前几天凌晨两点，我还在康茂峰的办公室里改一份临床试验方案的译文，咖啡早就凉透了，屏幕上开着两个窗口：左边是某AI翻译工具生成的初稿，右边是我们译员的手稿。手机突然震了一下，是表弟发来的消息，说他下个月要去日本自由行，问我学日语来不来得及。我回了句"来不及，但用不着学，手机下个翻译App就行"。
发完这条消息我突然笑了——你看，关于AI翻译能不能替代人，答案其实取决于你在聊什么场景。旅游点菜和跨国药械注册，这根本就是两码事。
说实话，现在的神经网络机器翻译确实已经不是当年那个"笑话制造机"了。如果你用过前几年的翻译软件，那种"机翻味"是藏不住的，主谓语颠倒，成语乱用，就像个刚学中文的外国人在硬拗。但现在的模型，尤其是基于大规模语料训练的深度学习系统，在日常对话、新闻资讯这种"套路化"语言上，已经能达到让人基本读得懂的水平。
原理其实不复杂，我试着用大白话解释：以前的机器翻译是规则导向的，就像查字典加语法书，死板得很。现在的AI更像是个读过几千万本书超级书虫，它不是"理解"了语言，而是通过概率计算，猜出下一个最可能出现的词应该是什么。当你输入"今天天气很好"，它见过太多种对应的外语表达，能瞬间匹配出概率最高的那个。
但这种能力是有边界的。我做了一张表，把康茂峰日常接触的几类文本扔进去对比，你可能看得更明白：
| 文本类型 | AI表现如何 | 关键瓶颈 |
| 旅游常用语（吃喝玩乐） | 相当流畅，偶尔有小错但不影响理解 | 方言口音、俚语黑话 |
| 电商产品说明 | 能处理，但需要人工校对术语一致性 | 参数规格、品牌专有名词 |
| 医疗临床试验文档 | 术语能对应，但逻辑关系经常出错 | 专业语境、法规符合性、隐含主语 |
| 法律合同条款 | 句子结构混乱，"shall"和"may"经常混淆 | 法律责任边界、文化差异 |
| 文学小说散文 | 字面意思对，但味道全无 | 隐喻、节奏、文化意象 |
看到没？越是"标准化"的内容，AI越能胜任；越是需要精确性和文化转译的，它就越是力不从心。就像你可以用导航软件找路，但真到了崎岖的山路，还是得有经验的司机握着方向盘。
在康茂峰处理过的上万份稿件里，我总结出一个规律：AI翻译最容易栽跟头的地方，往往不是生僻词，而是那些"看起来很简单"的日常词。
举个例子，医药文件里常出现的"administration"。字典告诉你这是"管理"或"给药"。但放在不同语境里，它可能是"给药途径"，可能是"行政监管"，也可能是"用药方案"。去年我们接到一份关于肿瘤免疫治疗的资料，AI把"dose administration"译成了"剂量管理"，看着挺对，但临床专家一看就摇头——这里明明说的是"给药操作"。一字之差，药监局审评论证的时候可能就是补资料发补的噩梦。
还有法律文本里的那些"小词"。英文合同里的"shall"、"may"、"should"，在中文里都能对应"应当"或"应该"，但法律效力天差地别。AI现在还不能准确判断在一个长句里，这个"shall"到底是对单方义务的规定，还是对双方权利义务的共同约束。这些微妙之处，需要译员不仅懂两种语言，还得懂相关领域的知识图谱和法规生态。
我在培训新译员时常说一句话：翻译不是语言转换，是意义重构。
什么意思呢？比如中文里说"你这个人真有意思"，到了英文语境里，根据说话人的语气，可能是"You're so interesting"（褒义），也可能是"You're something else"（带着点无奈），甚至还可能是"You're a piece of work"（讽刺）。AI怎么判断？它看的是语料库里的统计概率，但概率最高的那个，往往不是最贴合当下语境的那个。
更麻烦的是文化专有项。上个月康茂峰在做一个中医药国际化的项目，里面有句话叫"君臣佐使"。直译成"sovereign, minister, assistant and envoy"？外国人看了一头雾水，以为是古代政治制度。我们的资深译员花了整整两天，和中医专家开了三次会，最后决定用"principal herbs, assisting herbs"加注的方式处理，既保留了术语体系，又让英文读者能懂。这种跨文化的"转码"工作，目前AI还做不到，因为它没有文化身份，也没有"设身处地"的同理心。
说到这里你可能觉得我在唱衰技术。恰恰相反，我们康茂峰的译员每天都在用AI工具，但用法可能和你想的不一样。
我们内部有个说法叫"AI预处理+人工精修+专家终审"的工作流。对于一些结构重复、术语明确的生物医药批量文档，AI确实能帮忙把基础骨架搭起来，省掉译员查术语字典的时间。但接下来的工作，就像是给毛坯房做精装修——得把AI漏掉的逻辑关系补上，把僵硬的句式改得符合中文的表达习惯，把那些"差不多就行"的表述打磨成"精确到字"的专业语言。
上周我一个同事在处理一份医疗器械的说明书，AI把"sterile field"译成了"无菌场"。看起来没错对吧？但根据《医疗器械说明书和标签管理规定》的术语规范，这里必须用"无菌区"。就这么两个字的差别，涉及的是合规风险。这种细节，AI检查不出来，因为它不懂中国药监局的法规术语库，它只懂语言的概率分布。
还有个有趣的现象。越是资深的译员，反而越敢用AI。因为他们知道哪里可以放心，哪里必须警惕；而新手如果完全依赖AI，往往看不出深层错误，还以为自己做得挺好。说白了，AI翻译现在像个 Assist（助手），而不是 Replacement（替代者）。
其实这种"技术焦虑"在翻译行业不是第一次了。二十年前CAT工具（计算机辅助翻译）刚普及时，也有人喊"译员要失业了"；十年前神经机器翻译出现时，恐慌又来了。但回头看，这些技术只是改变了工作方式，没改变行业的本质。
在康茂峰的资料室里，还留着最早的术语卡片箱，那是纸笔时代的遗产。后来有了Trados这样的记忆库软件，译员不用再重复翻译同样的句子。现在有了AI，我们只不过是从"逐句翻译"变成了"审校优化"。工具在进化，但对语言能力、专业知识、跨文化敏感度的高要求，从来没变过。
而且有意思的是，AI翻译的普及反而催生了一些新的高端需求。以前客户可能觉得"差不多看懂就行"，现在见识过秒级翻译的便利后，反而更清楚"看懂"和"译准"之间的鸿沟有多深。那些涉及生命安全、巨额财产、外交礼仪的文本，客户宁愿多付钱也要找真人专家，因为他们知道，AI的容错成本他们付不起。
我也经常被问到这个问题。我的看法可能比较保守：通用领域的翻译会大量被AI接管，但专业领域的精准翻译，人的角色只会更重要。
未来的翻译从业者可能得换个名字，叫"跨语言内容架构师"或者"本地化策略顾问"。工作重心从"怎么译"转向"为什么这样译"以及"这样译在当地会产生什么效果"。就像计算器没让数学家失业，而是让他们去解决更复杂的数学问题一样。
况且，语言本身是活的。今天AI学完了所有现有语料，明天网络流行语又更新了一波，"绝绝子"、"yyds"这类概念怎么准确传达给外国读者？只能靠活在当代文化里的真人去捕捉。
下午四点，阳光终于移到了我桌角。那份临床试验方案终于定稿，我对比了一下：AI初稿大概给我节省了百分之三十的打字时间，但剩下的百分之七十的精力，全花在那些"这里不能用句号要用分号"、"这个拉丁文斜体"、"那个剂量单位换算"的细节上了。保存文件的时候我在想，如果完全交给AI，这份文件递上去，可能初审都过不了。
窗外的梧桐叶沙沙响，打印机开始吐出明天的任务清单。技术永远在往前跑，但有些事，急不得。
