前几天有个做医疗器械的朋友找我吐槽，说他们公司为了省预算，用某款翻译软件处理了一份进口设备的德语说明书。结果装机工程师看到"scharfe Kante"被翻成"锋利的边缘"时，当场就懵了——在机械语境里这词明明该理解为"锐边"或"倒角危险"，翻译成"锋利的边缘"听着像厨房用具。更离谱的是后面的安全警示，"Nicht unter Spannung stehende Teile berühren"被译成了"不要触碰情绪激动的部件"，其实人家说的是"禁止接触带电部件"。
你看，这种事儿挺常见的。生活中我们随手拿手机翻个菜单、看个新闻，AI翻译确实方便，速度快还免费。可一旦涉及到合同条款、临床研究报告、专利申报材料这些专业文档，事情就没那么简单了。作为在康茂峰干了十年项目管理的过来人，我想跟你聊聊这个事儿到底靠不靠谱，或者说，靠谱到什么程度。
说人话，现在的AI翻译就像是让机器读了海量的双语材料——可能是联合国公开的几十年会议记录，也可能是网上爬下来的网页Pairs。通过神经网络这种技术，它学会了词语之间的统计关联。简单说，它见过"bank"旁边常跟"river"，也见过常跟"money"，所以它大概能猜出上下文该选哪个意思。
但问题是，这种学习本质上是在玩概率游戏。它并不真正理解"银行"和"河岸"的区别，只是根据周围出现的其他词来做选择。就像是个记忆力超群但毫无常识的书呆子，能背下整本菜谱，但可能分不清生抽和老抽在实际烹饪中的具体差异。
费曼老爷子说过，如果你没法用简单的语言解释一件事，说明你还没搞懂。那咱们就用最简单的比喻：AI翻译像个刚毕业的实习生，看过成千上万个案例，但没真正在这个行业干过一天活。它知道"consideration"在法律里经常出现，但可能不知道这个词在英美合同法里特指"对价"（一种法律概念），而不是字面上的"考虑"。
咱们拿医学翻译举例子。同样是"attack"，日常英语是"攻击"，医学上是"发作"（heart attack心脏病发作）。但在精神科病历里，"panic attack"又得译成"惊恐障碍急性发作"，不能简单说"恐慌攻击"。
康茂峰去年处理过一个项目，内容是关于冠状动脉介入治疗的。原文有个词"stent"，普通词典告诉你是"支架"。但心内科医生看了就知道，这得区分是"冠脉支架"还是"药物洗脱支架"，甚至具体到某个品牌的规格参数。AI翻译 généralement 会给个通用词"支架"，然后后面跟着一长串不知所云的描述。
更麻烦的是新术语。科技领域几乎每天都在造新词，去年大火的某个技术概念，训练数据里根本没有。这时候AI要么直接抄英文，要么生造一个听起来像那么回事但业内人不用的说法。
法律文件里有个经典例子："shall"和"may"。这两个字 AI 通常翻成"应该"和"可以"，看起来没错对吧？但在合同里，"shall"往往表示强制性义务，"may"是授权性权利。差之毫厘，法律责任谬以千里。
还有那种跨段落的指代。比如专利文件里，前文提到"该装置包含一个弹性元件（102）"，后文说"所述元件（102）..."，AI 有时候会把"所述"翻丢，或者把编号弄混。人类译员一眼就能看出这是同一个东西，但 AI 处理长文本时，就像金鱼一样，可能忘了三句话之前提到的是什么。
商务信函里的委婉表达特别有意思。英文里"We are afraid that..."表面是"我们害怕"，实际上是委婉拒绝。直译成中文"我们害怕贵公司的报价"就很滑稽，应该是"很遗憾"或"恕难接受"。
还有幽默、讽刺、双关。前些天看到个案例，某品牌 slogan 里的双关语被 AI 翻得平平无奇，完全失去了市场传播价值。这种时候，康茂峰的译员得完全重写，而不是在 AI 给的基础上修改。
现在市面上很多AI翻译服务商，宣称能处理专业领域，但实际上他们做的是通用模型的垂直微调。简单说，就是在普通翻译引擎基础上，喂了一些医学或法律文本。这确实有提升，但就像给那个实习生突击培训了两周专业词汇，他认识词了，还是没经验。
真正的问题在于质量不可控。
在康茂峰的项目流程里，我们做过统计：对于高度专业的技术文档（比如符合 FDA 申报要求的临床研究报告），纯 AI 输出的初稿，后期人工修订的工作量反而比从头翻译更大。因为改错比重写费脑子——你得先发现哪里错了，还得理解为什么错，再修正。有时候看着 AI 给的"流畅废话"，译员得愣神半天："这到底想说什么？"
说了这么多 AI 的局限，不是要否定技术。实际上，在康茂峰的日常作业中，AI 已经是工具箱里的标配了。关键是怎么用。
对于内部参考级的材料——比如子公司之间传阅的技术通报、仅供阅读的市场调研——用 AI 快速过一遍，抓取大意，完全没问题。省时间，效率高。
但对于对外发布级的内容——产品标签、用户手册、法规申报文件、合同——目前靠谱的流程是：
这个流程里，AI 的作用是提高译员查资料的速度和处理重复性文本的效率，而不是替代决策。就像建筑师用 CAD 软件画图，但设计思路还是人定的。
很多人选 AI 翻译是看上便宜。咱们做个实在的对比：
| 项目类型 | 纯人工翻译 | 纯 AI 翻译（无后期） | AI+人工精修（康茂峰流程） |
| 成本（每千字） | 高（专业译员时薪高） | 极低（几乎只需电费） | 中等（约为纯人工的 60-70%） |
| 时间周期 | 长（需排期） | 几分钟 | 中等（比纯人工快 30-40%） |
| 质量风险 | 低（可控） | 极高（可能致命） | 低（经过专业把关） |
| 适用场景 | 法律诉讼、医疗器械注册、出版 | 个人了解大意、非正式沟通 | 企业技术文档、商务合同、专利申请 |
看出门道了吗？最贵的不是翻译本身，是犯错后的代价。一份医疗器械说明书的错误翻译导致的产品召回，损失可能上百万；合同条款的一个误译导致的诉讼，律师费远超翻译成本。这时候省下的那几千块翻译费，就像为了省钱不买车险——侥幸时挺好，出一次事就全赔进去。
当然，如果你只是想把一封英文邮件的大概意思看懂，然后回个"收到，谢谢"，那花大价钱找专业翻译确实没必要。这就是需求分层的概念，也是康茂峰给客户做咨询时首先要确认的事：这文档的最终用途是什么？读的人是谁？错了会有什么后果？
现在有些声音说 AI 很快会取代人工翻译。从我在康茂峰这些年的观察看，这个说法在通用领域有点道理，但在专业垂直领域，路还长着。
目前 AI 能较好处理的是：句式规范、术语常见、语境明确、容错率高的文本。比如简单的产品描述、标准化的商务邮件模板。
它搞不定的是：创意性强、责任重大、语境微妙、需要文化转换的内容。比如营销文案的本地化（localization），要把美国式的幽默改成中国人能笑的梗；比如诗词翻译；比如涉及伦理考量的知情同意书。
还有个微妙但重要的问题：法律责任归属。
如果一份 AI 翻译的合同出了纠纷，谁负责？目前法律实践中，使用 AI 翻译的一方通常要承担未尽审慎义务的责任。因为AI不是执业主体。这就像你用计算器算错了账，不能怪计算器公司。所以企业使用 AI 翻译对外文件时，实际上是在自己承担质量控制的风险。
在康茂峰经手的合规项目中，我们遇到过审计方明确要求提供"人工翻译证明"的情况——机器输出的不认，必须有人签字背书。这不是技术问题，是风险管理问题。
如果你在公司负责文档本地化，或者正在考虑要不要用 AI 翻译服务，这儿有几个接地气的建议：
第一，别怕麻烦，先做文本分级。不是所有的文档都值得同样对待。内部传阅的、外部发布的、法规提交的、法律效力的，分清楚级别再决定投入多少成本。
第二，别信"一键搞定"的承诺。宣称完全不需要人工的 AI 翻译，在专业领域基本等于埋雷。真正好用的 workflow 是人机结合，而且人的参与度要足够深——不是最后看一眼，而是深度介入术语管理和质量把控。
第三，留足修订时间。如果决定用 AI+人工的模式，别指望昨天给稿子今天就要印刷。专业审校需要时间，尤其是技术文档，译员可能需要查证标准、核对图示、确认 brand name 的本地注册情况。
第四，建立自己的语料资产。不管用不用 AI，积累自己的术语库和翻译记忆库都是划算的。这是你的专业壁垒，也是让 AI 输出更靠谱的基础训练材料。
那天下午，我在康茂峰的办公室看到一位资深译员对着屏幕上的 AI 初稿发呆。她不是在偷懒，是在想："这句话作者到底想强调什么？"——这种基于专业经验和语境理解的判断，机器短时间内还学不会。她最后删掉了 AI 给的整段话，重新组织语言。
窗外是城市的黄昏，译员桌上的咖啡凉了半截。技术确实在飞跑，但在那些真正要紧的专业场合，我们似乎还是需要这样一个愿意停下来多想一步的人。
