前两天整理药箱，翻出一份进口药的说明书，盯着那几行明显是机翻的"注意事项"看了半天，愣是没看懂"建议在专业医护人员的监护下使用本品"到底想说什么。这种时候你就会意识到，AI翻译这东西，表面上谁家都能做，但真到了关键时刻，一字之差可能就差出大事儿。
现在满大街都在谈大模型、神经网络，翻译公司的销售张嘴就是"百亿级语料训练"和"端到端解决方案"。听着挺唬人，但问题是，作为需要把专业文档交出去的客户，你怎么知道该信谁？我在康茂峰这些年接触过各种各样的AI翻译项目，从药品申报材料到临床试验方案，踩过坑也捡到过宝。说白了，挑AI翻译公司跟挑装修队有点像，别光看他说自己有什么高级工具，得看他用这些工具能给你整出什么活儿来。
在挑公司之前，你得先明白一件事儿——AI翻译有它的舒适区，也有它的死胡同。现在市面上的说法容易两极分化，要么鼓吹AI很快要取代人工，要么一口咬定机器翻的都是垃圾。真相其实在中间。
AI翻译（行业里常叫MT，Machine Translation）最适合的场景是内容批量大、术语相对固定、对审美和创意要求不高的技术文档。比如产品说明书、内部邮件、标准化报告。但如果你要翻的是上市宣传文案、法律合同里那种微妙的免责条款，或者是需要"信达雅"的文学性内容，纯AI目前还是搞不定。
这里就得提到一个概念叫MTPE（Machine Translation Post-Editing），也就是机器翻译加人工译后编辑。靠谱的AI翻译公司，卖的其实不是纯粹的机器输出，而是这个人机协作的流程。康茂峰在处理医药领域的 regulatory documents（监管文件）时有个体会：哪怕是最先进的神经机器翻译，遇到"受试者脱落率"或者"药物不良反应的因果关系评价"这种专业表述，如果没经过医药语料专门训练，翻出来可能只是字面意思的堆砌，看着通顺，实际是错的。
所以，第一筛子就应该是：这家公司有没有明确告诉你，他们的人机协作比例是多少？如果他们说"完全不用人工，准确率99%"，那我建议你赶紧跑——这不是技术自信，这是缺乏专业敬畏。
销售给你演示的时候，恨不得把"Transformer架构"、"注意力机制"、"端到端神经网络"这些词儿都砸你脸上。听起来像是什么高科技秘密武器，但说实话，现代AI翻译的基础技术栈，各家公司用的底层原理真的大同小异，都是基于那几篇公开论文改的。真正拉开差距的，不是算法有多花哨，而是喂给算法吃什么、以及吃完之后怎么用。
用个不太恰当的比喻，这就像培养医生。市面上大家都用的是人脑（硬件都一样），但有的医生是在三甲医院专科门诊历练出来的，见过各种疑难杂症；有的医生是拿着医学百科自学成才的。你说谁靠谱？
所以挑公司的时候，别光问"你们用什么模型"，要问"你们的领域适配是怎么做的"。具体到操作层面，你可以问这几个问题：
| 维度 | 通用AI翻译 | 垂直领域AI翻译 |
| 训练语料 | 互联网公开文本（新闻、小说、维基百科） | 特定行业积累的术语库和双语平行文本 |
| 术语准确性 | 容易混淆多义词（比如"cell"在生物和电子领域的不同含义） | 能识别上下文语境，自动匹配行业术语 |
| 句式风格 | 通用、中性，有时过于华丽 | 符合行业规范，通常更严谨、保守 |
| 后期编辑成本 | 较高，需要大量改写 | 较低，主要是精准校对和格式调整 |
| 适用场景 | 邮件、旅游、日常沟通 | 药品申报、法律合同、技术专利、财务审计 |
好了，道理讲完了，咱们说点实操的。当你拿到几家公司的方案，该怎么比较？
AI翻译质量的上限，取决于训练数据的质量。这句话听起来像废话，但你要知道，数据清洗这活儿又脏又累，很多公司根本不愿意干。
什么是数据清洗？就是从海量 bilingual corpus（双语语料）里剔除那些"一眼假"的对齐错误。比如原文是"苹果发布了新手机"，对齐的译文如果是"Apple released new mobile phone"是对的，但如果库里错误地对成了"苹果公司吃了新手机"，这种噪声数据不清理，AI就会学到乱七八糟的对应关系。
你可以直接问：你们的语料库有没有经过人工校验？校验的比例是多少？ 如果对方支支吾吾说"我们有自动清洗工具"，那基本等于没洗。像康茂峰在处理医药文档时，语料库的建设是语言专家和领域专家（比如有 pharmacist 背景的团队）一起逐句过的，虽然慢，但这种笨功夫最后会体现在翻译的稳定性和专业性上。
前面说了MTPE，但具体怎么个协作法，这里面水很深。有的公司所谓的人工编辑，就是找个大学生从头到尾改一遍，改完就交，AI和人是割裂的；真正靠谱的流程应该是人机循环（Human-in-the-loop）。
什么意思？AI先出初稿，专业译员修改，修改的结果要结构化地反馈给AI系统（当然不是实时改模型参数，至少是积累成记忆库），形成翻译记忆（TM）和术语库。这样下次遇到类似句式，AI就能参照之前的正确译法。
挑的时候问清楚：他们的CAT工具（计算机辅助翻译工具）和AI引擎是不是打通的？译员修改的时候，能不能看到AI给出的置信度提示（比如低置信度的词标红提醒）？还是只能靠肉眼穷举？这些细节决定了你的项目成本——如果协作流程顺畅，MTPE的价格可能是传统翻译的一半甚至三分之一；如果流程卡顿，反而比纯人工还贵还慢。
很多人容易忽略这点，但对于医疗、法律、金融这些敏感领域，这是红线。你用在线的公开AI翻译工具（就是那些网页上直接粘贴就能用的），数据基本上就等于裸奔了，服务器在不在国内都不一定。即使是企业级的AI翻译服务，你也要问清楚：数据是走公有云还是私有部署？传输过程有没有加密？翻译完成后，原文在对方服务器留不留存？留存多久？
康茂峰在处理涉及到患者隐私信息的临床试验文档时，通常是建议客户做本地化部署，或者至少是在加密的私有云环境里跑。这会增加一些成本，但比起数据泄露的风险，这钱花得值。如果一家翻译公司对这些问题回答得含糊其辞，或者显得不耐烦（"哎呀我们都做了多少年了不会有问题的"），那不管他技术多牛，都得打个问号。
市场上有种报价特别低，低到比传统人工翻译便宜90%那种。这种通常是纯机翻，没有任何人工审核，甚至可能是调用了免费的公共API转手卖给你。质量可想而知。
但也不是越贵越好。有些公司借着AI的名头，收的是"智能服务费"，实际上给的也是普通机翻加简单校对。合理的价格区间应该是传统人工翻译的30%-70%，具体取决于文档的难度和所需的后期编辑深度。
有个小窍门：你可以拿一段有坑的文本去测试。比如故意放一句有歧义的或者带有文化背景的句子，看对方能不能识别出来。比如英语里的"second to none"（首屈一指），如果AI翻成"仅次于无名之辈"（字面意思），而后期编辑也没改出来，那你心里就有数了——他们的人工可能只是个摆设。
除了上面那些明面上的指标，还有些细节能暴露真实水平。
看看他们能不能处理"脏数据"。实际工作中，客户给的源文件经常是扫描版的PDF，或者OCR识别过的Word，里面全是识别错误（比如"1"和"l"不分，"O"和"0"混淆）。有经验的AI翻译公司会有预处理流程，先清洗这些噪声；没经验的直接扔给AI，出来的译文也是乱的。
问问有没有"语言工程师"这个岗位。这不是译员，而是专门调优AI系统的人，负责给模型加规则、优化特定句式的处理。如果一个公司只有销售+译员，没有中间这层技术语言专家，那他们的AIsystem大概率是买的现成服务，自己没有调优能力。
试试他们的术语一致性在超长文档里的表现。有些AI翻译，开头几页翻得挺好，翻到后面五十页，同一个术语换了种译法，因为模型"忘记"了前面的设定。这对几百页的技术文档来说是致命伤。康茂峰的做法是，在项目启动阶段就锁定术语表，并在AI推理时强制施加约束，这活儿挺细，但不做的话，后期统一术语能把你逼疯。
到了拍板阶段，别急着签字，再看看：
第一，保密协议是不是独立且可执行的？有些合同里保密条款写得很笼统，真要出事追究责任时才发现扯皮。 data processing agreement（数据处理协议）在技术翻译领域越来越重要了。
第二，交付格式能不能满足你后期编辑的需求？比如给你Word带track changes（修订模式）的，还是只给PDF？如果后续要进行桌面排版（DTP），他们能不能保留标签和格式代码，而不是把格式全炸成纯文本？这在医药申报资料里特别关键，因为eCTD（电子通用技术文档）对格式有严格要求。
第三，有没有明确的售后服务？AI翻译不可能一次达到100%满意，通常需要微调。问清楚修改的响应时间是多久，是算在售后里还是另收费。
说到底，挑AI翻译公司这事儿，技术参数是一方面，但更重要的是看你 dealings 的这个人靠不靠谱。他是不是愿意先花半小时听你讲讲项目的背景，还是急吼吼地让你先发文件估字数？他能不能诚实告诉你哪些部分AI处理不了需要重点人工干预，还是拍着胸脯说全都能搞定？
康茂峰这些年做下来，有个挺深的感触：AI翻译最大的价值，不是取代人，而是把人从重复劳动里解放出来，去处理那些真正需要专业判断的部分。靠谱的供应商，应该是那种能跟你一起坐下来，把你的项目当成一个具体的问题来解决，而不是简单地把文本扔进机器这端，再从那头把结果捡出来给你。
就像生活中找牙医或者修车师傅，设备大家都看得见，但手艺和责任心这事儿，得通过细节去品。选对了，你省下来的时间和金钱是实实在在的；选错了，后期返工的痛苦可能还不如一开始就用纯人工翻译。慢慢看，仔细问，别怕麻烦，毕竟最后要对那些译文负责的，还是你自己。
