美國司法部與聯邦貿易委員會聯合發布新「垂直合併指引」
美國司法部 （Department of Justice, DOJ）與聯邦貿易委員會（The Federal Trade Commission, FTC）於2020年6月30日發布新的「垂直合併指引（Vertical Merger Guidelines）」，其為美國司法部與聯邦貿易委員會首次針對垂直合併所發布之共同指引，且為自司法部1984年「非水平合併指引（Non-Horizontal Merger Guidelines）」頒布以來，首次針對垂直合併之重大修正，內容旨在概述聯邦反托拉斯主管機關如何評估垂直合併之競爭效應、以及該等合併是否符合美國反托拉斯法。
本指引所適用之合併態樣包括嚴格垂直合併（於相同供應鏈之不同階段的公司或資產之合併）、斜向合併（diagonal mergers）（於競爭供應鏈之間之不同階段的公司或資產之合併）、以及於互補合併（mergers of complements）時所會產生之垂直議題。其描述主管機關用於判斷垂直合併之反競爭與促進競爭效果之分析架構。
於反競爭效果分析之單方效果方面，其提出可能之類型包括封鎖與提高競爭對手成本（Foreclosure and Raising Rivals’ Costs）、影響競爭之敏感資訊的近用（Access to Competitively Sensitive Information）；於反競爭效果分析之共同效果方面，其指出垂直合併可能會透過鼓勵合併後相關市場中各公司間之協調互動（coordinated interaction）來減少競爭並傷害消費者。
於促進競爭效果分析方面，其著重於針對消除雙重邊際化（elimination of double marginalization, EDM）之分析，因垂直合併通常透過EDM使消費者受益，而傾向於可減少對競爭造成損害之風險。主管機關可以獨立依一切可得之證據來量化EDM之效果，其通常會檢驗被併購後可自給自足之效果，相較於若未被併購時需從獨立供應商購買之情況下所可能節省之成本，作為對於EDM效果之驗證。
藉由此指引之發布，可為主管機關對於垂直合併之評估與分析方式提供了透明度，而有助於為企業界、律師界、與執法者提供更多之可預測性。
本文為「經濟部產業技術司科技專案成果」
施雅薰
法律研究員 編譯整理
美國創新戰略（Strategy for American Innovation）係美國經濟委員會（National Economic Council，NEC）及白宮科技政策辦公室（Office of Science and Technology Policy，OSTP）於2009年9月所提出的重要科研指導政策，為美國近年調整科研發展之依據，曾分別於2011年2月及2015年10月配合時事增補最新內容。該政策主要在說明美國政府、國民與企業應如何共同努力進行全面性的創新，強化長期的經濟成長；在此基礎上發展對於美國產業發展具有優先重要性的技術領域。最初提出時內容包括：1.美國創新基石之投資；2.促進以市場為導向的創新；3.以及針對國家需求的優先順位催化重要的科技突破。 白宮在2011年4月進一步提出一些重要的創新促進新機制，包括改革專利制度、重視數位教育以及基礎科學教育的強化、加速發展再生能源、提振美國創業精神（entrepreneurship）等。隨著政策的逐步推行，2015年10月公布之最新版本，內容包括：1.投資創新基石；2.刺激私部門進行創新活動，並研議租稅優惠永久制度化；3.營造一個創新者國家，改善創業環境，協助更多創新者成功創業。並且在政府機關間強調創新，另著重於從私部門的根本改變其活動和行為模式，提升創新層次才能確實將創新成果在產業間創造出來。
愛沙尼亞首創網路市民證吸引外商與新創家進駐位於歐洲東北部全國人口約僅有130萬的愛沙尼亞為了吸引更多外資與新創家前往，除了廣推網路登記公司設立、網路銀行，以及透過網路管理公司營運等改善投資環境相關措施之外，更領先全球推出網路市民證「e-Residency Card」。 隨著科技與網路的快速發展，網路市民證的推出打破了國家與地域疆界的限制，讓即使不住在愛沙尼亞的人士也可利用網路於18分鐘內完成登記設立公司流程。申請愛沙尼亞網路銀行相關服務與帳號、運營公司、進行線上簽章/簽約，甚至完成報稅等，讓外資、新創家大幅簡化公司申請設立程序與進入門檻。 此外，網路市民證也提供新創事業免除營業所得稅，吸引了眾多新創家前往該國創業，並於該項政策施行的前七個月內讓超過4,000名的新創家前往申請。同時，由於愛沙尼亞為歐盟會員國之一，因此也使外資與新創家在愛沙尼亞投資設立公司後，等同於在歐盟境內設立營運據點，成為進入歐盟市場的敲門磚。 正因為網路市民證所獲得的成功迴響，愛沙尼亞政府進而推行網路市民計畫「e-Residency Program」強化此項優惠政策，預計讓網路市民人數增加至數百萬人，活絡愛沙尼亞的經濟產業體系，進而傳播愛沙尼亞文化與知識。
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。
談美國GMO管理規範之修法趨勢－從「全有全無」到「多階分級」許可管理之制度轉換