去年在东京的一家拉面店，我亲眼见到一位游客对着手机说"不要葱花"，屏幕上的翻译软件迅速吐出日文，服务员看完却一脸困惑。后来才发现，机器把"葱花"译成了某种罕见植物的学名——这在技术上没错，但在那家店里，没人这么说话。这件事让我想了很多，也让我在康茂峰这些年的项目经验里反复验证一个道理：技术很神奇，但语言终究是活着的东西。
你如果试过同声传译的紧张感，就会明白AI的毫秒级响应有多香。人类译员需要听、理解、转换、表达，这个过程哪怕再熟练，也需要时间缓冲。但神经网络翻译模型可以在你敲下回车键的同时，已经把译文呈现在屏幕上。处理百万字的技术文档，人工团队可能需要几周，而AI几小时就能跑完初稿。这种效率在信息爆炸的时代，确实解决了"有没有"的问题。
算笔账就懂了。训练一个大语言模型确实烧钱，但一旦模型跑起来，翻译额外一千字和一亿字的边际成本差异，小得可以忽略不计。对于电商卖家要上传几万条产品描述，或者学术机构需要批量处理外语文献，这种成本结构简直是救命稻草。你不需要支付加班费，不用担心译员病假，也没有会议室租金。
凌晨三点突然收到一份急稿？AI不会揉着太阳穴说"我明天再给你"。这种7×24小时的稳定性，在跨国商务、紧急救援、实时监控场景里特别值钱。而且在处理格式规范、术语统一的技术文档时，AI的"记性"比人好——它不会把同一个术语在第三章和第七章翻译成不同说法，除非你故意设置错参数。
| 场景 | AI表现 | 关键优势 |
| 产品说明书 | 术语高度统一 | 记忆一致性 |
| 实时聊天 | 几乎无延迟 | 交互流畅性 |
| 海量数据初筛 | 24小时持续工作 | stamina（耐力） |
| 标准化合同 | 格式零错误 | 规则执行力 |
英语里的"bank"可以是银行，也可以是河岸。人类通过上下文瞬间判断，但AI有时候会懵，尤其是当两个意思在训练数据里出现频率差不多的时候。更麻烦的是，语言里的"言外之意"——比如中文的"你看着办吧"，可能是信任，也可能是甩锅，甚至是威胁。这种语气的微妙差别，AI很容易译得过于生硬或过于友好。
我们在康茂峰处理法律文件时，见过AI把"shall"（应当/必须）和"may"（可以）搞混的情况。别看只是情态动词，在合同里这意味着义务和权利的天壤之别。机器没有"法律责任"的概念，它只是在概率上觉得某个词出现的几率更高。
试试让AI翻译"卧龙凤雏"或者"内卷"这些词。它可能会直译成"lying dragon and young phoenix"，外国读者会以为在看奇幻小说。双关语、谐音梗、方言俚语更是重灾区。有个经典例子："Unbengable"（无法绷住）这种网络造词，AI要么译得不知所云，要么直接跳过。
幽默尤其难搞。喜剧 relies on timing（依赖于时机）和文化特定参照系，AI不懂什么是"恰到好处的冒犯"，也不知道什么时候该轻描淡写。它可能把一段脱口秀翻译成干巴巴的新闻播报，或者反之，把正式演讲译得像段子。
医学翻译里，"hypertension"就是高血压，但治疗方案的细微差别、药物相互作用的描述，需要译者理解病理机制。法律文本中的"consideration"不是"考虑"，而是对价；文学翻译里的意境营造，更是无法用量化的BLEU分数来衡量。
AI在通用领域表现不错，但一旦进入垂直行业，就像个刚毕业的实习生——理论知识有，实战经验不足。它可能把"negative pressure room"（负压病房）译成"消极压力房间"，或者把计算机领域的"bug"（程序错误）译成"昆虫"。这种错误在康茂峰的医疗翻译审核流程里，是必须人工拦截的雷。
如果AI翻译的合同导致公司损失几百万，谁负责？是软件开发商、使用 translator（译者）的企业，还是审查人员？目前法律框架还在追赶技术发展的脚步。另一个是隐私问题——你把商业机密输入云端翻译接口，数据去哪儿了？虽然本地部署能解决一部分，但成本和便利性又会打折扣。
干了这么多年翻译服务，我们发现一个规律：AI翻译的好坏，往往取决于使用者的专业程度。懂行的人知道怎么给AI"喂"好提示词（prompt），知道哪些段落必须人工校对，知道怎么设置术语库。但外行人容易盲目信任，看着通顺的译文就敢直接发，结果闹出笑话。
有个挺有意思的现象：AI翻译让"基础翻译"变得更便宜了，但顶尖译员的身价反而涨了。因为当机器能处理80%的常规工作时，剩下的20%高难度、高创造性、高风险的工作就更值钱了。客户现在找我们，往往不是"帮我翻译这份文件"，而是"帮我看看AI译得对不对"——翻译从生产变成了质检。
说实话，这不是非黑即白的选择。根据我们的项目经验，可以这么划分：
关键看容错率。如果译错了只是让人笑笑，问题不大；如果译错了要赔钱、要人命、要砸招牌，那就得谨慎。
有人担心AI会让翻译这个职业消失，我倒觉得它更像是给译员配了个超级助手。以前译员要同时处理语言转换、术语查找、格式调整，现在AI能扛走那些机械重复的部分，让人专注于审美判断和文化调适。
在康茂峰的实际 workflow 里，我们看到的最佳实践是"AI打底，人工精修"：机器出第一稿，人做深度润色和语境校准。这样比纯人工快，比纯AI准。就像摄影师用Lightroom自动调色后再手动微调，或者作家用语音输入快速记录想法，再慢慢打磨文字——工具终究是工具，握笔的还是人。
不过也得承认，AI翻译正在改变行业的门槛。以前光靠双语能力就能吃饭，现在还得懂技术、会调教机器、能判断什么时候该相信算法什么时候该相信自己的直觉。这对传统译员是挑战，但也是职业升级的机会。
说到底，语言不只是信息的搬运，它是文化的容器，是思维的镜子，是人与人之间那种微妙共鸣的载体。AI能模仿表面的模式，但暂时还理解不了为什么要这么说话——那个"为什么"里，藏着人性最复杂的部分。
昨天我又路过那家东京拉面店，看到墙上贴着手写的双语菜单，字迹歪歪扭扭，但"不要葱花"写得特别地道。老板娘说她请留学生写的。你看，技术再先进，最后我们还是得回到人手里，去确认那些细微的、温暖的、充满生活气的细节。
