温立铭第二天发来了具体情况。
不是项目委托，是一家制药企业的并购前期意向——对方是医药分销商，想进行战略性入股，看的是标的在国内的GMP认证情况和药品批准文号的有效性。他问陆衍，青舟能不能处理这类文件。
陆衍把消息转发给卫越，加了一句话：「先研究一下，药品注册这块的文件结构是什么样的，两天后给我说。」
两天后，卫越打来电话，语气是那种碰到真正有意思的问题时才有的平静。
「比我想的复杂。」他说。
陆衍靠在椅背上，「说来听听。」
「首先，」卫越说，「药品批准文号这个东西，和我们之前处理过的任何认证证书都不一样。医疗器械注册证，一张证对应一个产品品类，有效期比较长，字段相对集中。药品批准文号是一个药品注册证，对应的是一个非常具体的组合——药品名称、规格、剂型、适应症——全部锁死在那一张批件上。」
「也就是说，」陆衍说，「同一家药厂，同一个通用名称的药，如果有0.5毫克和1毫克两个规格，是两个批准文号？」
「对，两张独立证件，」卫越说，「而且不只是规格，如果适应症有扩展，那可能还要再申请一张。大一点的药厂，光是批准文号就可能有几百个，每一个都要分开管理，有效期独立。」
「有效期，」陆衍重复了一下。
「这是第二个问题，」卫越说，「国内药品批准文号是五年一期，要再注册。不是永久有效的。再注册如果没批下来，或者申请期间批件状态变成「受理中」，生产就要停。这和ISO 9001那种续证逻辑表面上像，但有一个关键差异——ISO 9001的续证，证书过期大不了重新申请，产品还能卖；批准文号再注册没通过，那个规格的药就不能生产了，没有缓冲期。」
「所以它的有效期管理权重更高，」陆衍说。
「重得多，」卫越说，「而且这还不是全部。GMP生产许可证是厂商证——整个厂获得GMP认证，才能生产药品。批准文号是产品证——这个具体规格的药获得批准，可以生产。两者缺一不可，互不替代。一个厂子可能GMP还有效，但某一个批准文号的再注册没完成，那个品种的药就不合规。如果并购方看的是收入结构，而某几个主力品种的批件快到期了，这件事对估值的影响可能比GMP认证过没过都大。」
陆衍没有接话，在本子上写了几个字：「批准文号 × GMP——两套并行，互不覆盖」。
「第三个点，」卫越说，「ICH Q10。这个是国际制药行业的质量体系标准，中国这边对应的是「药品生产质量管理规范」，但进出口的供应链上通常要看ICH Q10文件。这个和ISO 9001的逻辑完全不一样——ISO 9001核的是流程，ICH Q10核的是变更控制、偏差管理、产品生命周期这些具体的药厂运营事项。如果材料包里有ICH Q10相关文件，我们工具现有的字段识别逻辑覆盖不到，因为那个体系里的关键词和概念和我们之前处理过的任何行业都不重叠。」
「这个先放着，」陆衍说，「ICH Q10如果要处理是另一个层级。先说批件这块你发现了什么实质性问题。」
「实质性问题有一个，」卫越说，「我从温立铭那边借了几份脱敏样本，就8份，想看一下文件长什么样。」
「他给了？」
「给了，他说这是上次目标企业发过来的材料包里的几份，已经脱敏处理过了。」卫越停了一下，「然后我就发现了问题。」
「说。」
「这8份里面，有4份是药品注册批件，另外有2份是「药品补充申请受理通知书」，还有2份是「药品注册申请受理通知书」。前者是已经批了的，可以生产；后两种是「我们已经收到你的申请了，正在审」，什么都没批，只是说受理了。」
「那就是申请中的状态，」陆衍说。
「对，但是，」卫越说，「这几份文件从外观上看，抬头格式非常接近。都是国家药品监督管理局发的文件，都有申请人、产品名称、申请事项、受理号或批准文号这些字段。如果工具只识别关键词，这几种文件会被一起标成「注册相关文件」。但注册批件是「已批准可以生产的证件」，受理通知书是「已收到申请待审批的流程单」，两种文件的法律含义完全不一样。」
「如果搞混了——」
「如果搞混了，」卫越说，「工具可能会把一份「申请中」的文件当成「已批准」的证件去做有效期分析，结论就是错的。而且这种错不是字段比对错误，是文件本身的性质识别错误，在所有已有数据里找不到对的答案，因为根本就不应该在那个阶段找有效期。」
陆衍把笔停下来，想了几秒钟。
「这和之前我们碰到的问题都不一样，」他说，「之前的问题，大部分是在「已经确认有效」的文件里找内部矛盾——日期不对、范围不符、续证没跟上。这是在文件都找齐了之后的比对。但制药这块，在进入比对之前，就先要知道这份文件是哪个阶段的东西——是已批准，还是申请中，还是申请了被退回，还是申请了正在补充材料。」
「对，」卫越说，「这是一个前置的「文件阶段」识别，不是字段识别。字段识别我们之前做过很多次，但「这份文件在审批流程的哪个位置」这个判断，我们还没有过。」
「怎么解？」
「我想了两步，」卫越说，「第一步，先做文件类型识别：注册批件、受理通知书、补充申请受理、撤回通知、退审意见……这几种我查了一下，格式是不同的，有一些特征词可以用来区分，比如受理通知书里有「受理号」，注册批件里有「批准文号」，两个字段不同。第一步的任务就是把文件分对。第二步，分对了之后，在各自类型里做字段逻辑——注册批件里查有效期和产品范围，受理通知书里只标注「待审批状态，不含有效证件信息」，不做进一步比对。」
「这比之前所有行业都多一个前置步骤，」陆衍说。
「多了整整一层，」卫越说，「而且第一层出错了，后面全没意义。」
陆衍在本子上写了一行字：「文件阶段 > 字段比对——制药行业特有」。
他想了一下，「卫越，这8份脱敏样本里，你现在有把握把文件类型识别做到什么准确率？」
「70%，」卫越说，不假思索，「主要是因为8份里面就有两种我第一次见的格式，「补充申请受理通知书」和普通「注册申请受理通知书」长得非常像，我现在还没有找到可靠的区分规则。需要更多样本，把格式的变体看全了，才能把识别逻辑写稳。」
「那样本量不够，」陆衍说，「8份里有4种文件类型，每种才2份，没法从中归纳出稳定规律。」
「需要每种至少5到10份，」卫越说，「而且最好是跨不同年份的，因为政策变过，格式有过调整。」
「好，」陆衍说，「我去跟温立铭说。」
挂了电话，陆衍坐了一会儿，才打开手机给温立铭发消息。
「制药这块我们研究了两天，有几个情况想先说一下。」
「批准文号加GMP是两套并行的证件体系，缺一不可，并购方要看的话需要两边都评估。批准文号再注册的有效期风险，在估值层面可能比GMP认证本身更关键，因为一旦主力品种批件再注册没完成，对应品种就不能生产，影响直接。」
「我们工具在正式做字段比对之前，需要先识别文件阶段——「注册批件」和「受理通知书」外观上接近，但一个是已批准，一个是申请中，含义完全不同，如果识别错了，后面的分析就没有意义。」
「所以这个行业比我们之前走过的所有行业都要多一个前置步骤。你给我们的8份样本，每种文件类型的量还不够用来写稳识别规则。」
「现在需要：5到10份脱敏样本，涵盖注册批件、受理通知书、补充申请受理通知书、再注册批件这几种类型，最好跨不同年份。先把文件分类逻辑做稳，然后再评估字段比对能做什么不能做什么。整个评估周期大概两到三周。」
他把消息发出去，放下手机，去倒了杯水。
温立铭回得很快，比陆衍预期的快：
「你们的评估思路比我预期的细，样本明天就给你。」
然后又补了一句：「制药这个行业，我见过太多人说「可以做」，做进去才发现没搞清楚自己在做什么。你这样先说清楚不能做什么，我反而放心。」
陆衍把手机拿着看了一会儿，没有回复什么，放下来。
本子翻开，在「制药？」那两个字下面，新写了一行：
文件分类在前，字段比对在后。先把阶段识别做稳，再说能做什么。
然后在旁边画了个括号，标了个「卫越验证」。