。
我國中央銀行之小規模營業人簡易申貸方案以十成信用提供小額貸款，與BBLS相似，惟我國小規模營業人簡易申貸方案採取簡易評分表進行審核，評分表內仍就負責人個人信用及不動產擔保設定進行分數評比，與英國無須進行授信評估頗有差異，雖我國受疫情影響程度未如英國嚴重，但小規模營業人仍受有衝擊，兩國之小額貸款同為十成擔保，我國或可參酌英國授信放寬之作業，提供小規模營業人更寬一點、快一點、方便一點的活水挹注，使小規模營業人度過疫情難關及加速復甦。
隨著加密資產與區塊鏈技術的迅速發展，美國國會眾議院於2025年5月5日提出《數位資產市場結構法案討論稿》（Digital Asset Market Structure Discussion Draft），旨在制定新法並同時修改多部美國聯邦金融法規，以建立數位資產的清晰監管框架，期促進美國數位資產市場創新、投資人保障與維護市場公平，其討論重點如下： 1. 數位資產定義與監管職權劃分：於證券法（Securities Act）與商品交易法（Commodity Exchange Act）新增大量關於數位資產的定義，並明確劃分證券交易委員會（Securities and Exchange Commission, SEC）與商品期貨交易委員會（Commodity Futures Trading Commission, CFTC）的監管界線。 2. 去中心化金融（Decentralized Finance, DeFi）、穩定幣與成熟區塊鏈系統的豁免機制：成熟區塊鏈系統、受核准的支付型穩定幣（Permitted Payment Stablecoins）與特定DeFi活動（如：驗證交易、提供用戶介面等）得排除法令適用，為區塊鏈項目提供更彈性的監管途徑。 3. 市場參與者註冊要求：規定數位商品交易所、經紀商、交易商之市場參與者，應向CFTC註冊之相關要求，遵循包含資本規範、客戶資金隔離、交易監控、報告義務等原則，以提升市場透明度和投資者保護。 4. 數位資產領域研究：要求SEC與CFTC應設立金融創新辦公室（Offices of Financial Innovation） 和創新實驗室（LabCFTC），進行多項關於數位資產領域的研究，包含DeFi、金融市場基礎設施之改善等，以提供監管機構新興技術資訊。
美國加州網路身分冒用法2011年01月正式生效2010年12月，加州參議院通過網路身分冒用法（Criminal “E-personation”，Senate Bill 1411），針對在網路上惡意冒用他人名義的行為態樣處罰，法案提案人加州參議員Joe Simitian表示：「現有的身分冒用法規係1872年所訂，無法規範現代科技所衍生的身分冒用態樣。」所以法院一般認為網路上的冒用屬於身分剽竊的態樣，但此類型通常不涉及金錢的損失，法庭上證明困難，受害者求償不易，因而制定此一法案。 本法針對故意、未經同意在網路或其他電子途徑冒用身分，傷害、恐嚇、威脅、詐欺他人的行為，判定為輕罪（standard misdemeanor），最高可處以1000元美金或一年以下有期徒刑。因此，在社群網站中冒用他人名義，發表不雅言論的行為往後可能會受到處罰。 但「傷害、恐嚇、威脅、詐欺」的行為態樣的認定，可能會造成法院實際執法上的困難，而且可能侵害人民憲法第一增修條文的權利。以The Yes Man組織為例，該組織假冒美國商會（American Chamber of Commerce）在網路上發表支持眾議院通過氣候變遷法案，其主要目的在於遊說美國商會改變其立場，本法尚未通過前，美國商會向加州法院提出訴訟，美國商會曾就訴訟過程表達不滿，認為現行法對於身分被冒用者無所助益，然新法正式施行後，本案如何在不侵犯憲法第一增修條文的情況下，嚇阻真正帶有惡意的身分冒用者，值得進一步觀察。
歐盟智慧財產局發布2022年《中小企業智慧財產記分板》歐盟智慧財產局(EUIPO)於2022年9月28日發布了2022年《中小企業智慧財產記分板(Intellectual Property SME Scoreboard 2022)》。EUIPO從2016年起進行本項調查，希望可以瞭解中小企業的現況，持續強化中小企業的智慧財產權保護。本次調查在2019年調查的基礎上，於2022年3月至5月間，針對歐盟境內8,372間中小企業進行調查。 根據本次的調查，有10%的中小企業擁有註冊的智慧財產權，在這10%的中小企業中，有93%的企業表示註冊智財權對其營運產生正面效益，包含： 1.有60%的企業表示能提高其商譽或形象。 2.有58%的企業表示能強化其智慧財產的保護。 3.有48%的企業表示能促進其長期的商業前景。 其次，在這10%的中小企業中，有45%的企業透過出售、授權或間接利用其註冊的智慧財產權促進企業發展，其中已有超過三分之一（36%）的企業成功獲得經濟收益。 此外，根據調查，企業註冊智慧財產權的主要原因包含： 1.有66%的企業表示有助於防止他人侵害其產品或服務（66%）。 2.有65%的企業表示有助於提升公司的價值和形象（65%）。 3.有63%的企業表示法律狀態穩定性更高（63%）。 再者，企業不願意註冊智慧財產權的理由包含： 1.有35%的企業表示無法預見註冊能帶來的好處。 2.有20%的企業表示其智慧資產(Intellectual Asset)創新性不足。 3.有19%的企業表示不瞭解註冊的相關程序。 最後，在這10%的企業中，有15%的企業表示曾被侵權，導致其營業額和商譽受損；其中以商標侵權的比例最高。在這些曾被侵權的企業中，有89%已採取相關措施捍衛其智慧財產權，包含： 1.有43%的企業與侵權者直接談判。 2.有31%的企業發送侵權通知(takedown notice)。 3.有29%的企業提起訴訟。 中小企業是歐盟經濟的支柱，但根據統計，只有大約30-60%的中小企業存活超過5年；為了提升中小企業的競爭力，歐盟持續推動各項政策鼓勵中小企業採取智慧財產權保護其創新研發，以提升歐盟經濟的整體發展。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
FDA發佈人工智慧/機器學習行動計畫美國食品藥物管理署（U.S. Food & Drug Administration, FDA）在2021年1月12日發布有關人工智慧醫療器材上市管理的「人工智慧/機器學習行動計畫」（Artificial Intelligence/Machine Learning (AI/ML)-Based Software as a Medical Device (SaMD) Action Plan）。該行動計畫的制定背景係FDA認為上市後持續不斷更新演算法的機器學習醫療器材軟體（Software as Medical Device, SaMD），具有極高的診療潛力，將可有效改善醫療品質與病患福祉，因此自2019年以來，FDA嘗試提出新的上市後的監管框架構想，以突破現有醫療器材軟體需要「上市前鎖定演算法、上市後不得任意變更」的監管規定。 2019年4月，FDA發表了「使用人工智慧/機器學習演算法之醫療器材軟體變更之管理架構—討論文件」（Proposed Regulatory Framework for Modifications to Artificial Intelligence/Machine earning (AI/ML)-Based Software as a Medical Device (SaMD) - Discussion Paper and Request for Feedback）。此一諮詢性質的文件當中提出，將來廠商可在上市前審查階段提交「事先訂定之變更控制計畫」（pre-determined change control plan），闡明以下內容：(1)SaMD預先規範（SaMD Pre-Specification, SPS）：包含此產品未來可能的變更類型（如：輸入資料、性能、適應症）、變更範圍；(2)演算法變更程序（Algorithm Change Protocol, ACP）：包含變更對應之處理流程、風險控制措施，以及如何確保軟體變更後之安全及有效性。 根據「人工智慧/機器學習行動計畫」內容所述，「事先訂定之變更控制計畫」構想被多數（包含病患團體在內）的利害關係人肯認，並於相關諮詢會議當中提出完善的細部建言。FDA將根據收到的反饋意見，於2021年以前正式提出有關人工智慧/機器學習上市後監管的指引草案（Draft Guidance），並持續研究提高演算法透明度、避免演算法偏見的方法。