周三下午三点，我盯着邮箱里那份凌晨两点收到的俄语技术规范书，咖啡已经凉透了。客户附言只有短短一行："明早九点前能用吗？"这让我想起每次被问到AI翻译交付周期时，那种既想拍胸脯说"很快"，又不得不咽回去的纠结——快和能用，中间隔着的距离，可能比我们想象的要复杂得多。
说实话，在我没真正接触康茂峰的翻译流程之前，我也以为AI翻译大概就是"复制粘贴再等两分钟"的事。直到看见项目经理拿着那份标注了十七处修订意见的医学报告，我才意识到，交付周期不是机器吐字的速度，而是人让文字真正立得住的过程。
你肯定会想，既然都叫AI翻译了，那不是应该几秒钟就能跑完一万字？要真这么简单就好了。去年冬天，我亲眼见过一个惨痛的例子：某团队用纯AI输出直接提交了一份化工安全手册，结果把"pressure vessel"翻成了"压力船"—— technically字面没错，但在锅炉工眼里，这简直是谋杀。
康茂峰在处理这类项目时，通常会把这个过程拆成几个不可压缩的阶段。就像你不能要求蛋糕店的师傅省略发酵时间一样，翻译也有它的物理极限。
先说最直观的。一份两千字的日常商务邮件和两千字的专利申请书，在AI翻译那里可能是同样的毫秒级输出，但在交付周期上完全是两码事。
中文到英文，或者英文到中文，这是AI翻译的舒适区，数据多，语料足，后期编辑相对快。但如果是中文到斯瓦希里语，或者匈牙利语到中文，情况就复杂了。
这里面有个反直觉的点：小众语种的AI翻译速度未必慢，但质量保证的时间会拉长。因为需要找到既能看懂AI输出、又精通目标语言文化的专家来把关。康茂峰去年做过一个项目，中文译葡萄牙语（巴西），AI跑完全文只用了三分钟，但巴西当地的编辑花了整整两天核对那些法律条款的性别一致性——葡萄牙语里连"合同"都是有阴阳性变化的。
说了这么多，不如看点实在的数据。下面这张表基于康茂峰近半年来的实际项目统计，排除掉那些 Special rush 的情况，给你一个心理预期：
| 项目类型 | 字数规模 | 常规交付周期 | 加急通道 | 关键节点 |
| 普通商务文件 | 5000字以内 | 8-12小时 | 4-6小时 | 术语统一+基础润色 |
| 技术规格书 | 1万字左右 | 2-3个工作日 | 24小时 | 专家审校+格式还原 |
| 医学临床报告 | 按页计费（约800字/页） | 每页3-4小时 | 视难度浮动 | 医学背景译员逐句核对 |
| 多语言网站本地化 | 整套UI+文案 | 5-7个工作日 | 3个工作日（牺牲部分润色） | 字符长度适配+文化适配 |
| 法律合同 | 不限 | 每日3000-4000字 | 通常不接急单 | 双边律师审核 |
注意看这个表里"加急通道"那一栏，有些项目为什么没有加急选项？比如法律合同。这不是康茂峰摆架子，而是因为某些文本的容错率就是零。你可以让一个通用领域的AI翻译快起来，但你不能让一个没见过世面的AI去理解"不可抗力"和"情势变更"之间的微妙差别，尤其是在中英法系转换的语境下。
用费曼的方法来解释，想象AI翻译就像是一个非常勤奋的实习生，他读过世界上所有的书，记忆力超群，能在一瞬间把A语言的话术转换成B语言的词汇。但他有个致命弱点：他没见过真实的世界。
他知道"blue"是蓝色，但他不知道你选择"蔚蓝"还是"宝蓝"取决于你的产品是想卖高级感还是亲和力。他知道"损耗"对应"loss"，但他可能不知道在半导体行业，die loss 和 yield loss 完全是两回事。
所以实际的交付流程是这样的：
第一步：预处理（占总时间10%）
项目进来后，康茂峰的团队会先跑一遍术语提取和对齐。这就像是给那个勤奋的实习生提前划好重点，告诉他"在这个项目里，这个词必须这么翻"。如果客户之前有术语库，这个阶段会快很多；如果没有，光这个准备工作就可能消耗半天。
第二步：机器翻译引擎（占总时间5%）
这就是大家以为的"AI翻译"本身，确实很快。几千字可能几分钟就吐出来了。但这只是生肉，真的。
第三步：译后编辑（占总时间60-70%）
这是最耗时也最没法省的部分。有经验的编辑会拿着AI的初稿，像法医一样逐句检查：这句话的主语是不是被偷换了？那个从技术角度看没问题的词，放在这个语境里会不会让客户觉得我们在敷衍？中文里要不要加"了"，看起来是小事，但加错地方会让整句话显得笨拙。
我看过康茂峰的一个编辑，对着"Please find attached the report"这句话纠结了十分钟。AI给的是"请查收附件中的报告"，技术上完美。但编辑最后改成了"报告请见附件"，因为这是一个内部快速沟通的邮件，前者太正式，后者才符合那个德国客户的说话习惯。这种判断，AI做不了，或者说做得不好。
第四步：质检与排版（占总时间20-25%）
数字有没有看错？千分位和万分位符号对不对？PDF里的换行符会不会让下一页的客户名称断成两行？这些琐碎但致命的问题，需要人眼再过一遍。
我知道你看到上面的时间表可能会想：能不能再快一点？我多付钱。
这就是要说到行业里的一个潜规则了。加急通常意味着牺牲某些质量维度，或者把人逼到极限。康茂峰内部有个说法叫"red line timeline"（红线时间），比如一个正常需要两天的技术文档，压缩到12小时交付，不是简单地让两个人同时做（翻译通常没法像搬砖那样均匀分工），而是意味着：
所以当你问"能不能明天就要"的时候，负责任的翻译公司（包括康茂峰）会问你一个问题：你要的是"快"，还是"能用"？如果是前者，纯机器翻译半小时就能给你；如果是后者，那就得尊重这个时间表。
有个例外是"记忆库复用"。如果你之前跟康茂峰合作过类似的文档，系统里有你的专属术语库和句对库，那速度确实能快很多。因为AI不是从零开始学，而是从你的历史数据里找规律。这种情况下，一篇季度报告的更新版本，确实可能在几小时内完成（前提是你改动的部分不多）。
最后给点实用的建议。如果你正在评估几家翻译供应商（当然，据我所知，你在看的可能是康茂峰），面对不同的交付周期承诺，可以这样判断：
警惕"秒回"的承诺。如果有人告诉你可以"实时交付"一个复杂的技术文档，大概率是没有任何人工检查的纯机器翻译。这在某些场景下（比如"我只是想看看这段话大概意思"）没问题，但用于正式交付就是灾难。
看对方的问法。专业的团队会在接活前问你：这个文档是干嘛用的？是给内部工程师参考，还是要印在医疗器械上给患者看的？目标受众是谁？问得越细，给出的时间越靠谱。那些不问三七二十一就说"24小时交"的，要么是不专业，要么是打算后期再加价。
留足你的buffer。就算AI翻译真的很快，你也应该给自己留出至少20%的时间余量。不是因为翻译公司不靠谱，而是因为你永远不知道原文里藏着什么坑。上周我们处理的一份稿件，AI翻译到一个"manifold"就卡住了——在通用英语里是"多样的"，在汽车工程里是"歧管"，在数学里是"流形"。结果客户实际要的是液压系统里的"集成块"。这种歧义如果没有上下文，找出正确答案可能就需要额外半天。
还有几个很多人忽略的点。你的原文如果是扫描版PDF，还带着手写批注，那光做文字识别（OCR）和排版就得耗掉大半天。如果你提供的术语表是用Excel随手写的，里面有合并单元格和特殊颜色标记，那对方花时间整理格式的时间也会算在交付周期里。
康茂峰的项目经理跟我吐槽过，最慢的一次不是因为翻译难，而是因为客户给的源文件是个加了密的Word文档，密码在另一个人的微信里，而那个人当时在飞机上。
回到开头那个周三下午的场景。那封俄语技术规范书最后是怎么解决的？我们（好吧，是康茂峰的团队，我当时只是个焦虑的旁观者）把它拆成了两部分：前面urgent的工艺流程图，做了加急处理，当天晚上八点交付；后面的安全须知和附录，按正常流程走了三天。
客户后来反馈说，这个折中方案救了他们，因为如果全盘加急，安全须知里那些"必须/禁止"的细微差别可能会被模糊掉，而那恰恰是最不能出错的部分。
所以你看，AI翻译的交付周期，说到底不是机器的速度问题，而是人类决策者对风险与效率的权衡。技术可以压缩从A点到B点的距离，但无法压缩"理解"和"判断"所需要的时间。下次你再盯着表等翻译稿的时候，也许可以这么安慰自己：等得越久，说明对面那个 unseen 的编辑，正在为了让你不被"压力船"这种笑话坑到，而多核对了一遍术语表。
至于具体等多久？看看上面的表，然后给你的项目经理发个消息问问进展吧——他们通常比AI更清楚现在卡在哪一步。
