歐盟執委會就中國大陸法院頻發禁訴令情形，循WTO爭端解決機制向中國大陸提出諮商請求
歐盟執委會（European Commission, EC）於2022年2月18日向中國大陸提起諮商請求（request for consultation），此係世界貿易組織（World Trade Organization, WTO）爭端解決機制（Dispute Settlement Mechanism, DSM）之一環，並依照「爭端解決程序與規則瞭解書」（Understanding on Rules and Procedures Governing the Settlement of Disputes, DSU）第4.4條之規定，副知WTO的爭端解決機構（Dispute Settlement Body, DSB）。
EU於此諮商請求中指出，自2020年8月中國大陸最高人民法院就Huawei對 Conversant案此一涉及標準必要專利（Standards-Essential Patents, SEP）之訴訟核發禁訴令（Anti-Suit Injunction, ASI），並裁定違反者將被處以每日100萬人民幣之罰款後，中國大陸各法院即頻以此方式禁止外國專利權人於中國大陸以外之法院提起或續行專利訴訟（例如：Xiaomi對Interdigital案、ZTE對Conversant案、OPPO對Sharp案、Samsung對Ericsson案等）。中國大陸法院此等措施（measures）限制歐盟會員國公司行使專利權，違反「與貿易有關的智慧財產權協定」（The Agreement on Trade-Related Aspects of Intellectual Property Rights, TRIPS）；關於此，EU先前已多次與中國大陸政府交涉，例如曾在2021年7月依據TRIPS第63.3條（會員國法律文件透明化要求），發函請求中國大陸公開專利相關判決之進一步資訊，然均未果。故EU此次提出與中國大陸政府諮商之請求。
EU此諮商請求是DSM的第一步；如雙方未能於中國大陸政府收到諮商請求之60日内解決爭端，依照DSU第4.7條，EU得要求DSB組成一專門小組，就此事進行審理，以認定中國大陸多數法院頻發ASI一事是否違反TRIPS第1.1條、第28.1條、第28.2條及第41.1條、第44.1條及第63.1條等。
本文為「經濟部產業技術司科技專案成果」
韓佳盈
副法律研究員 編譯整理
EU challenges China at the WTO to defend its high-tech sector, European Commission, https://ec.europa.eu/commission/presscorner/detail/en/ip_22_1103 (last visited Mar. 4, 2022).
方玟蓁，〈InterDigital對聯想在英國高等法院提起4G標準專利之侵權訴訟〉，資策會科技法律研究所， https://stli.iii.org.tw/article-detail.aspx?tp=1&i=0&d=8323&no=64 （最後瀏覽日：2022/03/04）。
許祐寧，〈英國最高法院Unwired Planet v Huawei案認定英國法院有權決定FRAND全球專利組合授權條款〉，資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=8577&no=64 （最後瀏覽日：2022/03/04）。
許祐寧，〈美國德州東區地方法院對Ericsson v. Samsung案發布反禁訴令，禁止援引中國法院禁訴令干擾美國法院對SEP管轄權〉，資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=8634&no=64 （最後瀏覽日：2022/03/04）。
科法觀點
日本經濟產業省下之貿易經濟安全保障局，於2024年9月公布「建立強化技術管理之新官民對話框架」文件（技術管理強化のための新たな官民対話スキームの構築について），指出在目前複雜的地緣政治情勢下，企業難以獨自進行技術管理，故須透過強化官民對話，讓雙方可共享現況及問題，俾利政府檢討管理措施。 經產省為強化技術管理，擬修正依《外匯與外國貿易法》（外国為替及び外国貿易法，以下簡稱外為法）授權制定之省令及告示，要求業者於技轉「重要技術」時，須依外為法第55條第8項進行事前報告，以利後續透過官民對話達成共識。經產省強調，上述規定目的不是禁止技術移轉，而是進行適當之技術管理，故原則希望能透過官民對話來解決問題。惟若在雙方對話後，經產省認為有技術外流之虞時，仍會要求業者申請許可。 根據經產省於2024年9月6日公布之省令及告示修正案，以下4大領域10項技術被列為「重要技術」： 1.電子元件：積層陶瓷電容（積層セラミックコンデンサ（MLCC））、SAW和BAW濾波器（SAW及びBAWフィルタ）、電解銅箔、介電質薄膜（誘電体フィルム）、鈦酸鋇粉末（チタン酸バリウム粉体）。 2.纖維：碳纖維（炭素繊維）、碳化矽纖維（炭化ケイ素繊維）。 3.半導體：光阻劑（フォトレジスト）、非鐵金屬材料（非鉄金属ターゲット材）。 4.電子顯微鏡：掃描式電子顯微鏡（走査型電子顕微鏡（SEM））、穿透式電子顯微鏡（透過型電子顕微鏡（TEM））。
何謂英國金融科技創新計畫( Project Innovate )？為了全力打造英國成為「FinTech 全球領導者地位」，及引領FinTech 國際監管規則的大國，英國金融業務監理局（Financial Conduct Authority, FCA）於2014年10月啟動了金融科技創新計畫（Project Innovate），目的就是能夠追蹤進入金融市場的新興商業模式，其中最重要的建立監理沙盒制度（Regulatory Sandbox），旨在提供企業可以在安全空間內對創新產品、服務、商業模式等進行測試，而不會立即招致參與相關活動的所有監管後果。 金融科技創新計畫增設創新中心（Innovation Hub），為創新企業提供與監管對接等各種支持。 金融科技創新計畫通過促進破壞式創新鼓勵挑戰現有的商業模式，而創新中心主要透過政策與金融科技業者交流，了解是否監管政策能夠更好的支持創新。
員工分紅列費用之會計處理 金管會擬自民國97年起適用新修正商業會計法第 64 條規定，商業對業主分配之盈餘，不得作為費用或損失。但具負債性質之特別股，其股利應認列為費用。本條但書即是企業對於員工分紅應與以費用化之法源。配合此一新修正規定，金管會前已邀集業界及產業公會、四大會計師事務所與相關政府單位等，針對員工分紅費用化相關問題共同討論以研擬員工分紅費用化之相關會計處理及配套措施。 金管會及有關單位研討後決定， 在會計處理方面，企業應於期中報表依章程所訂之比率，預估員工分紅及董監酬勞金額入帳。期後董事會決議發放金額有重大變動時，該變動應調整當年度（原認列員工紅利之年度）之費用。至於次年度股東會決議若有變動，則依會計估計變動處理，列為次年度損益。 至於員工分紅配發股數之計算基礎以公平價值評價，上市上櫃公司應以股東會開會前一日之公平市價（考慮除權及除息之影響）計算股票紅利股數；興櫃公司及未上市上櫃之公開發行公司則應以股東會前最近期經會計師查核簽證之財務報告淨值計算股票紅利股數。企業發行員工認股權憑證及買回庫藏股轉讓予員工，應以公平價值法認列為費用。 以上決議將自 民國九十七年一月一日 起的財務報表開始適用。 由於員工分紅費用化，對一向以股票分紅作為獎勵員工的科技產業，可能造成不小的衝擊，因此，金管會也提出「員工認股權憑證制度」及「庫藏股票制度」的配套措施，並將修正「發行人募集與發行有價證券處理準則」與「上市上櫃公司買回本公司股份辦法」。金管會表示，有關本案規劃措施及實施日期，將由經濟部彙整各部會意見，提報行政院，相關措施將配合實施日程發布。
金融穩定委員會報告指出金融領域採用AI之模型、資料品質與治理風險.Pindent{text-indent: 2em;} .Noindent{margin-left: 2em;} .NoPindent{text-indent: 2em; margin-left: 2em;} .No2indent{margin-left: 3em;} .No2Pindent{text-indent: 2em; margin-left: 3em} .No3indent{margin-left: 4em;} .No3Pindent{text-indent: 2em; margin-left: 4em} 金融穩定委員會(Financial Stability Board, FSB)於2024年11月14日發布《人工智慧對金融穩定的影響》報告，探討人工智慧（Artificial Intelligence, AI）在金融領域的應用進展及對全球金融穩定的影響，分析相關風險並提出建議。 報告指出AI具有提升效率、加強法規遵循、提供個人化金融產品及進階資料分析等益處，但同時可能加劇某些金融部門的脆弱性（Vulnerability），進而構成金融穩定風險。報告特別提出之脆弱性包括：「第三方依賴及服務供應商集中化」、「市場相關性」、「資安風險」，以及「模型風險、資料品質和治理」。 在模型風險、資料品質與治理中，廣泛應用AI可能導致模型風險上升，因某些模型難以驗證、監控及修正，且模型的複雜性與透明性不足將增加尋找具獨立性和專業知識的驗證者的挑戰。此外，在大型語言模型（Large Language Model, LLM），大規模非結構化資料的使用及訓練資料來源的不透明性，使資料品質評估更加困難。特別是在預訓練模型（Pre-trained Model）中，金融機構對眾多資料來源的評估方式不熟悉，進一步增加管理難度。 若金融機構未建立健全的治理架構以審查AI的使用及其資料來源，模型風險與資料品質問題將難以控制。金融機構有責任應對與AI相關的模型風險和資料品質挑戰，包含對模型進行驗證、持續監控、執行結果分析和評估資料品質的預期要求。 報告呼籲各國金融主管機關加強對AI發展的監測，評估現行金融政策框架是否充分，並增強監管能力。建議可定期或不定期調查AI應用情形，並透過報告及公開揭露制度獲取相關資訊。此外，主管機關可考慮利用監督科技（SupTech）及監管科技（RegTech）等AI驅動工具強化監管效能，以應對AI在金融領域帶來的挑戰與風險。