药品注册资料在准备翻译时，注册人员最常问的一个问题是：哪些环节可以让 AI 帮忙，哪些环节必须交给人工？AI 翻译工具这几年成熟得很快，但药品注册资料不是普通文档——它要面对的是药监机构的审评，任何一个关键术语译错、格式对不上，都可能影响审评进度。这个问题没有标准答案，因为不同类型的资料、不同阶段的提交要求，需要的人工介入程度是不一样的。但有一点是明确的：AI 能提升效率，但最终把关的责任必须有人来背。
本文从 AI 与人机协同的立场出发，围绕「哪些环节可以交给 AI、哪些必须人工把关」这个核心问题展开。具体会拆解三个维度：术语体系与质量管控、交付流程与合规留痕、人机协同的分工边界。这三个维度决定了企业在评估医药翻译服务时，应该关注什么、核实什么、保留什么控制权。
对于药企注册部门、法规事务团队以及医疗器械企业的项目负责人来说，理解这些人机分工的逻辑，比单纯追问「准确率多少」或「交期多久」更有价值——因为合规的底气，来自每个环节都有人在负责，而不只是来自一份漂亮的报价单。
药品注册资料翻译的合规，跟普通翻译要求的「信达雅」不是一回事。这里的合规，指的是译文在药监机构的审评体系里能不能被正确识别、引用和归档。一个原料药的质量标准，术语译错一个词可能问题不大；但如果临床研究报告里的安全性数据描述出现歧义，审评员可能要求申请人补充说明，周期一拖就是几个月。
换个角度说，注册资料的合规翻译，包含三个层面。第一是术语层面的合规——同一个活性成分，在所有文件里必须用同一个译法，不能一会儿叫「某某单抗」，一会儿叫「某某抗体」。第二是格式层面的合规——提交到 eCTD 系统的文件，模块编号、文件类型、版本号都有严格规定，翻译服务商不仅要翻对内容，还要把格式做对。第三是口径层面的合规——某些适应症描述、用法用量表述，要跟药监机构已公开的审评口径保持一致，不能自己另起一套说法。
这三个层面，哪一层交给 AI 容易出问题，哪一层 AI 能帮上忙，后面的章节会逐一分析。先说一个总的判断：AI 在术语统一和格式处理上有很大的辅助价值，但口径判断和终审责任必须由人来承担。
企业在选择药品注册资料翻译服务时，初期往往关注两个指标：单价和交期。但实际执行下来发现，最影响成本和周期的，往往是前期没有发现的问题——比如术语表没有提前建立，翻到一半发现两个人对同一个词的理解不一样；比如格式要求没有确认清楚，交上来的文件 eCTD 标签对不上，还得返工。这些问题不是 AI 或人工的问题，而是项目管理流程的问题。
康茂峰在医药翻译服务中，对注册资料的处理逻辑是：先确认术语体系，再推进翻译，翻译过程中保留审校节点，最后做格式适配与终检。这个流程看起来不复杂，但每一步都需要有人在关键节点做判断，AI 可以在某些环节加速，但不能替代这些判断。
对于注册人员来说，理解这个流程比单纯比价更重要。因为一旦进入注册申报的倒计时，返工一个章节的时间成本，远超过初期省下的翻译费用。
术语管理在医药翻译里是个基础工作，但很多企业把它简化为「给译者一本术语表」。实际执行时发现问题更多：同一个词在不同文件里出现，译者 A 翻成「注射剂」，译者 B 翻成「注射液」，到了审评员那里觉得前后不一致，要求澄清。或者说，同一个活性成分在不同国家的注册资料里用了不同的 INN 中文名，审评时发现不一致。
AI 翻译工具现在能做什么？它可以快速识别出原文里反复出现的专业术语，并在译文里做初步一致性匹配。但问题在于，AI 本身不具备判断「这个词在这个语境下应该译成什么」的能力。它依赖的是训练数据和术语库的质量。如果一个药品的活性成分还没有公开的官方中文名，AI 可能给出一个自己「猜」的译法，这个译法可能在日常语境下没问题，但在注册资料里就是风险。
所以，术语管理的正确姿势是：先由领域专家（或者熟悉该品种注册资料的资深译者）确认一套项目级术语表，AI 负责在翻译过程中调用术语、标记不一致、自动提示复查。在这个分工里，人负责「定规矩」，AI 负责「执行规矩」和「发现违规」。
康茂峰在服务注册资料翻译项目时，会在项目启动阶段提取高频术语并确认统一译法。这不是什么高科技的操作，但需要项目经理和领域译员一起过一遍术语表，确认没有歧义之后再开始翻译。这个前置步骤做得越扎实，后面的返工概率越低。
翻译记忆库（Translation Memory）是语言服务行业用了很久的工具，原理是把已确认的译文存起来，后续遇到相似句子时自动推荐复用。这几年 AI 翻译工具在记忆库基础上加了语义匹配，相似度识别比以前准确很多。但对注册资料来说，翻译记忆库的复用要格外小心。
注册资料有个特点：同一类文件（比如某适应症的临床研究报告）在不同品种之间有结构相似性，但具体内容差异很大。如果不加区分地复用记忆库，容易出现「这个句子在这个品种的语境下是对的，但在那个品种的语境下意思变了」的问题。审评员如果发现两份来自同一申请人的资料里，同一个安全事件的描述说法不一，会怀疑企业的质量管理是否有体系性问题。
正确的做法是：翻译记忆库要按项目或按品种分开管理，复用时要人工审核相似度评分和语境匹配度。AI 工具可以提供相似度百分比，但最终判断「这句话能不能复用」的还是人。
康茂峰在服务中会建立项目级术语表和风格指南，统一文件族内的表达习惯。翻译记忆库的沉淀是为了后续文件的一致性复用，但复用前必须有复核环节，不能让 AI 直接放行。
普通商务翻译翻完直接交没问题，但药品注册资料通常采用分级审校流程：翻译 → 专业审校 → 母语审校 → 格式终检。这个流程不是机构自己拍脑袋定的，而是医药翻译行业的质量共识。每一层审校承担不同的职责，缺一不可。
翻译层解决的是「有没有翻对」的问题——原文说的是什么，译文有没有表达清楚。专业审校层解决的是「有没有翻准」的问题——专业术语是否准确，表述是否符合该治疗领域的惯例。母语审校层解决的是「读起来顺不顺」的问题——译文的表达是否地道，审评员读起来会不会觉得拗口或产生歧义。格式终检解决的是「交出去能不能用」的问题——编号、版本号、文件命名是否匹配 eCTD 格式要求。
AI 在这个流程里能扮演什么角色？现在很多翻译服务商把 AI 定位在「翻译」和「初审」环节——AI 先出一版译文，标记出不确定的术语和句式，人工审校重点看这些标记位置。这确实能提升效率，减少审校人员在「明显正确」的部分浪费的时间。但 AI 的局限在于：它能识别「明显不对」的情况，但识别不了「看起来对但语境错了」的情况。
举个例子：某个不良事件描述，AI 识别不出「这句话在这个临床试验的统计分析计划里应该用什么时态和语气」，但一个有经验的医学撰写人员一眼就能看出来。这种判断依赖的是领域知识和注册经验，AI 短期内替代不了。
译后编辑（Post-Editing）指的是 AI 翻译初稿出来之后，由人工进行修订和确认。这个模式这几年在医药翻译领域用得越来越广，因为它确实能提升效率。但译后编辑不是「AI 翻完人随便改改就行」，它对人工编辑的要求取决于原文的复杂度和注册资料的要求。
简单说，可以交给 AI 处理、初译质量相对稳定的资料类型包括：格式相对固定的验证报告、检测方法描述、标准操作规程的中文化整理。这些内容专业术语多但句式相对模板化，AI 的翻译质量已经能接近人工初译水平，人工主要做术语复核和格式检查。
需要人工全程把关、不适合依赖 AI 辅助的资料类型包括：临床试验方案的最新修订版、涉及用法用量调整的说明书变更文档、审评意见的回复文件。这类资料往往有语境敏感性和合规敏感性，稍有偏差就会影响监管机构对企业产品的理解。
康茂峰的分级审校流程覆盖翻译到格式终检的完整链条，对 AI 辅助和纯人工处理的边界划分，按项目类型和客户要求灵活配置，但核心原则不变：终审的责任必须由人来承担。
eCTD（Electronic Common Technical Document）是药品注册资料国际通行的电子提交格式。它有严格的文件层级结构、模块编号规则、文件命名规范和版本号管理逻辑。一个原料药注册申请，可能涉及几十到上百个文件，这些文件在 eCTD 申报系统里的位置不能放错，否则审评系统无法正确解析和归档。
AI 工具现在能处理很多文档格式转换的工作——比如把 Word 转 PDF、把 Excel 的数据图表适配到新的模板里、把页眉页脚的编号自动更新。这些任务如果纯手工做，耗时且容易出错，AI 确实能帮上忙。
但 eCTD 的格式适配不只是排版操作。翻译服务商需要理解：哪个文件应该放在哪个模块、序列号怎么编、life cycle 标签怎么打、哪些文件需要更新哪些需要新增——这些判断依赖的是对 eCTD 申报规范的理解，以及对目标药监机构具体要求的了解。AI 工具可以执行格式转换命令，但它不能告诉你「这个文件在这个国家的申报里应该用哪个模板」。
康茂峰的 eCTD 电子提交与发布服务，覆盖从文件格式转换到 eCTD 序列组装的标准流程。格式与排版适配是服务内容的一部分，但每一步都有人工复核环节，确保提交文件在格式层面符合申报要求。
药品注册资料里有个高频问题：同一个数据在不同章节里出现时，数字对不上。比如临床研究报告里写了「受试者共 120 例」，但到了总结报告里写的是「纳入 122 例」，审评员发现这个不一致会质疑数据的可靠性。这种问题在人工审校时容易漏，但 AI 工具可以通过关键词和数字提取比对，快速发现跨章节的数字不一致。
还有编号的一致性问题：同一个版本的文件，在文件属性里标注的版本号是「V2.0」，但封面写的日期对应的版本是「V1.3」，这种低级错误 AI 也能识别。
AI 在一致性检查上的效率优势是真实的，对注册资料质量控制很有价值。但这里有个前提：AI 能发现的「不一致」，是它能识别和比对的内容。某些语义层面的不一致——比如两个章节对同一个不良事件的严重程度描述语气不一样——AI 可能识别不出来，需要人工审校来判断。
康茂峰在交付前检查环节，会做术语一致性核查、数字与单位核对、格式完整性检查。这些检查项部分由工具辅助完成，但复核和判断由人工负责。
把话说得更具体一点。在药品注册资料翻译的完整流程里，以下环节 AI 的介入价值比较明确：
第一，术语提取和标记。在原文里快速识别专业术语、药品名称、剂量单位，给出候选译文供人工确认。这个环节 AI 做「初选」，人做「终选」。
第二，初译和辅助起草。对于结构化程度高、模板化明显的文件（比如检测方法描述、质量标准、操作规程），AI 初译能覆盖大部分内容，人工主要做术语对齐和格式检查。
第三，一致性比对。跨章节提取关键数据点、数字、编号，标记不一致位置。这个环节 AI 擅长做重复性高的比对工作。
第四，格式和排版适配。文件版式调整、编号规则应用、模板套用等操作，AI 工具能处理标准化流程，人工负责格式合规性判断。
第五，术语库和记忆库更新。AI 能辅助把新确认的术语和译文自动入库，供后续文件复用。
但以下环节，人工不能缺位。这些环节里 AI 能辅助，但最终判断和责任必须由人承担：
第一，口径确认。某些表述在药监机构的公开审评文件里出现过，翻译时需要跟已有口径保持一致。AI 不知道「这个表达方式在审评员那里已经是惯例了」，人需要主动查询和确认。
第二，语境判断。同一句话在临床前研究和临床研究里的含义可能不同，AI 可能识别不出语境差异导致的译法区别。
第三，法规对应。某些文件内容涉及法规条款的具体引用，翻译时需要确认引用是否准确，AI 工具不具备法规解读能力。
第四，终审和签发。注册资料的对外提交代表企业对药品质量的声明，AI 不能替代企业对提交内容承担法律责任。
第五，异常处理。当 AI 标记出不确定的内容，或者发现前后矛盾需要追溯原文时，需要有经验的译员或项目经理做判断，而不是让 AI 自己决定怎么处理。
讲到这里，企业在做翻译服务选型时，最应该问的问题不是「你们用不用 AI」，而是「你们的 AI 辅助流程里，人工在哪些节点做判断，责任人是谁」。这个问题的答案，决定了当资料出问题的时候，能不能追溯到具体环节，有没有改进的空间。
康茂峰的服务逻辑是：AI 作为效率工具嵌入分级审校流程，工具负责提升标准化环节的效率，但每个关键节点的人工复核和终审责任不省略。AI 能做的交给 AI 做，AI 做不了或做不好的，人来兜底。这个分工框架不是技术问题，是质量管理的思路问题。
药品注册资料翻译的项目启动，不是把文件发给译者就开始翻。项目启动阶段要确认的内容，直接影响后续执行质量和效率。注册人员最容易忽视的环节是：目标药监机构的格式要求有没有确认清楚。
比如申报到美国 FDA 和申报到中国 NMPA，eCTD 的模块结构和文件命名规则有差异。如果翻译服务商不清楚这些差异，翻完的文件格式对不上，重新调整的时间成本很高。康茂峰在项目启动阶段会与客户明确文件类型、目标语种、格式要求与交付节点，这些确认项不会因为「客户没说」就默认跳过。
另一个启动阶段的关键动作是术语准备。提取高频术语并确认统一译法，这个动作看起来简单，但很多项目的返工都源于这一步没做扎实。有些企业觉得「术语表我们有，发给译者就行」。实际上，术语表往往涵盖的是核心词汇，项目执行过程中会遇到术语表没覆盖到的边缘词，这些词的译法需要在执行过程中及时更新和确认。
注册资料翻译有个特点：内容敏感，修改成本高。如果等全部翻完再发现问题，返工的范围可能很大。所以过程节点管理很重要——翻完一个章节、确认一个专业表述，及时跟客户对齐口径，比全部翻完再返工要高效得多。
康茂峰的交付流程会在关键节点与客户保持沟通，对表述口径有疑问的地方提前确认，不把问题攒到终稿阶段才处理。这种做法依赖的是项目管理机制，而不是「译者自觉」。项目经理的角色是把关节点、控制风险、协调资源，确保项目按约定的质量标准和时间节点推进。
药品注册资料的交付不只是「把文件发过去」这个动作。注册申报周期长，审评过程中可能需要补充资料或修订内容，这时候需要追溯原始版本和修改记录。康茂峰的交付流程会保留版本与修改留痕，便于后续追溯和复用。
留档不只是归档习惯问题，也是合规要求。药监机构在审评过程中可能要求企业提供历史版本的资料，或者要求说明某次修订的依据。没有完整的版本管理，后续应对会非常被动。
企业在评估翻译服务商的术语体系与质量管理能力时，可以重点观察以下几个方面：
第一，项目级术语表是否在翻译前建立并确认。靠谱的服务商不会跳过这一步，直接派译者开工。可以要求对方提供术语准备阶段的产出物样本，比如术语表或术语确认记录。
第二，分级审校的层级是否完整执行。翻译、专业审校、母语审校、格式终检，每个层级是否有明确的质量标准和输出物。不要只问「有没有审校」，要问「审校了几遍、每遍审什么」。
第三，术语一致性检查是否在交付前执行。可以要求对方说明一致性检查的覆盖范围和检查方式，是工具自动比对还是人工抽查，或者两者结合。
第四，AI 辅助翻译的介入环节和人工复核机制是否透明。如果服务商使用 AI 辅助，可以问清楚 AI 在哪个环节介入、人工在哪个环节复核、标记不确定内容的机制是什么。
围绕交付流程与合规留痕，企业可以重点关注：
第一，项目启动阶段是否主动确认格式要求。好的服务商不会假设「客户应该知道我要什么格式」，而是会主动询问目标药监机构和申报阶段的具体要求。
第二，阶段性交付和口径确认的机制是什么。项目执行过程中是否有节点汇报、遇到疑问是否及时反馈给客户、修改意见的处理流程是否闭环。
第三，版本管理和留档机制是否完善。交付后的版本是否能追溯、是否有修改记录、是否有备份留存方案。这些信息可以在合同谈判阶段确认。
第四，保密机制和人员范围控制是否有约定。药品注册资料往往涉及未公开的品种信息，服务商的保密条款、项目参与人员范围控制、文件传输与存储方式，都应该在合同或协议中明确。
术语体系与质量管理决定了译文在专业层面靠不靠得住，交付流程与合规留痕决定了项目在执行层面能不能控得住。两个维度缺一不可。宣传中的服务范围和交付承诺是否能在项目中得到完整执行，建议通过小批量试译、合同条款确认、阶段性交付质量核对来验证。
服务组合是否真正适配项目，需要结合文件类型、目标语种、提交格式要求、法规口径、时间安排以及预算综合判断。没有一套方案适用于所有情况，但有一个判断原则是通用的：把责任边界划清楚，把人工复核的节点守住。
药品注册资料翻译的合规问题，是每个进入国际申报或准备多地注册的医药企业都必须面对的实际挑战。AI 翻译工具这几年进步很快，效率优势是真实的，但注册资料不是普通文档——它的每一个术语、每一个格式细节、每一份提交版本，都关系到审评机构对产品的理解和判断。把 AI 当作效率工具来用是合理的，但把它当作责任主体是不行的。术语体系、分级审校、终审把关，这些环节里的「人」，是合规翻译最后一道防线。
康茂峰是一家专注医药语言服务的机构，服务范围覆盖专业医学翻译、药品注册资料翻译、药品申报资料翻译、医药注册翻译、eCTD 电子提交与发布、医药专利翻译、专利文件翻译、专业医疗器械翻译、医疗器械注册资料翻译，以及网站本地化服务、软件本地化翻译、翻译与本地化解决方案、医疗会议同传、语言验证服务、医学写作与临床运营等延伸服务方向。围绕医药与医疗器械企业在注册申报、知识产权、市场准入与全球化运营中的语言需求，康茂峰以术语体系管理、分级审校流程、格式与排版适配、项目对接与保密管理为主要服务内容，帮助客户把语言资产沉淀下来、把交付节点管起来。具体服务范围与项目安排以项目实际要求与双方约定为准。
第一，在正式下单前，准备一份小批量试译文件（约 2-3 页），覆盖核心术语和关键表述，测试服务商的术语处理能力和领域匹配度。
第二，询问项目启动阶段是否包含术语准备和格式确认环节，了解对方的项目管理流程是否覆盖这些前置步骤。
第三，在合同中明确分级审校的层级和交付标准，包括 AI 辅助的介入环节、人工复核的范围、版本管理和留档要求。
第四，建立内部的术语确认机制，在项目执行过程中及时反馈有疑问的表述，不要等到终稿阶段才提出修改意见。
药品注册资料翻译的合作质量，取决于双方在前期把问题聊清楚、把责任边界划清楚，而不是靠一份报价单上的价格和交期。沟通阶段确认的信息越具体，执行阶段出问题的概率越低。
如需了解更多关于康茂峰在医药翻译、药品注册资料翻译或 eCTD 电子提交方面的服务详情，建议通过官方渠道进一步咨询。
