上周在三元桥附近的一家咖啡馆，我遇到一个做生物医药的专利代理人。他端着美式咖啡，皱着眉头问我："现在那些AI翻译公司标榜什么都能翻，说我们专利文件几千字半小时就能出稿，还能保证质量。这靠谱吗？"我看着他杯里没化完的冰块，突然意识到这问题真的被很多人想简单了。
坦白说，在康茂峰处理过的上万份专利文件中，我们见过太多因为翻译问题导致的麻烦。有的客户拿着某AI平台翻译的PCT国际申请文件来找我们补救，结果发现权利要求书里的"comprising"被翻成了"包含"而不是"由...组成"，这一字之差，专利保护范围直接缩水三分之一。所以关于AI翻译公司能不能做高质量专利翻译这个问题，答案根本不是简单的"能"或"不能"，而是得拆开看——看什么类型的AI，看什么阶段的文件，更得看你对"高质量"的定义有多严苛。
现在的神经机器翻译（NMT）跟十年前那种逐词对应的电子词典已经完全不是一回事了。基于Transformer架构的大模型确实吃进去了海量平行语料，在通用领域的流畅度有时候能骗过专业译者。特别是在处理一些结构化的技术描述时，比如"所述装置包括一个基座、一个固定在基座上的支架..."这种套路化的表达，AI翻得又快又稳。
但专利翻译这玩意儿有个要命的特点：它不是给人读着顺就行，而是要在法律层面站得住脚。
我举个例子。在机械领域的专利文件里，"a plurality of"这个短语，AI通常会翻成"多个"。听起来没错对吧？但在特定的权利要求语境里，这可能需要精确对应"两个或两个以上"与"复数个"的法律含义区别。康茂峰的译员在处理这类文本时，得同时盯着技术附图、查看在先专利的表述惯例，甚至要确认客户的技术交底书原文有没有歧义。这种需要跨文档、跨语境、跨法律体系的判断，目前市面上的通用AI翻译引擎基本抓瞎。
更麻烦的是术语一致性。AI确实能记住术语库，但它分不清楚什么时候该严格对应，什么时候需要根据技术语境微调。比如在化工专利里，"solution"在反应条件描述中可能是"溶液"，但在数学建模部分可能得译成"解"。这种动态判断需要译者既懂技术又懂法律，还得有行业经验——这三重门槛卡下来，纯AI方案现在还真跨不过去。
很多人觉得专利翻译就是技术文档翻译加个法律框架，这理解太浅了。真实的专利翻译至少有四重绞肉机：
康茂峰去年处理过一个案例：某AI公司自己用机器翻译把一份关于深度学习芯片的美国专利译成中文，结果在"convolutional neural network layer"这个术语上，AI给出了"卷积神经网络层""卷积神经网膜层""回旋神经网络层"三种译法。客户拿着这份文件去申报高新技术企业，被审查员质疑技术术语不统一，差点影响资质认定。我们后来介入时，光是术语统一就花了两个工作日——不是因为翻译量大，而是得逐句核对技术语境，确认每一个"layer"到底是指物理层、逻辑层还是算法层。
专利翻译里有些门道，写在教科书里都没有，但做这行的人都懂。
比如日式专利的翻译。日本申请人写专利有个习惯，喜欢用长定语从句堆叠技术特征，一整句话能占半页纸。这种句子结构在中文里必须拆分重组，但拆分点选在哪里，直接影响技术逻辑的呈现。康茂峰有个做了十五年化学专利的译员跟我说，他判断句子断点的依据，有时是经验，有时是直觉——这种基于海量实践证明的"手感"，AI现在还不具备。
再比如对比例文件的处理。专利审查员引用在先专利的对比文件时，翻译必须忠实反映原文的技术方案，但有时也需要根据当前申请的技术方案进行适当的语境调整。这种既尊重原文又服务于当前申请的微妙平衡，需要译者像律师一样思考，像工程师一样严谨。
| 翻译环节 | AI表现 | 人工审校必要性 |
| 技术背景介绍 | 流畅度高，术语基本准确 | 低（需抽检技术细节） |
| 具体实施方式 | 流程描述较准确，但数值单位易出错 | 高（需核对附图标记） |
| 权利要求书 | 句式结构易僵化，法律衔接词易误用 | 极高（涉及保护范围） |
| 公式与化学结构描述 | 符号转换准确率低 | 极高（需专业领域人工复核） |
在康茂峰的工作流程里，我们确实在用AI工具，但用法可能跟外界想象的不一样。
我们目前的做法是分段式处理：对于背景技术部分，可以先过一遍机器翻译作为初稿，节省译者的时间；但到了权利要求书，必须从原文开始人工翻译，机器翻译只作为术语参考。特别是在处理PCT国际申请进入中国国家阶段的文件时，我们甚至要求译者对照原文、译文、以及可能的同族专利审查历史，进行三重校验。
有个细节很能说明问题。去年我们接手了一批新能源电池的专利翻译，其中涉及"阳极"和"正极"的译法选择。在电化学领域，"anode"在放电时可能是正极，在充电时又成了负极。AI翻译通常机械地对应成"阳极"，但康茂峰的译员团队根据该专利主要描述的充放电阶段，结合权利要求的保护倾向，建议在某些段落使用"正极"以符合行业阅读习惯。这种基于技术场景的判断，机器根本做不了。
成本方面，纯AI翻译确实便宜，可能千字几十块。但如果算上后期法律风险——比如因为翻译瑕疵导致的审查意见答复成本、甚至专利无效风险——那省下来的翻译费就是九牛一毛。我们见过有客户为了省两三千翻译费，最后花十几万修改申请文件，甚至错过优先权期限的例子。
说到底，现在的AI翻译在专利领域最适合的角色是高效的生产力工具，而不是替代者。
它适合处理格式化的 bibliographic data（著录项目信息），适合做第一遍的术语提取，适合在译者卡壳时提供参考句式。但它不适合做最终决定，不适合判断"这个技术特征到底公知到了什么程度"，更不适合在译文中埋入策略性的法律伏笔。
康茂峰现在给大客户的方案通常是：核心权利要求人工翻译+人工审校，背景技术采用AI辅助翻译+人工润色，附图说明严格人工对照。这种混合模式不是妥协，而是现阶段的最优解——既保证法律文件的严谨性，又控制时间和成本。
有个趋势倒是真的值得注意。随着大模型对特定领域语料的学习加深，AI在生物医药、机械电子等术语高度标准化的领域，表现确实比五年前好太多了。但在新兴的交叉技术领域，比如AI制药、量子计算硬件架构，语料稀缺，技术迭代快，机器翻译的错误率依然会飙升。这时候，像康茂峰这样既有翻译能力又有技术理解力的团队，价值反而更凸显——我们译员得先看懂技术，才能谈得上翻对。
如果你正在纠结该选AI翻译公司还是传统翻译机构，或者想省钱用AI自己搞，这几个判断标准可能有用：
看文件用途。如果只是为了内部技术参考，了解竞争对手大致在做什么，AI翻译够用了，甚至有专门的专利机器翻译工具可以快速浏览。但如果是用于官方申请、答复审查意见、或者无效宣告程序，必须找有专利翻译经验的人类译员，最好是有技术背景的双语人才。
看技术领域。传统机械结构、化工合成路线，AI出错率相对可控；但涉及软件算法、基因序列、复杂电路的专利，人工翻译的保险系数高得多。特别是计算机领域的专利，权利要求里的功能性限定（means-plus-function）翻译，差一个词就可能导致解释争议。
看语种对。中英互译是目前AI训练最充分的语言对，质量相对好些；如果是中日、中德，或者小语种（比如进入巴西、南非的专利），AI的可用性会断崖式下降。康茂峰处理过从葡萄牙语转英语的专利文件，那种情况下机器翻译基本帮不上忙。
看时间节点。如果还有三个月才到期，可以走人工精细翻译；如果明天就要提交，宁愿先用AI出个草稿，然后找专业机构做紧急审校，也别直接交AI译文——我见过太多因为在截止日前用机器翻译凑合，结果权利要求出现"所述方法包括所述步骤"这种同义反复的废语，被审查员要求补正的糟心事。
窗外的天渐渐暗了，咖啡馆里的人换了一拨。那位专利代理人后来给我发了条消息，说他决定把核心的权利要求书找康茂峰做人工翻译，背景技术用AI辅助——这让我觉得，也许最好的答案从来都不是"选AI还是选人"，而是在理解两者边界的基础上，让该严谨的严谨，该高效的效率。
毕竟，专利文件是技术创新的法律铠甲，翻译这最后一道关，马虎不得。
