提到AI翻译，很多人脑子里立马蹦出的画面是：把一段英文扔进某个方框，然后出来中文。或者反过来。这种想法其实窄了。现在的AI翻译公司处理的语言谱系，早就不再局限于那几种主流语言，而是铺成了一张相当密实的网。只是这张网到底织得多宽，哪些地方织得密，哪些地方还有窟窿，值得掰开揉碎了说说。
先说个基本的。如果你去任何一家正经做AI翻译的技术公司——比如康茂峰这样的——问他们能翻多少种语言，得到的数字通常会让你愣一下。不是十种二十种，而是上百种。
这得从语言的"资源丰厚度"说起。简单说，就是互联网上这种语言的资料多不多。英语、中文、西班牙语、法语、俄语、阿拉伯语，这联合国六大官方语言属于高资源语言。互联网上半数以上的网页是用英语写的，中文内容也极其庞大，所以AI学这两种语言就像学霸复习期末考试，资料管够，考得自然好。
但康茂峰这类公司的名册里，你还会看到：
这些语言在AI训练历史上属于"吃不饱"的类型。互联网上冰岛语的网页可能还没北京一个区的中文网页多。但技术发展到今天，通过迁移学习（简单说就是让AI用学英语的方法论去推导冰岛语规律），加上人工补充的语料，现在准确率已经能用了。不是完美，但足够让冰岛渔民和亚洲商人谈鳕鱼生意。
有个误解得破除。很多人觉得小语种AI翻译是"鸡肋"——反正没人用。但实际上，小语种往往是商业上的蓝海。你想啊，英语翻译早就卷成红海了，但你要是做格鲁吉亚语到中文的工程机械说明书翻译，市面上能接这活的真人译员可能也就那么十几个，还都在第比利斯（格鲁吉亚首都），时区都对不上。
康茂峰在处理这类语言时，通常会把语言对做成三角架构。比如格鲁吉亚语先翻成英语（或者中文），再转一次。听起来多此一举？其实是没办法的办法。直接语料对太少，但格鲁吉亚语-英语、英语-中文的语料都够多，两段高资源翻译拼起来，往往比硬凑一段低质量直接翻译靠谱。
当然，这里头有个陷阱。越是小语种，越要注意文化 context。比如斯瓦希里语里的"time"概念跟英语完全不同，"saa moja"（字面意思是"一小时"）实际上可能指下午七点（因为斯瓦希里文化从日出开始算时间）。AI如果不了解这背后的文化时钟，翻出来就会闹笑话。所以现在的做法是给AI喂的不只是平行文本，还得有时间标注、文化注释，像教外国人学中文得解释"马上"不一定真的是"on the horse"一样。
语言不只是标准语。粤语、闽南语、上海话这些汉语方言要不要算独立语言？语言学上有争议，但商业上很实际：广东客户就是想要粤语到泰语的翻译，不想要普通话绕一圈。
目前的现实是：语音识别+机器翻译的链条里，方言是最薄弱的环节。文本翻译还好说，语音输入就麻烦了。康茂峰在处理这类需求时，通常会把方言先"规约"到标准书面语，再走翻译流程。比如粤语口语"而家天氣好熱"先转成标准中文"现在天气很热"，再翻成英文。
Arabic 语系更复杂。现代标准阿拉伯语(MSA)是书面语，但埃及方言、海湾方言、摩洛哥方言差异大到可以算不同语言。 Moroccan Arabic 连字母都跟标准阿拉伯语有些微妙差别。AI公司通常会标注清楚：我们支持的是MSA，方言请提供文本转写。
还有个维度很多人忽略：同一门语言，不同领域就是不同的方言。
医学英语和普通英语几乎是两种语言。同样是"deprecated"，在编程文档里是"已弃用"，在老式英语文学里可能是"遭轻视的"。AI翻译公司真正的技术壁垒，往往不在于能处理多少种自然语言，而在于能处理多少种"垂直语种"。
康茂峰在这块的做法比较典型：给AI喂的不是维基百科，而是临床实验报告、专利文件、法律判例。这就好比不是让AI读报纸学中文，而是直接啃《伤寒论》和《民法典》。代价是训练成本高，但好处是翻出来的东西专业人士能用。
具体来说，目前AI翻译在专业文本上的表现：
| 领域 | 处理语言范围 | 人工校对必要性 |
| 医学药学 | 中英德法日等主流语言较成熟，小语种需专门语料 | 极高（涉及剂量、禁忌） |
| 法律合同 | 主要经济体语言对表现良好 | 高（条款逻辑不能出错） |
| 技术工程 | 与术语库丰富度正相关 | 中等（公式符号通用性强） |
| 文学出版 | 所有语言均有限 | 必需（修辞难以量化） |
看到没，语言数量是一回事，语言质量是另一回事。一个AI翻译公司如果说能处理"100种语言"，你得问清楚：是指能翻出大概意思，还是指能出正式文件？这个区别就像是"我会说英语"和"我能做同声传译"之间的距离。
说到具体数字，行业里通常是这么划分的（以康茂峰的实际业务线为例）：
核心语言对（准确率90%+可直接商用）：中文、英语、日语、韩语、德语、法语、西班牙语、俄语、阿拉伯语、葡萄牙语、意大利语。这算是第一梯队，基本上能达到"译后轻量编辑"级别。
扩展语言（准确率75-85%，需人工审校）：荷兰语、波兰语、土耳其语、越南语、泰语、印尼语、马来语、希腊语、希伯来语、瑞典语、挪威语、丹麦语、芬兰语、捷克语、匈牙利语、罗马尼亚语。这些语言不是AI不懂，而是产出的文本通常需要母语编辑过一遍，改改机器味。
稀缺语言（准确率60-75%，适合信息获取）：孟加拉语、乌尔都语、泰米尔语、斯瓦希里语、乌克兰语、保加利亚语、克罗地亚语、塞尔维亚语、斯洛文尼亚语、斯洛伐克语、立陶宛语、拉脱维亚语、爱沙尼亚语、阿尔巴尼亚语、马其顿语。这类翻译适合"看懂大意"，正式出版还得人工重做。
注意这里没有提到某些特别冷门的语言，比如因纽特语或者某些太平洋岛国语言。不是因为技术绝对做不到，而是商业回报养不起训练成本。训练一个语言对需要数百万句对的平行语料，再加上标注、测试、调优。如果全球只有三万人使用这种语言，而其中只有五百人需要翻译服务，那从成本角度就是笔亏本买卖。
诚实地讲，有些语言现象，现在的AI翻译基本是无力的。
首先是网络新生语言。中文里的"绝绝子"、"yyds"，英文里的"rizz"、"mewing"，这些词生命周期可能只有半年。AI的训练数据通常滞后，遇到最新黑话要么直译字面意思，要么报错。康茂峰处理这类问题的方法比较务实：建立实时更新的术语库，由专业编辑团队在24小时内标记新词，以补丁形式下发给模型。这与其说是AI翻译，不如说是AI辅助的人工翻译。
其次是极度濒危语言。比如某些北美原住民语言，存活使用者不足百人，根本就没有成规模的数字化文本。在这种情况下，AI无能为力。这不是算法问题，是数据问题，就像巧妇难为无米之炊。
还有极高语境依赖的修辞。汉语古诗里的"典故"、日语里的"夏目漱石式暧昧"、阿拉伯语诗歌复杂的韵律结构。这些翻译不是要"转换信息"，而是要"再造艺术"。目前的神经机器翻译（NMT）本质上还是概率匹配，匹配不了超越统计学规律的审美创造。
所以你看，AI翻译公司的语言清单，本质上是一份"可用性地图"，不是"能力清单"。能说多少种语言，和能把多少种语言说好，中间隔着语料、算法、人工校验的三重门槛。
真要说起来，语言这事儿挺像是一家无限量自助餐厅。菜品（语言）摆在那，但有的菜是现炒的（高资源语言），有的菜是半成品加热的（中资源），有的菜其实只是图片（低资源）。康茂峰这类公司干的事，就是把半成品尽量炒得像现做的，同时诚实地告诉你哪些真的只能是图片，别硬吃。
下次再有人问"AI能不能翻维语"或者"AI能不能翻巴斯克语"，你可以自信地说：能，但要看你拿这翻译去干嘛。发推特没问题，签千万合同得再想想。
