因應短鏈製造及近岸外包趨勢興起，墨西哥成為全球製造業搶攻美國市場的關鍵布局，在消費性電子、電動車及資通訊產業佔有一席之地的台商，紛紛將設廠目標轉向墨西哥。資誠聯合會計師事務所日前舉辦「墨西哥投資實務研討會」，墨西哥商務暨文化辦事處經貿組組長Francisco Javier Martinez Rodriguez指出，台灣是墨西哥重要的商業夥伴，2023年台灣已成為墨西哥第7大貿易夥伴，雙邊貿易總額超過155億美元。

美墨關係成墨西哥經貿發展重點

墨西哥總統大選甫於2024年6月2日落幕，最終由前首都市長薛恩鮑姆（Claudia Sheinbaum）獲得壓倒性勝利，當選為墨西哥第一位女總統，墨西哥女性在1954年獲得投票權，至今正好滿70年。這位墨西哥新任總統將肩負經貿重任，包括美國–墨西哥–加拿大協定（USMCA）的執行檢視、如何配合美國建立關鍵產業，以及近岸外包產業持續擴大的電力缺口，都將成為薛恩的重大挑戰。

根據薛恩提出的政見，當選後將持續運用美墨加協定協助墨西哥企業發展，並延續現任總統AMLO政策，建設墨西哥東南部（Tehuantepec）工業區，目標是實現3%的經濟成長率。在能源政策方面，薛恩將擴大墨西哥國內煉油廠產能以減少石油進口，並支持對國有電力公司進行改革，給予國家電力委員會在市場中的主導權。此外，薛恩也支持再生能源，並表示將開放私人投資能源領域。薛恩本人為環境科學家出身，未來亦將積極參與國際環境協定。

在處理墨美雙邊關係方面，薛恩主張經濟發展應是管理移民問題的核心，反對任何使墨西哥處於從屬地位的雙邊關係，強調改善墨西哥人的生活品質，以減少移民壓力。在勞工議題方面，薛恩規劃未來執政6年期間，每年調升約11%最低工資、提高勞工退休金額度、在美墨邊境區設立公托，讓勞工安心上班、在墨西哥南部創造安置移民就業的條件[1]。

中美衝突促進外資投入墨西哥

墨西哥首次在2023年超越中國，成為美國主要的進口商品來源國。2023年墨西哥吸引的外國直接投資額為360.58億美元，其中四成來自於美國企業對墨西哥投資[2]，主因是無法預測何時平息的中美對立，而在美國附近設立生產基地的「近岸外包」政策（Nearshoring），逐漸吸引外資企業增加到墨西哥投資。

資誠聯合會計師事務所會計師陳民卿解釋，近岸外包是一種策略，將製造和供應鏈活動重新定位到接近需求來源的國家，不僅能夠利用營運、物流和商業方面的優勢，還能實現地理多樣化以降低風險。近年來，受到疫情影響和美中貿易緊張局勢的推動，近岸外包策略變得越來越重要。

墨西哥靠近美國市場，可以縮短供應鏈，提高交貨速度，減少運輸成本，有助於減少供應鏈中斷風險，加上將製造活動轉移到墨西哥，不僅工資相對較低，同時墨西哥還提供多種稅收優惠和貿易協定，可以降低勞動力和營運成本。此外，墨西哥政府透過製造業、加工廠和出口服務計劃（IMMEX）、庇護服務（Shelter Program）等政策鼓勵外國投資，提供行政便利和稅收減免。

墨西哥經濟部早在30多年前推出IMMEX計劃，旨在促進墨西哥的就業。IMMEX本質上是一種遞延關稅工具，允許公司暫時進口工業過程中使用的中間產品，以製作、改造或修理出口商品，免繳一般進口稅（IGI）和加值稅（IVA），是墨西哥製造業出口的關鍵驅動力。陳民卿指出，公司要獲得IMMEX計劃的資格，必須出口至少50萬美元或10%的產品，並且必須提交有關製造過程或服務操作的詳細資訊。

墨西哥設廠前的重要考量事項

雖然墨西哥的位置、效率和成本節約具備吸引力，但陳民卿仍提醒台商，前往墨西哥設廠前仍需審慎評估幾項重點：

1.法律和稅務的複雜性：IMMEX計劃須考慮墨西哥各主管機關的法律規定、實務操作及稅務規範，例如近期墨西哥稅改對利潤率要求的規範，同時亦須考慮投資架構及交易模式構成的整體稅負影響。

【本文未完，完整內容請見《北美智權報》358期：看全球11大企業如何利用人工智慧加速公司發展】

※如欲轉載本文，請與北美智權報聯絡

對於人工智慧使用者而言，資料管理對於人工智慧專案是否成功扮演著重要角色，因此，企業如何建立出色的數據管理並決定與那些公司合作非常重要。

2024 年第一季度，近 1/3 的公司執行長在財報會議中提及人工智慧，但只有極小部分（占所有財報會議的 1%）討論資料管理的應用。事實上，資料管理對於人工智慧的成功至關重要，調研機構指出，從2023 年到2030 年，整體成長率預計為每年16%，到2030 年底，市場預計將達到5,130 億美元。若進一步觀察，人工智慧模型大幅依賴資料進行訓練和操作，而為了訓練專門設計用於特定業務流程和環境的模型，公司必須評估其資料管理技術堆疊的 7 個關鍵要素。

要素一：資料來源

資料來源包括來自多個儲存庫的多種資料格式，可能包括企業資源規劃 (ERP) 或客戶關係管理(CRM) 等企業系統、來自可程式邏輯控制器 (PLC) 或感測器等裝置的物聯網數據，或其他外部資料（例如社群媒體或政府數據）數據等。資料來源為人工智慧訓練奠定了基礎，因為複雜的人工智慧通常需要來自不同來源的大量資料組合。連接的資料來源越多，人工智慧模型就越強大、越通用。因此，確定需要那些數據、從那裡獲取數據以及如何收集數據是關鍵，例如生成式人工智慧主要處理非結構化數據，即無法完全適合關聯式資料庫的訊息，例如文字或圖像，這些非結構化資料必須被識別、整合並整合到資料儲存系統中，以最大限度來發揮人工智慧的潛力。

要素二：資料擷取

資料擷取主要來源（ERP、CRM、PLC 或外部來源）收集數據，並使用連接器將其統一到儲存系統中，以確保相容性和正確的格式處理，企業必須持續收集各種來源的數據並將其輸入人工智慧演算法，為了確保人工智慧模型發揮作用，避免可能導致資料缺口的連接問題至關重要，連續資料流對於需要即時資料的應用程式尤其重要，延遲可能會導致錯失機會或增加風險。一個例子是，美國非營利組織Apache的 Kafka（分散式事件流平台）等技術可以以高吞吐量和低延遲促進即時資料收集和處理，這使業者能夠數據生成時採取行動，從而提高回應能力和營運效率。例如，線上串流服務Netflix運用Kafka 管理超過 7,000 億個日常事件，確保資料流與即時處理，以維持超過 2.6 億訂閱者的高品質用戶體驗。

要素三：資料儲存

儲存使用技術和架構來保護、組織和儲存資料。有兩個主要組成部分，分別是(1)儲存技術，包括用於資料儲存的硬體（HDD 或 SSD）和軟體（資料庫管理系統 (DBMS)）；(2)資料架構，包括資料倉儲、資料湖或雲，用作資料架構和資料存取的藍圖。資料儲存可確保有效存取所需資料。儲存至關重要，因為它提供了必要的基礎設施來集中組織和管理人工智慧模型所需的大量資料。儲存技術確保資料的快速訪問，直接影響人工智慧應用的效能。此外，隨著人工智慧專案的擴展和發展，可擴展的儲存系統支援不斷增長的資料需求。

資料儲存市場是由資料架構細分市場的成長所推動的，隨著資料量持續成長，多家機構預測，到 2030 年資料架構細分市場的年複合成長率將達到 18%，這顯示出企業資料以產生有價值的見解的重要性日益增加。相較之下，儲存技術同期複合年增長率預計將低於平均 8%；過去十年，硬體儲存成本大幅下降，例如，2016 年，記憶體成本為每 TB 203 美元，此後固態儲存成本已降至每 TB 49.50 美元，預計該趨勢將導致儲存技術細分市場的成長率低於平均值。另外，向量資料庫在產生人工智慧用例中越來越受歡迎，這些資料庫對於索引和搜尋用於相似性搜尋，及模式匹配的高維向量至關重要，該趨勢表示特定人工智慧應用正在轉向新的、先進的資料管理系統。

要素四：資料轉換

資料轉換為將資料細化並重組為適合詳細分析的格式，堆疊的這一部分涉及清理、整合和修改數據，以確保品質以及與分析工具和儲存結構的兼容性，提取數據，將其轉換為標準化格式，並將其加載到目標儲存中，此流程可確保資料乾淨、結構化並可供分析。資料轉換對於人工智慧至關重要，因為它將原始資料轉換為乾淨的結構化格式，使其易於人工智慧訓練和操作，此過程包括檔案格式轉換、資料清理、保護敏感資料（對於生成式人工智慧尤其重要）以及巨集資料以支援查詢，預測人工智慧和產生人工智慧都將需要預處理資料以保持資料品質和有用性。

此外，反向 ETL 對於將 AI 產生的見解整合到業務流程中非常重要。與將資料移至集中式儲存系統（例如集中式資料倉儲、資料湖或雲端）進行分析的傳統 ETL 不同，反向 ETL 從這些系統中提取資料並將其同步回營運應用程式。透過將 AI 產生的見解轉移到 ERP 等系統，反向 ETL 使組織能夠將 AI 結果整合到業務流程中，確保這些見解能夠及時應用以增強業務營運、決策等。

要素五：資料分析

分析將資料轉換為有意義且可操作的資訊，這部分堆疊包括商業智慧工具，將數據轉換為視覺化報告、儀表板和指標，使理解和交流見解變得更加容易。第二是數據科學工具，透過識別傳統方法可能無法立即看到的更深層的模式、趨勢和相關性來增強分析。資料分析對於人工智慧至關重要，它提供開發和完善人工智慧模型所需的工具，業者透過利用資料探勘、統計分析和機器學習等技術，分析有助於發現模式和趨勢，從結構化和非結構化資料中提取洞見。到2030 年，分析細分市場的年複合成長率(CAGR) 為20%，而商業智慧細分市場預計將成長最快，年複合成長率為27%，這些預測強調數據驅動決策的重要性和投資日益增加。

舉例而言，Airbnb利用人工智慧來改進其主人-客人匹配流程，透過使用A/B 測試、圖像辨識和預測建模等技術來增強用戶體驗和增加預訂，公司的模型根據用戶搜尋來預測預訂機率，並且他們的價格提示功能可以為房東提供最佳定價建議，此外，為了解決某些亞洲遊客的高跳出率問題，Airbnb 對網站進行修改，使將轉換率提高10%。

【本文未完，完整內容請見《北美智權報》358期：看全球11大企業如何利用人工智慧加速公司發展】

※如欲轉載本文，請與北美智權報聯絡

人工智慧 (Artificial Intelligence，AI) 已悄悄「入侵」百工百業，現在已經不是選擇要不要的問題，而是要選擇如何面對。每一家企業面對AI浪潮時的抉擇及決策肯定不盡相同，但如果以產業別來看，則肯定可以歸納出相同的因子，若能好好整理分析，定能提供產業中跟隨者具價值的參考資料。CB Insights市場情報平台今年5月發表了「全球11所大企業之AI策略」報告，涵蓋了金融服務及保險、製藥業、企業技術及工業4大範疇，這些產業領頭羊對AI的取向及策略，極具參考價值。

下表為CB Insights「全球11所大企業之AI策略」報告 (下稱《報告》)之產業分類及代表企業，分別是金融服務及保險業：JPMorgan（摩根大通）、VISA、Mastercard、UnitedHealth Group；企業技術：Oracle、Salesforce；工業：Oracle、Salesforce；製藥業：Eli Lilly、Novo Nordisk、Johnson & Johnson；及工業：Toyota、Siemens。現分述如下。

金融服務及保險業

● 摩根大通 (JPMorgan)

《報告》從管理者思維、人才、投資、AI整備度指數、專利等不同面向來觀察摩根大通的AI策略。其實不僅摩根大通，對以下要提到的企業以及全球的企業而言，管理者思維都是重中之重，只要管理者認同，政策從上而下推動總是事半功倍的。

摩根大通執行長Jamie Dimon於2023年摩根大通年報中曾經指出：「雖然我們不知道人工智慧將如何全面改變我們的業務情況或其速度如何，或者從宏觀來看它將如何影響整個社會，但我們完全相信其後果將是非比尋常的，並且可能像某些過去幾百年的主要技術發明：像是印刷技術、蒸汽機、電力、電腦及網際網路等等。」

擁有頂尖的人工智慧人才是大企業的重中之重，因此摩根大通於2023 年 6 月正式賦予其營運委員會聚焦人工智慧 (AI-focused)人才的任務。目前摩根大通已僱用了超過 2,000名人工智慧 / 機器學習的專家和資料科學家。營運委員會是摩根大通的最高領導團隊，負責策略決策和全面管理公司。

此外，自2019年以來，摩根大通在美國申請了250多項人工智慧專利，使其成為銀行界專利活動的領導者。其專利技術內容包括聯邦學習 (federated learning)、合成數據 (synthetic data)、合成數據在金融領域的潛力 (synthetic data’s potential in finance)。

整體而言，摩根大通透過內部研發、智慧財產權和關鍵人工智慧人才招募來打造護城河。據CBInsights 零售銀行人工智慧整備度指數（Retail Bank AI Readiness Index），截至2023年6月28日為止，摩根大通在人工智慧整備度指數中排名第二 (圖1)。

Index

摩根大通的首席財務長Jeremy Barnum於2023年第4季財報中指出，「人工智慧顯然有一些非常重要的機會......首先，技術開發人員本身的生產力顯著提高；同時，我們摩根大通在人工智慧的領域不會追逐外表眩耀、吸引人注意的目標。我們希望以極其嚴格的方式達成人工智慧的目標，它是非常商業化，並且與實際成果密切相關的。因此，當前的重點是確保我們有一個封閉的、精心挑選的高影響力使用案例清單。”

● VISA

人工智慧一直是 Visa技術策略的核心，協助為其全球支付網路提供支援並打擊詐欺。VISA公司透過Visa Ventures以1 億美元基金，進一步投資生成人工智慧，並將其人工智慧驅動的詐欺檢測工具擴展到更廣泛的支付類型。

人工智慧對Visa公司而言，不是新的產品或技術，公司首度營運長Ryan McInerney於2023年4月公佈的財報中強調，VISA在開發和使用預測性人工智慧及深度學習方面有悠久的歷史（超過30年)。現在，隨著生成式人工智慧的興起，Visa這家支付巨頭正處於實驗模式，內部的工程效率和員工生產力成為了焦點。

【本文未完，完整內容請見《北美智權報》358期：看全球11大企業如何利用人工智慧加速公司發展】

※如欲轉載本文，請與北美智權報聯絡

藥事法除了規範藥物、藥商及藥局之管理外，近年又增訂了第四章之一，有關於西藥之專利連結的規定，是醫藥領域中相當重要的法規。然而，市面上之書籍以醫事法規為大宗，著重藥事法規者則較少見。因此，本文將介紹一本剛出版上市的新書《藥事法規實務應用》，該書為少數以藥事法規為主軸之專書。

我國西藥之專利連結制度，使學名藥廠之學名藥是否有侵害專利藥廠之原廠藥疑慮得以提早釐清，是非常重要的制度。此外，對於生技及醫藥領域之專利從業人員而言，西藥之專利連結制度的運作及其相關法規範，更是絕對須知悉的。本文除介紹《藥事法規實務應用》一書外，亦將有關西藥之專利連結的運作及其相關法律規範一併簡介。

《藥事法規實務應用》一書內容簡介

《藥事法規實務應用》(下稱《本書》)一書內容包含藥事法、藥師法、管制藥品管理條例、毒品危害防制條例、藥害救濟法及醫療器材管理法。分述如下：

圖片來源：元照網路書店

● 藥事法

《本書》詳盡介紹有關藥物、藥商、藥局之管理及西藥之專利連結的規定，除使藥商及藥局經營管理者能更知悉所規範之法律外，更藉由深入簡出的內容，讓讀者能了解藥事法。

● 藥師法

《本書》詳盡介紹有關開業或執業藥師所應知悉之規範，有利已開業或執業之藥師或未來計畫開業或執業之藥師明瞭現行法律之各種規定。

● 管制藥品管理條例

《本書》詳盡介紹使用管制藥品、開立管制藥品專用處方箋、調劑管制藥品及簿冊登載等規定，以供相關人員留意，避免違反規定而受罰鍰處分。

● 毒品危害防制條例

《本書》詳盡介紹與毒品相關之各行為及其處罰，期望能藉由《本書》之介紹，減少毒品危害，以維護社會秩序。

● 藥害救濟法

《本書》詳盡介紹與藥害救濟相關之規定，使已生藥害者或未來若有申請需求者，能更了解藥害救濟之流程及預先判斷是否能順利獲得救濟。

● 醫療器材管理法

《本書》詳盡介紹與醫療器材相關之法規範，使醫療器材商及讀者能更深入了解此較新之法規。

《本書》除了各相關法規介紹外，更於各相關法規中適時提供實務案例，以便讀者能更知悉該法規之操作及實務所生之疑義。《本書》各法規末皆附有與藥師高考、藥事相關之公務員高考三級、關務三等，以及薦任升等考之歷屆試題，能讓各該考科之備考者於申論題答題能更言之有理外，選擇題答題亦能駕輕就熟。

西藥之專利連結制度與相關法規範

2017年12月29日立法院三讀通過藥事法部分條文之修正草案，建立了台灣的專利連結制度，2018年1月31日業經總統令公告，並於2019年7月1日公布西藥專利連結施行辦法。

與西藥之專利連結制度相關之法規範有藥事法的第四章之一西藥之專利連結 (條文部分為藥事法第48 - 3條至第48 - 22條)，以及專利法的第60 - 1條。

西藥之專利連結制度之相關運作

● 登錄專利資訊

圖1為西藥之專利連結制度之相關運作簡圖。於我國，當專利藥廠領取新藥藥品許可證後，即為藥事法中之新藥許可證之所有人。藥事法第48 - 3條第1項規定，新藥藥品許可證所有人認有提報藥品專利權專利資訊之必要者，應自藥品許可證領取之次日起45日內，檢附相關文件及資料，向中央衛生主管機關為之；逾期提報者，不適用本章規定。因此，若專利藥廠認有提報藥品專利權專利資訊之必要，須於領取新藥藥品許可證之次日起45日內登錄專利資訊。前述專利資訊之內容則規定於藥事法第48 - 4條。

【本文未完，完整內容請見《北美智權報》358期：看全球11大企業如何利用人工智慧加速公司發展】

※如欲轉載本文，請與北美智權報聯絡