大语言模型(LLM)技术是近年来人工智能(AI)领域最为重要的突破之一,核心在于利用大规模数据训练和深度学习(DL)算法构建具备强大泛化能力的模型,应用场景极为广泛,涵盖自然语言处理、计算机视觉、语音识别等多个领域。目前,LLM技术在AI领域取得显著进展,为药品监管智能化升级带来新的机遇。本研究在梳理全球药品监管机构积极探索药品监管领域LLM应用现状的基础上,深入研究了药品监管领域LLM一体化建设策略,分析了当前应用现状及存在问题,如统筹管理欠缺、算力资源短缺、数据安全与质量问题、模型质量不足等。针对这些问题,提出了一体化建设思路,包括统一部署基础LLM、结合药品监管数据精调主领域LLM、规划布局与构建子领域LLM、基于领域模型蒸馏轻量应用模型、建立模型集中训练与共享机制等顶层设计思路。同时,明确了国家药品监督管理局和省级药品监管部门在一体化建设中的推进重点,旨在通过强化顶层设计和协同合作,实现技术互通、生态整合,推动AI技术在药品监管领域的广泛应用,提升监管效能,保障公众健康和药品安全。