NMPA「AI+药监」实施意见解读：2030年目标、七大场景与对中国出海企业的影响

2026年4月2日，国家药品监督管理局（NMPA）以「国药监综〔2026〕6号」文件正式发布《关于加快推进人工智能在药品监管领域应用的实施意见》。这份文件从起草到发布历时近一年，几易其稿，最终呈现出一份覆盖审评审批、风险监测、检查执法、政务服务全链条的系统性规划。

对于在国内有研发、生产基地或者需要向NMPA申请出口证书的医药企业来说，这份文件的意义不只是一个"政策风向标"——它将在未来几年直接改变你跟药监系统的交互方式。

文件出台的来龙去脉

先说说这份文件为什么在这个时间点落地。

2023年以来，国务院多次强调"数字政府"建设和"智慧监管"转型。国家卫健委、工信部也先后出台了AI在医疗领域的应用指导文件。但在药品监管这个细分领域，一直缺少一份顶层设计性质的文件来回答一个根本问题：药监系统到底打算怎么用AI？用到什么程度？边界在哪里？

此前几年，NMPA内部其实已经在做一些技术储备和试点。器审中心（CMDE）的智能审评辅助系统、中检院的标准数据集建设、药监局的药品追溯平台，都是碎片化的探索。但各直属单位各干各的，数据标准不统一、系统不互通，效果打了折扣。

国药监综〔2026〕6号文的定位，就是把这些分散的探索捏成一个整体战略。文件开宗明义地提出了"以AI技术为手段、以药品安全有效为目标、以数据为驱动"的总体思路，设定了2030年和2035年两个里程碑节点。

文件反复强调一个定位：AI是"辅助工具"而非"替代决策"。这一点在后文的分析中会反复提到，也是理解整份政策的关键线索。

2030与2035：两个里程碑意味着什么

文件设定了两个阶段性目标，我们分别拆解。

2030年目标：初步建成"AI+药品监管"体系

到2030年，NMPA要实现的是"初步建成"。具体包括：

建成一批覆盖主要监管业务的高质量数据集
形成若干个在审评审批、风险监测等场景中稳定运行的AI应用
建立AI应用的治理机制和安全规范
培养一支懂技术、懂监管的复合型人才队伍

"初步"二字说明NMPA对自身的预期管理比较务实。从目前国内药监系统的信息化基础来看，数据孤岛问题仍然突出，直属单位和各省级药监局之间的数据共享机制远未成熟。4年时间内完成"初步"目标，本身就是不小的挑战。

2035年目标：实现药品监管"智慧治理"

到2035年，文件描绘的愿景是"智慧治理"。这意味着AI不再是试点和辅助工具，而是渗透到监管的每一个环节——从企业提交申请的那一刻起，到产品上市后的全生命周期监测，AI都在后台运转。

两个阶段之间的差距，说白了就是从"人主AI辅"到"人机一体"的跨越。这个过程单靠技术迭代远远不够，制度建设和人员转型才是真正的难点。

维度	2030年目标	2035年目标
数据基础	主要业务数据集建成，初步标准化	全量监管数据标准化、互联共享
AI应用	重点场景试点运行	全业务流程AI贯穿
人才队伍	复合型人才初具规模	监管人员普遍具备数智素养
安全治理	建立基础安全规范	完善的算法治理和审计机制
企业交互	部分业务线上化、智能化	全流程数字化交互

七大应用场景深度拆解

文件明确了七个重点应用场景。这部分是全文的核心，也是与企业日常经营最直接相关的章节。

场景一：人机协同智能审评审批

这是最受企业关注的场景。AI在审评审批环节的定位是"辅助审评员"，而非自主做出审批决定。

具体应用方向包括：

申报材料的智能预审查：AI自动检查材料完整性、格式规范性，对缺项和格式错误给出即时反馈。理论上可以大幅减少"形式审查退回"的次数。目前企业在提交注册申请时，因材料格式问题被退回的比例不低，尤其是首次申报的企业。
技术审评的智能辅助：对于结构化的审评要素（如药学数据的完整性检查、临床数据的统计分析验证），AI可以快速完成初步筛查，把审评员的注意力集中到需要专业判断的部分。
同类产品的智能比对：AI可以快速检索已获批产品的技术参数、临床数据，为审评员提供参考。

对企业的影响：短期内，智能预审查功能可能率先落地。建议企业在提交材料时就已经按照机器可读的格式要求来准备，减少因格式问题耽误的时间。中长期来看，审评效率的提升有望缩短整体审批周期，但前提是企业提交的数据质量足够高——AI对"垃圾数据"同样无能为力。

场景二：全链条智能化监管

这个场景覆盖了药品从研发到流通的全生命周期。

研发环节：推动临床试验数据的标准化治理和电子化记录。这对在国内开展MRCT（国际多中心临床试验）的企业来说影响较大——数据格式需要同时满足NMPA和ICH的要求。

生产环节：部署生产风险监测智能体（Agent），对生产过程中的视频监控、IoT传感器数据进行实时分析。文件特别提到要对"偏差和异常趋势"进行预警。

流通环节：升级药品追溯体系，推进全品种追溯码覆盖。目前疫苗、血液制品等重点品种已经实现了追溯，下一步会扩展到更多品种。

环节	当前状态	2030年目标
研发	临床试验数据格式不统一	标准化数据治理，电子记录全覆盖
生产	部分企业部署MES，人工巡检为主	智能风险监测Agent，异常自动预警
流通	重点品种追溯覆盖	全品种追溯码，数据与监管系统直连
使用	不良反应报告人工为主	AI辅助信号检测和风险评估

场景三：风险监管体系数智升级

药品安全风险管理是药监工作的核心。AI在这个场景的应用方向包括：

基于真实世界数据的不良反应信号检测
药品质量风险的智能预警
重点品种（疫苗、血液制品、特殊管理药品）的专项风险监测

文件对重点品种的表述值得关注。疫苗和血液制品一直是NMPA监管的重中之重，AI工具的引入意味着这些领域的监管频次和深度都会提升。生产这两类产品的企业要做好接受更密集数据监管的准备。

场景四：检查执法智能化

NMPA每年要执行大量的注册核查、GMP检查和飞行检查。AI在这个场景的定位是：

基于风险等级的智能检查任务分配
检查方案的智能生成（基于企业历史数据和产品特征）
检查报告的辅助撰写

从实操角度看，这意味着被检查企业可能面临更加"精准"的检查——检查员在出发之前就已经通过AI系统掌握了企业的历史问题、产品风险点、近期变更情况等信息。

场景五：协同监管效能提升

药品监管涉及NMPA总部、各省级药监局、直属单位之间的多层协作。AI在协同监管中的应用方向：

跨区域监管数据的智能汇总和分析
重大案件的线索关联和智能推送
与卫健委、海关等部门的数据共享机制优化

对于在多个省份有生产基地的集团型企业，这个场景值得关注。跨省检查的协调效率有望提升，但也意味着一处违规更容易被全网关联到。

场景六：政务服务智能化

这是企业感知最直接的环节。文件提出：

智能咨询和办事引导
申报材料的自动校验和预审
审批进度的智能查询和预估

已经在药监局网上办事大厅提交过注册申请的企业应该有体会——目前的系统虽然实现了线上提交，但交互体验和预审查功能都还有很大提升空间。AI的引入有望改善这一点。

场景七：产业数智化协同

这个场景超出了"监管"本身的范畴，体现了NMPA希望"以监管带动产业升级"的思路。具体包括：

推动企业质量管理体系的数字化
建立行业数据标准和共享机制
支持企业在研发、生产环节引入AI工具

说白了，NMPA希望通过监管端的AI化，倒逼企业端的数字化升级。对于信息化基础薄弱的中小企业来说，这可能带来不小的投入压力。

五大基础支撑：AI不是凭空运行的

光有应用场景不够，AI需要基础设施。文件列出了五个基础支撑。

高质量数据集建设

AI模型的质量取决于训练数据的质量。NMPA计划系统性地建设以下数据集：

药品注册审批历史数据（结构化处理）
审评标准和规范数据
不良反应监测数据
检查执法案例数据
药品全生命周期追溯数据

数据治理是这项工作的难点。NMPA各直属单位积累了海量数据，但格式不统一、标注不规范、历史数据缺失等问题普遍存在。文件提出要"清洗、标注、质检"三步走，说起来简单，做起来是一项浩大的工程。

应用平台建设

文件提出要搭建统一的AI应用平台，避免各单位各自为战。平台需要支持模型训练、推理部署、版本管理、效果评估等全流程。

算力基础设施

训练大模型需要算力。文件提出要建设满足监管AI应用需求的算力基础设施，包括GPU集群、存储系统和网络环境。考虑到NMPA的预算体制，这部分可能会采取"共建共享"的方式，与其他部委或科研机构合作。

安全保障体系

AI安全是文件的底线要求。具体包括：

模型安全：防止模型被对抗样本攻击、数据投毒
数据安全：企业提交的注册资料、生产数据涉及商业秘密，必须严格保护
系统安全：AI系统的网络安全防护

文件特别强调了"算法透明度"和"可解释性"。这意味着NMPA内部使用的AI工具不能是"黑箱"——审评员需要理解AI给出的建议依据是什么。

治理机制

最后一项支撑是"治理机制"，听起来抽象，但内容很实际：

AI模型的准入和注册管理（药监系统自己使用的AI也要走评审流程）
AI应用的效果评估和退出机制
伦理审查框架

这个机制的存在说明NMPA对AI的态度是审慎的——不是"能用就用"，而是"用了要验证效果，效果不好要退出"。

对不同企业类型的影响分析

政策的影响因企业类型而异。我们分几个维度来分析。

药品企业

影响面最大的是药品生产企业。全链条智能化监管意味着：

生产数据的电子化和标准化要求提高。还在用纸质批记录的企业需要加速转型。
风险监测Agent的部署意味着生产偏差会被更早、更精准地捕捉。
药品追溯体系的扩展要求企业在包装和流通环节做好追溯码的对接。

对于创新药企业，智能审评可能带来利好——如果数据质量足够好，AI辅助审评有望缩短技术审评的排队时间。但这个效果取决于NMPA的AI工具何时真正成熟并投入使用，短期内不宜过度乐观。

医疗器械企业

器械企业的直接关联相对间接。这份文件聚焦的是"药品监管"，但文件中的全链条智能化监管和政务服务智能化思路，大概率会逐步扩展到器械领域。器审中心（CMDE）自身的智能化建设一直在推进，与这份文件的精神是一致的。

对于生产AI医疗器械的企业来说，一个有趣的交叉点是：NMPA一方面在监管AI医疗器械产品，另一方面也在自己的工作中使用AI。两套AI治理体系的协调值得关注。

化妆品和保健品企业

化妆品和保健品的监管也在NMPA体系内，但这份文件的核心聚焦是药品。化妆品注册备案和保健食品注册的智能化，可能会在后续的专项文件中细化。不过，政务服务智能化和产业数智化协同两个场景对化妆品和保健品企业同样适用——线上申报体验的改善是迟早的事。

出海企业需要提前准备的几件事

对于以海外市场为主、但在中国保留研发或生产实体的出海企业，这份政策带来的影响是间接但实际的。

1. 出口 certificate 申请流程可能提速

出口药品需要向NMPA申请出口准许证或自由销售证书。如果政务服务智能化的目标按时实现，这类证书的申请和审批流程有望缩短。这对频繁办理出口证书的企业是个利好。

2. 生产数据标准化是不可逆的趋势

无论企业产品最终卖到哪里，只要在中国的生产设施接受NMPA监管，就需要满足数据电子化和标准化的要求。这与FDA的cGMP数据完整性要求（ALCOA+原则）和欧盟GMP Annex 11的计算机化系统要求方向一致。

建议企业把NMPA的数据标准化要求跟已有的FDA/欧盟合规体系统一起来规划，避免两套系统并行增加成本。

3. 跨境临床试验数据格式需要双轨对接

对于在国内开展临床试验同时向FDA或EMA提交数据的企业来说，NMPA推动的临床试验数据标准化是一个额外的考量维度。理想的做法是建立一套底层数据架构，能够同时输出满足ICH E6(R3)和NMPA要求的数据包。

4. 追溯体系与出口物流的衔接

全品种追溯码的推广对出口产品同样适用。企业需要确保追溯码系统与出口物流、海关申报等环节的对接顺畅。

5. 关注NMPA AI工具的成熟度和可信度

这是一个需要持续观察的问题。NMPA的AI工具从建设到成熟需要时间，企业在与药监系统交互时，如果发现AI预审给出的反馈明显不合理（比如误判了材料的完整性），应该通过正式渠道反馈。AI模型需要真实使用场景的数据来迭代优化。

对企业行动建议的优先级排序

从紧迫性和影响程度两个维度，我们给企业的建议排出一个优先级：

优先级	行动项	紧迫性	影响程度
P0	盘点当前生产数据电子化水平，识别缺口	高	高
P0	确保药品追溯码系统与NMPA平台对接顺畅	高	高
P1	注册申报材料按结构化、机器可读格式准备	中	高
P1	临床试验数据治理标准化	中	高
P2	建立内部AI合规管理框架	中	中
P2	跟踪NMPA AI应用平台的建设进展	低	中
P3	评估企业内部AI工具与监管AI的协同可能	低	低

P0级别的两项建议，建议在2026年内启动。追溯码对接是硬性合规要求，数据电子化则是后续所有AI相关工作的基础。

FAQ：企业最关心的几个问题

问：NMPA的AI系统会不会自动拒绝我的注册申请？

不会。文件反复强调"人机协同"原则，AI只提供辅助建议，最终决定权在审评员手中。AI可能给出"材料不完整"的预审意见，但这跟目前人工形式审查退回的逻辑是一样的——只是速度更快。

问：我们的生产数据需要提交给NMPA的AI系统吗？

目前阶段不需要。文件描述的是NMPA内部构建AI能力，不是要求企业把生产数据实时上传。但在GMP检查中，检查员可能会使用AI工具来分析企业提供的数据。长远来看，高风险品种（疫苗、血液制品）的生产数据可能会要求与监管系统更紧密地对接。

问：这对出口产品的NMPA审批有什么直接影响？

短期影响有限。2030年目标的实现还需要几年时间。但政务服务智能化是比较容易落地的场景——出口证书申请的线上化和智能预审有望在2-3年内见效。

问：化妆品企业需要关注这份文件吗？

需要关注但不必过度反应。文件聚焦药品监管，但NMPA的智能化建设思路会逐步扩展到化妆品和保健品领域。建议化妆品企业关注政务服务智能化和产业数智化协同两个场景的进展。

问：如果NMPA的AI工具判断有误怎么办？

文件明确提出了AI治理机制，包括效果评估和退出机制。企业在实际交互中如果发现AI判断有误，可以通过正式渠道（如注册申请的沟通交流程序）反馈。从制度设计上看，NMPA对AI的定位是审慎的。

问：企业自己开发的AI工具需要向NMPA注册吗？

如果AI工具用于支持药品注册申报（如AI辅助撰写注册资料、AI分析临床数据），可能涉及《人工智能医疗器械注册审查指导原则》的范畴，需要按SaMD的路径评估是否需要注册。如果是纯内部质量管理工具（不直接用于注册申报），目前没有额外的注册要求，但需要满足GMP对计算机化系统的管理要求。

问：境外企业（无中国生产基地）受影响吗？

直接影响较小。但如果境外企业在中国有代理商、需要向NMPA提交进口注册申请，政务服务智能化带来的线上化改善会间接惠及这些企业。跨境数据传输方面，如果涉及中国患者的临床试验数据用于NMPA注册申报，需要注意《个人信息保护法》和《数据出境安全评估办法》的要求。

参考资源

NMPA《关于加快推进人工智能在药品监管领域应用的实施意见》原文 — 国药监综〔2026〕6号，2026年4月2日发布
NMPA政策解读：《实施意见》答记者问 — NMPA官方政策解读材料
NMPA新闻稿：加快推进人工智能在药品监管领域应用 — NMPA官网新闻通告
CISEMA解读：NMPA AI+药品监管政策分析 — 第三方合规机构对政策的英文解读
NMPA药品追溯平台 — 药品全品种追溯体系建设入口
国务院关于加强数字政府建设的指导意见 — 政策背景文件