第 1 部分（共 6 部分）。系列索引（包含已发布的每个部分的链接）是第 0 部分：简介和系列地图。 本系列适合在受监管的生命科学组织中必须支持共享人工智能功能的人员：架构负责人、首席技术官和工程副总裁，以及质量、验证和安全方面的合作伙伴。 它假设您知道什么是语言模型和向量索引。 基本术语在本系列末尾的术语表中进行了定义。 监管状态截至 2026 年 9 月，并将发生变化。 这是技术指南，而不是法律建议。
这里的“本地”是什么意思
“本地”在这个系列中有着明确的含义。
- 自托管。 模型、索引、提示和日志在组织控制的基础设施上运行。
- 支持气隙。 该平台必须在没有出站连接的情况下工作。 模型权重、容器和依赖关系一次性引入并通过变更控制进行更新。
- 主权。 除非书面决定允许，否则任何提示、文档块或输出都不会离开边界。
为什么要走这么远？ 有四个原因，其中只有一个与数据离开建筑物有关。
已验证状态。 GxP 计算机化系统经过验证其预期用途，然后保持在该状态 [2][10]。 通过静默版本更新，在您的领导下进行更改的托管模型会打破这种状态，而无需您提出任何更改请求。 仅当您通过变更控制并有证据做出决定时，本地固定的模型版本才会更改。
可审核性。 第 11 部分和附件 11 期望审核跟踪、访问控制和记录保留在您的控制之下 [8][10]。 当日志、提示和检索到的文本存储在您管理的系统中时，证明这一点要容易得多。
供应商责任。 附件 22 草案规定，人工智能输出的责任由受监管公司承担，附件 11 期望对供应商和服务提供商进行监督 [10]。 您只能对可以检查和固定的组件进行监督。
成本可预测性。 按使用情况计费的推理是与人们如何使用系统相关的可变成本。 稳定使用的自有或租赁硬件的成本是已知的。 第 6 部分返回到数字。
混合设计是可能的，监管机构也不禁止云。 FDA 的保证指南明确涵盖了用于生产或质量体系工作的软件即服务、平台即服务和基础设施即服务等云模型，并将保证扩展到预期用途和风险 [3]。 重点不在于云被禁止。 关键是，不受监管的工作负载、开发环境或合成数据实验可以在租用的容量上运行，而任何涉及 GxP 数据或 GxP 决策的内容默认在边界内运行。 每个例外都是记录的决定，而不是方便。
三个测试将“本地”与“本地安装”分开。
- 出站测试。 阻止平台的所有出站网络流量。 每个功能仍然有效吗？ 调用托管端点进行嵌入、审核、许可证检查或遥测的工具未通过此测试。
- 更新测试。 您能否在无法访问供应商服务器的情况下，通过您自己的更改控制从您引入的媒体安装新模型、容器或依赖项？
- 依赖性测试。 您是否持有平台中每个模型、容器和库的物料清单，以便漏洞通知可以追溯到您实际运行的内容？
第 6 部分将这些测试应用于实际工具。
“监管”发生了什么变化
监管并不意味着最后添加合规检查表。 它改变了设计。 该表将对制药和医疗设备组织重要的框架与每个平台的需求进行了映射。 表后的段落解释了对架构影响最大的段落。
| 框架 | 状态（2026 年 9 月） | 对平台有何要求 |
|---|---|---|
| ISPE GAMP 5，第二版（2022 年）和 ISPE GAMP 指南：人工智能（2025 年 7 月）[1][2] | 行业指南最终版 | 基于风险的人工智能系统生命周期； 供应商管理； 数据完整性； 批判性思维而非墨守成规 |
| FDA，生产和质量系统软件的计算机软件保证（2025 年 9 月）[3][4] | 设备生产和质量系统软件的最终指南 | 根据预期用途和风险进行保证； 无脚本测试和持续监控可作为证据； 供应商证据可能会被利用 |
| FDA，起草人工智能指南以支持药物和生物制剂的监管决策（2025 年 1 月）[5] | 草案，尚未实施 | 每个模型定义的使用环境； 通过模型影响力和决策结果判断模型风险； 可信度计划和书面证据 |
| FDA 和 EMA，药物开发中人工智能良好实践指导原则（2026 年 1 月）[6]，以 EMA 2024 年反思文件为基础 [15] | 非约束性原则 | 人工监督、生命周期管理、数据治理、透明度、清晰的使用环境 |
| 21 CFR 第 11 部分和第 211 部分； FDA 数据完整性指南 (ALCOA+)； PIC/S PI 041 [8][9][24] | 生效 | 安全、计算机生成、带时间戳的审计跟踪； 可归属记录； 记录终生保留 |
| 欧盟 GMP 附件 11 (2011) [10] | 生效 | 经过验证的计算机化系统； 审计追踪； 供应商和服务提供商的监督 |
| 欧盟 GMP 草案附件 22，人工智能（2025 年 7 月）[10] | 草稿。 磋商于 2025 年 10 月 7 日结束。最终文本预计于 2026 年底发布。尚未公布生效日期 | 根据草案：生成式人工智能和法学硕士不用于关键的 GMP 应用； 经过合格的人工审查后，允许非关键用途； 明确的预期用途； 代表性验证数据； 持续绩效监控 |
| 欧盟人工智能法案，法规 (EU) 2024/1689，经法规 (EU) 2026/1744 修订 [11][12] | 现行。 第 50 条透明度关税自 2026 年 8 月 2 日起适用。附件三高风险关税自 2027 年 12 月 2 日起适用，附件一自 2028 年 8 月 2 日起适用 | 对用户透明； 人工智能素养； 仅当系统属于所列类别时才承担全部高风险义务 |
| 印度 2023 年 DPDP 法案和 2025 年 DPDP 规则 [13] | 生效，分阶段义务持续到 2027 年 | 个人数据（包括培训数据）的合法依据； 两阶段违规报告，并在 72 小时内提供详细报告； 罚款高达 25 亿卢比 |
| ISO/IEC 42001:2023 和 NIST AI RMF 1.0 及其生成式 AI 配置文件 [19][20][22] | 自愿性标准 | 人工智能管理系统和共享风险词汇； GAMP AI 指南明确考虑 ISO/IEC 42001 [1] |
GAMP 5 和 GAMP AI 指南。 GAMP 5 不是法律。 它是在 GxP 中验证计算机化系统的行业标准方法，检查员对此非常了解。 第二版于 2022 年出版，添加了有关人工智能和机器学习的附录。 2025 年 7 月，ISPE 发布了与其一起使用的独立 AI 指南 [1][2]。 人工智能指南涵盖了从概念到退役的人工智能生命周期，包括供应商管理和设计质量的附录，纳入了 ISPE 的记录和数据完整性指南，并明确考虑了 ISO/IEC 42001 [1]。 它的重点与第二版相同：患者安全、产品质量、数据完整性和批判性思维，而不是勾选框。 对于建筑师来说，实际的信息很简单。 支持人工智能的系统是经过验证的系统，验证生命周期必须涵盖模型和数据，而不仅仅是代码。
FDA 计算机软件保证。 2025 年 9 月，FDA 敲定了针对设备生产和质量系统中使用的软件的 CSA 指南，取代了 2002 年软件验证指南的第 6 节 [3][4]。 该方法是基于风险且负担最小的。 您确定每个软件功能的预期用途，评估其对患者安全和产品质量的风险，并按比例选择保证活动：风险较高的脚本测试，风险较低的无脚本或探索性测试，持续监控作为持续证据，以及供应商证据（如果存在）[3]。 它同样适用于本地软件和云软件，但不适用于本身就是医疗设备的软件 [3]。 它的正式范围是设备，但该方法也已成为制药质量团队的共享词汇，因为 GAMP 5 已经倾向于相同的方式。 第 4 部分在此基础上构建验证方法。
FDA 可信度框架草案。 FDA 2025 年 1 月的指南草案（截至 2026 年 9 月仍为草案）提出了一个七步框架，用于建立特定使用环境下人工智能模型的可信度 [5]。 步骤是： 定义感兴趣的问题； 定义使用环境； 评估模型风险作为模型影响和决策结果的函数； 制定建立信誉的计划； 执行计划； 记录结果和任何偏差； 并确定模型是否适合使用环境[5]。 该草案涉及用于支持药物和生物制品监管决策的人工智能，而不是涉及所有商业工具。 但它的两个核心思想，即使用背景和风险（影响力乘以结果），是推理受监管产品中任何人工智能功能的最简洁的方式。 本系列自始至终都使用它们。
FDA 和 EMA 联合原则。 2026 年 1 月，这两个机构以 EMA 2024 年反思论文为基础，发布了药物开发中人工智能良好实践的十项非约束性原则 [6][15]。 它们涵盖以人为本的价值观、遵守标准、基于风险的方法、明确的使用背景、数据治理、多学科专业知识、生命周期管理、透明度、人类监督和国际合作[6]。 对于 GAMP 实践者来说，这一切都不陌生。 重要的是，两个最大的监管机构现在在一份文件中说了同样的话。
记录和数据完整性。 21 CFR 第 11 部分要求安全、计算机生成、带时间戳的审计跟踪，记录操作员条目以及创建、修改或删除电子记录的操作的日期和时间，并至少保留与记录本身一样长的时间 [8]。 FDA 的数据完整性指南规定了 ALCOA+：记录必须可追溯、清晰、同步、原始且准确，并且完整、一致、持久且可用 [9]。 在欧盟，附件 11 对计算机化系统设定了类似的期望，PIC/S PI 041 为检查员提供了 GMP 和 GDP 环境中数据完整性的共同视图 [10][24]。 对于人工智能平台来说，这提出了一个大多数团队都没有问过的问题。 当人工智能输出影响 GxP 决策时，输出本身是记录吗？ 安全的答案是肯定的。 第 2 部分为其设计。
附件 22，最重要的草案。 2025 年 7 月，欧盟委员会就修订后的第 4 章、修订后的附件 11 以及与 EMA 和 PIC/S 检查员工作组一起准备的关于 GMP 中人工智能的新附件 22 进行了磋商 [10]。 咨询于 2025 年 10 月 7 日结束，共收到约 1,300 条意见。 截至 2026 年 9 月，所有三个文本仍为草案，EMA 的工作计划目标是在 2026 年末制定最终文本，但尚未宣布生效日期[10]。 该草案的范围是关键 GMP 应用中的人工智能，这意味着那些对患者安全、产品质量或数据完整性有直接影响的应用。 其核心陈述是动态模型、可以为相同输入返回不同输出的模型、生成式人工智能和法学硕士不应该在这些关键应用中使用[10]。 对于它允许的静态模型，它期望有明确的预期用途、代表真实操作条件的验证数据、可解释性、适用的置信阈值、人工监督、变更控制和持续的性能监控[10]。 当合格人员审查输出并记录责任时，它允许在非关键用途中使用生成式人工智能，例如总结偏差报告或搜索程序。 很明显，责任在于受监管的公司，而不是供应商。 EMA 于 2026 年 6 月 30 日至 7 月 1 日举行了一次研讨会，考虑是否可以在基于风险的保障措施下解决自适应和生成模型，但已发布的文本并未改变[10]。 谨慎的平台现在将草案视为设计指南。 如果最终文本放宽了规则，也不会造成任何损失。 如果没有，则平台已经对齐。
《欧盟人工智能法案》（经修订）。 《人工智能法案》于 2024 年 8 月生效。2026 年 7 月，人工智能数字综合总线对其进行了修订并更改了时间表 [11][12]。 第 50 条透明度义务，例如告诉人们他们正在与人工智能交互以及以机器可读的方式标记生成的内容，自 2026 年 8 月 2 日起适用，对于已经上市的系统，有至 2026 年 12 月 2 日的宽限期 [12]。 现在，高风险义务从 2027 年 12 月 2 日起适用于附件三中列出的独立系统，并从 2028 年 8 月 2 日起适用于附件一中欧盟产品法所涵盖的产品中嵌入的人工智能，例如医疗设备 [12]。 在这些日期之前投放市场的系统将不受限制，除非它们经历了重大的设计变更，并且“重大”的阈值尚未定义[12]。 对于质量体系或文件助理来说，两个可能的高风险挂钩是附件三中的工人管理，例如，如果系统分配任务或监控绩效，以及附件一中的医疗设备的安全组件[11]。 大多数质量体系助理不会是高风险的。 但分类必须记录在案，并且无论如何，第 4 条人工智能素养义务和第 50 条透明度义务均适用。 第 5 部分通过分类进行工作。
隐私。 印度 2023 年《数字个人数据保护法》通过 2025 年 11 月通知的 DPDP 规则开始实施，义务分阶段落实到 2027 年 [13]。 决定处理目的和方式的组织是数据受托人，其中包括对个人数据进行人工智能培训或部署。 违规报告分两个阶段：立即通知数据保护委员会，然后在 72 小时内提交详细报告，并通知受影响的个人，没有实质性阈值 [13]。 如果未能采取合理的安全保障措施，处罚将达到 25 亿卢比[13]。 在欧洲运营的组织遵循 GDPR，包括其关于自动决策和影响评估的规则。 第 5 部分涵盖平台内部的隐私。
管理标准。 ISO/IEC 42001:2023 定义了一个可以通过认证并与 ISO/IEC 27001 [19] 集成的人工智能管理系统。 NIST 的人工智能风险管理框架提供了四个功能的共享词汇表：治理、映射、测量和管理，其 2024 年生成式人工智能配置文件增加了生成系统特有的风险，包括混淆和信息完整性 [20][22]。 GxP 要求也不是。 两者都是第 5 部分中治理的有用脚手架。
在这一切中，有两件事很突出。
首先，框架相互一致。 它们都要求明确的预期用途、基于风险的保证、人员责任、书面证据以及对变更的控制。 为其中之一构建的平台对于其他人来说是最重要的。
其次，最难的约束仍然是草案。 这是现在就设计的理由，而不是等待的理由。 在平台中构建人工审查和证据的成本很小。 检查后改装的费用不是。
影响其他一切的后果
将这些框架放在一起，就会遵循一条规则。 每个人工智能用途在构建之前都必须在两个轴上进行分类。
- GxP 影响。 产出是否涉及产品质量、患者安全或受监管的记录？ 关键的还是非关键的？
- 决策影响。 输出是否为人类决策提供信息，或者是否做出决策？ 这就是 FDA 可信度框架的逻辑，其中模型风险随着模型的影响力以及错误决策的后果而增加 [5]。 这也是 ICH Q9(R1) 的逻辑，它将风险管理的形式与决策的重要性联系起来，并警告风险评估中的主观性[14]。
两个轴一起构成四个象限。
| 为人类决策提供信息 | 做出决定 | |
|---|---|---|
| 非关键 | 搜索程序，起草偏差摘要供审核，回答“当前版本在哪里？” 这是默认象限：人工审查、比例验证、监控。 | 路由、标记、确定工作队列的优先级。 允许监控、定义的回滚和定期人体采样。 |
| 关键 | 协助批次记录审核，提出偏差的根本原因。 仅允许在验证案例、指定审阅者和每个使用环境的证据的情况下使用。 | 发布批次、批准变更、关闭 CAPA。 不是附件 22 草案中生成模型的目标。如果完全自动化，则需要一个静态的、经过验证的模型。 |
该平台默认位于左上象限：决策支持、非关键用途、由指定人员进行审查和签名。 其他任何事情都是例外，有其自己的验证案例。 右下象限不适合生成模型，除非监管机构另有规定。
FDA 已经展示了如果没有这个会发生什么。 2026 年 4 月，在检查发现一家制造商使用人工智能代理未经充分审查的情况下起草规格和记录后，该公司向该制造商发出了警告信 [7]。 该公司告诉调查人员，它没有进行工艺验证，因为代理商从未告诉它需要验证。 该信函指出，使用人工智能辅助创建文档的公司必须审查生成的文档的准确性和合规性，并引用了 21 CFR 211.22(c)（要求质量部门负责程序和规范的规则）以及关于书面生产控制的 211.100 [7]。 FDA 期望的补救措施很简单：授权人员必须审查并清除人工智能代理的任何输出 [7]。 英国 MHRA 在 2026 年 6 月就人工智能辅助对检查结果的响应提出了类似的观点：它们必须准确、经过技术审查并得到负责人的批准 [23]。
这封信是受监管的人工智能平台的设计简介。 系统可能会起草。 一个人决定。 记录显示是谁。
分类还决定验证深度和审查级别。 在 CSA 下，非关键决策支持功能可以通过无脚本测试和监控来保证，而关键功能则需要根据使用环境提供脚本证据 [3]。 在FDA可信度框架下，可信度计划随着模型影响力和决策结果而增长[5]。 第 4 部分将其转化为具体的过程。
###六大设计原则
这些原则贯穿后面的每个部分。 每一个都带有它在实践中的含义以及它会阻止什么。
- 默认为主权。 数据、模型和日志保留在边界内。 实际上：一份批准的可能跨越边界的清单，仅此而已。 它可以防止意外披露，并使供应商监督附件 11 和附件 22 所期望的成为可能 [10]。
- 默认拒绝，在检索之前强制执行。 平台知道谁在询问以及他们可能会看到哪些文档，并且它会在任何文本到达模型之前进行过滤。 产品级隔离还不够。 同一产品的两个用户可能对同一文档拥有不同的权限。 实际上：调用者的身份和权利随请求一起传递，检索器在排名之前（而不是在生成之后）对它们进行过滤。 它可以防止 OWASP 列为敏感信息泄露以及向量和嵌入弱点的泄漏路径 [21]。
- 证据第一。 每个答案都引用其使用的源文档、版本和部分。 如果证据薄弱，系统会直接说出而不是猜测。 在实践中：引文带有文件标识、版本、生效日期和部分，并且系统在证据阈值以下放弃。 它提供了 FDA 可信框架所需的证据 [5]。
- 人的责任设计。 输出是决策支持。 合格人员会审查任何符合 GxP 记录或决策的内容，而审查本身就是一项记录。 实践中：每个象限有一个审核层，以及谁在何时审核了哪些内容的捕获记录。 这是2026年4月警告信和附件22草案[7][10]中的规则。
- 基于风险的验证和变更控制。 预期用途按功能定义。 对模型、提示、检索设置或嵌入模型的更改是带有证据的受控更改，而不是配置编辑。 在实践中：在每次更改时运行的评估套件以及准确记录部署内容的注册表。 它与 CSA 和 GAMP 保持一致，并通过将“重大变更”作为记录在案的决定而不是事故来保护 AI 法案下的祖父条款 [2][3][12]。
- 记录，而不是日志。 审计跟踪符合 21 CFR 第 11 部分和附件 11 的期望：安全、带时间戳、可归因、不可更改，并在记录的生命周期内保留 [8][10]。 在实践中：审核事件被写入存储，并具有与其他 GxP 记录相同的控制，并且它们的保留遵循它们相关的记录。
型号和供应商，简要说明
该模型是平台中最不稳定的部分。 每隔几个月就会出现新版本，许可证会发生变化，并且供应商会淘汰型号。 因此，平台不能依赖于任何一种模型，并且设计必须使模型交换成为受控的、有证据的改变，而不是重建。 第 2 部分介绍了使这成为可能的模型路由器。 一开始有四点很重要。
**开放权重模型和供应商支持的模型都可以在本地运行。**开放权重模型可以下载并自行托管。 供应商支持的模型是根据商业许可证打包和支持的，但它们仍然可以在您的硬件上运行。 区别在于支持、赔偿、包装和成本。 这不是主权。 如果部署正确，任一路径都会通过出站测试；如果其周围的工具回拨，则任一路径都会失败。
许可证不同，并且会发生变化。 截至 2026 年 9 月，几个强大的模型系列使用许可许可证。 Qwen3 开放重量版本和 IBM Granite 4 版本是 Apache 2.0，DeepSeek 版本使用 MIT，一些 Mistral 模型是 Apache 2.0，而其他模型则不是 [18]。 Llama 4 社区许可证在每月活跃用户数低于 7 亿的情况下免费，但带有派生模型的命名和归属规则 [18]。 一些供应商使用比 Apache 2.0 更具限制性的自定义术语。 检查模型卡上的许可证，了解您部署的确切版本，并将其记录在第 5 部分中描述的模型注册表中。这同样适用于经常被遗忘的嵌入和重新排序模型。 他们也有许可证和版本，并且对嵌入模型的更改会使使用旧模型构建的每个向量失效。
您无法完全验证培训数据，因此需要对供应商进行资格认证。 模型卡在披露的培训数据和知识截止点方面差异很大。 没有实际的方法可以从外部审核训练语料库。 两个杠杆有帮助。 欧盟人工智能法案要求通用人工智能模型的提供者维护技术文档，包括用于培训的内容摘要[11]。 GAMP AI 指南包括供应商管理附录，而附件 22 草案明确规定责任属于受监管公司，而不是供应商 [1][10]。 实际的反应是每个型号的供应商资格文件。 它应包含许可证和版本标识符、记录的培训数据摘要、已发布的评估和偏见证据、已知限制、服务容器的安全状况、供应商的版本控制和更改通知承诺、支持和赔偿条款（如果有）以及您自己的评估结果。 FDA 的保证指南允许供应商提供证据来减少您自己的测试，但前提是您持有该证据并可以出示[3]。
**像对待任何其他合格组件一样对待模型。**经过验证的系统不会在没有更改请求的情况下更改其数据库引擎。 它也不应该在没有语言模型的情况下改变它的语言模型。 这意味着注册表记录了模型、版本、许可证、评估结果以及使用它的产品，并且交换与任何其他受控更改都经过同一道门。
接下来会发生什么
所有部分均来自第 0 部分中的系列索引。第 2 部分给出了参考架构：控制平面、八个执行层以及在任何文本到达模型之前将身份和授权携带到检索中的请求路径。 第 3 部分将文档视为受管数据。 第 4 部分回答了每个质量主管首先提出的问题：如何验证非确定性的系统？ 第 5 部分涵盖安全、隐私和治理。 第 6 部分涵盖托管、成本、运营、团队和生产准备清单。
第 1 部分的来源
本草稿未重新检查标记为（确认）的链接，必须在发布前进行验证。
1.国际教育协会。 ISPE GAMP 指南：人工智能。 2025 年 7 月。最终版。 https://ispe.org/publications/guidance-documents/gamp-guide-artificial-intelligence 2.国际教育协会。 ISPE GAMP 5：基于风险的 GxP 合规计算机化系统方法，第二版。 2022 年。最终版。 https://ispe.org/topics/gamp 3.FDA。 生产和质量系统软件的计算机软件保证。 行业和 FDA 工作人员指南。 2025 年 9 月。最终版。 https://www.fda.gov/regulatory-information/search-fda-guidance-documents/computer-software-assurance-product-and-quality-system-software 4. 联邦公报。 CSA 指南可用性通知。 2025 年 9 月 24 日。 https://www.federalregister.gov/documents/2025/09/24/2025-18468/computer-software-assurance-for-production-and-quality-system-software-guidance-for-industry-and 5.FDA。 使用人工智能支持药物和生物制品监管决策的考虑因素。 指南草案，2025 年 1 月。草案，截至 2026 年 9 月尚未实施。 https://www.fda.gov/regulatory-information/search-fda-guidance-documents/considerations-use-artificial-intelligence-support-regulatory-decision-making-drug-and-biological 6.FDA和EMA。 药物开发中人工智能良好实践的指导原则。 2026 年 1 月。不具约束力。 https://www.fda.gov/media/189581/download 7.FDA。 警告信，参考号 722591，日期为 2026 年 4 月 2 日，引用了 21 CFR 211.22(c) 和 211.100。 FDA 警告信数据库。 https://www.fda.gov/inspections-compliance-enforcement-and-criminal-investigations/compliance-actions-and-activities/warning-letters（直接信件链接：确认） 8. 21 CFR 第 11 部分，电子记录； 电子签名，第 11.10(e) 节。 eCFR。 https://www.ecfr.gov/current/title-21/chapter-I/subchapter-A/part-11 9.FDA。 数据完整性和药物 CGMP 合规性：问题与解答。 指南，2018 年 12 月。最终版。 （确认） 10. 欧盟委员会。 关于 EudraLex 第 4 卷的利益相关者磋商：修订的第 4 章、修订的附件 11 和新的附件 22，人工智能。 磋商于 2025 年 7 月 7 日至 10 月 7 日。截至 2026 年 9 月，草案尚未通过。（磋商页面：确认） 11. (EU) 2024/1689 号法规，《人工智能法》。 欧元-莱克斯。 https://eur-lex.europa.eu/eli/reg/2024/1689/oj 12. (EU) 2026/1744 法规，人工智能数字综合总线。 2026 年 7 月 24 日发布，2026 年 7 月 27 日生效。EUR-Lex。 https://eur-lex.europa.eu/eli/reg/2026/1744/oj 13. 印度电子和信息技术部。 2023 年数字个人数据保护法和2025 年数字个人数据保护规则，G.S.R. 846(E)，2025年11月13日，2025年11月14日公报。（公报链接：确认） 14. ICH。 Q9(R1) 质量风险管理。 步骤 4，2023 年 1 月。 https://database.ich.org/sites/default/files/ICH_Q9(R1)_Guideline_Step4_2022_1219.pdf 15. EMA。 关于在医药产品生命周期中使用人工智能的反思论文，EMA/CHMP/CVMP/83833/2023。 2024 年 9 月通过。https://www.ema.europa.eu/en/use-artificial-intelligence-ai-medicinal-product-lifecycle-scientific-guideline 16.麻省理工学院南达。 GenAI 鸿沟：2025 年人工智能商业状况。 2025 年 7 月。（报告链接：确认） 17.兰德公司。 雷塞夫、德布鲁尔、纽伯里。 人工智能项目失败的根本原因以及它们如何成功。 2024。RRA2680-1。 https://www.rand.org/pubs/research_reports/RRA2680-1.html（确认） 18. 许可证样本：Meta Llama 4 Commu
实体许可证； Qwen3模型卡； IBM Granite 4 型号卡； DeepSeek模型卡； 米斯特拉尔模型卡。 许可条款在每个型号卡上都有说明，并因版本而异。 （链接：在发布时确认部署的确切版本） 19. 国际标准化组织。 ISO/IEC 42001:2023，人工智能管理系统。 2023 年 12 月。https://www.iso.org/standard/42001 20.美国国家标准技术研究所。 人工智能风险管理框架 (AI RMF 1.0)，NIST AI 100-1。 2023 年 1 月。https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-1.pdf（确认） 21. OWASP GenAI 安全项目。 2025 年 OWASP 法学硕士申请前 10 名。 https://owasp.org/www-project-top-10-for-large-language-model-applications/assets/PDF/OWASP-Top-10-for-LLMs-v2025.pdf 22.美国国家标准技术研究所。 人工智能风险管理框架：生成人工智能概况，NIST AI 600-1。 2024 年 7 月。https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf（确认） 23. MHRA 检查局。 关于使用人工智能响应 GxP 检查结果的博客文章。 2026年6月29日。（确认） 24.PIC/S。 PI 041-1，受监管 GMP/GDP 环境中数据管理和完整性的良好实践。 2021 年 7 月 1 日生效。https://picscheme.org（文档链接：confirm）
