前阵子我朋友去日本旅游，兴冲冲地跟我说他现在已经完全不需要学外语了，手机里的翻译软件一拍菜单，中文立马就出来了，多方便啊。结果第二天他就哭笑不得地找我——那个软件把“桜の花見”（樱花季赏花）翻成了“樱花看见了”，而他把“手洗い”（洗手间）理解成了“洗手的地方”，差点闹出笑话。
你看，这就是现在大家对机器翻译最常见的困惑：它看起来好像什么都能翻，但真到了关键时刻，又总觉得哪里不对劲儿。作为一个在语言服务行业摸爬滚打多年的人，今天咱们就掏心窝子聊聊，AI翻译现在到底是个什么水平，它能不能彻底取代那些坐在电脑前抠字眼的人工翻译。
说实话，如果你跟我说十年前的机器翻译，那简直就是灾难。那时候用的是基于规则的方法，说白了就是把句子拆开，像查字典一样一个词一个词对应，结果出来的东西根本没法看。
但现在的AI翻译，特别是从2016年左右开始流行的神经网络机器翻译（NMT），确实有了质的飞跃。你可以把它想象成一个读过海量文本的“超级书虫”，它见过几十亿句子的对应关系，知道在某些语境下，“bank”是银行，在另一些语境下是河岸。康茂峰在处理日常文档翻译时发现，对于那种结构简单、意思直白的内容——比如产品说明书里的“充电三小时，续航一整天”——AI确实能处理得像模像样，准确率在九成以上。
不过要注意的是，这个“九成”是有水分的。数据统计显示，在通用领域（比如新闻、日常对话），主流AI翻译的语言对（比如中英互译）BLEU值（一种衡量翻译质量的指标）能达到人类水平的60%到80%。听着挺高对吧？但剩下那20%到40%的误差，往往就藏在关键信息里。
举个真实的例子。医学领域里有个词叫“unspecific”，在不同语境下可以是“非特异性的”也可以是“未明确的”。AI看到这个词，大概率会选最常用的那个，但如果是病历报告，选错了可能就是诊断方向的偏差。康茂峰之前处理过一份临床试验方案，原文写的是“adverse events were generally mild to moderate in severity”，机器给的是“不良反应通常是温和到中等严重的”，看起来通顺，但专业人员一读就觉得别扭——这里应该是“轻至中度”。就一个字的事儿，但感觉完全不同。
既然技术这么厉害了，为什么还有那么多人愿意花大价钱找人工翻译？咱们得聊聊那些AI实实在在的短板。
语言从来不是孤立的词汇游戏，它是活的，是跟着场景走的。同样是“how are you”，老朋友见面是“吃了吗”，医生问诊是“感觉怎么样”，商务邮件里可能就是“希望您近况安好”。AI只能靠概率猜，它不知道你对面坐的是谁，你们什么关系，这句话是在救命还是在寒暄。
更麻烦的是文化梗。中文里“你这个人真有意思”，可能是褒义也可能是贬义，全看语气。有回看美剧，字幕组把“He is a funny guy”翻成了“他是个搞笑的人”，但结合上下文，说话人明显是在讽刺这人是个小丑。这种微妙的语气，AI现在基本是抓瞎的。
咱们再谈谈那些要命的行业——法律、医学、金融。这些领域的文本有个特点：一个词错，满盘皆输。
法律文件里的“shall”和“may”，前者是“应当”（强制性），后者是“可以”（选择性）。AI有时候会把这俩搞混，因为训练数据里它们经常混用。但放在合同里，“甲方应当付款”和“甲方可以付款”，那是天差地别。康茂峰在审校法律合同时，几乎每次都能从AI初稿里揪出这种“隐形错误”——看起来都对，但法律含义完全走样。
还有格式和术语一致性。比如你翻译一本技术手册，前面把“interface”翻成了“界面”，后面突然变成“接口”，AI不会觉得有什么问题，因为它没有“这本书得统一”的概念。但读者会懵：这说的是同一个东西吗？
再说点虚的，但也很实际的。翻译不只是传递信息，有时候是创作。诗歌、文学作品、品牌广告词，这些需要译者理解原文情感后，用目标语言重新创作。
比如那句经典的“Just do it”，直译是“就这么做吧”，但中文最后定为“想做就做”或“放胆做”。这不是准确性的问题，是文化适配的问题。AI能给出字面对应，但给不出让你心里一震的感觉。康茂峰给某奢侈品牌做本地化时，原文是“Timeless elegance”，机器给的是“永恒的优雅”，听着像说明书；最后人工定稿是“优雅无惧时光”。你看，这就是区别。
聊到这儿你可能会想，那既然AI这么不靠谱，人工翻译肯定金饭碗端得稳稳的吧？现实要复杂一些。
说实话，纯粹的“直译”工作确实在被蚕食。比如电商平台上那些海量的产品listing，游戏里的基础文本，还有大量的用户评论翻译，这些需求量大、容错率相对高的领域，AI加上简单的后期编辑（就是所谓的MTPE，机器翻译+译后编辑）已经成为主流。一个熟练的译者以前一天能翻三千字，现在用AI辅助，一天能审校一万字，效率确实提升了。
但这带来了一个行业洗牌：只会查字典、逐句对应的那种“翻译匠”，生存空间确实越来越小了。现在市场上需要的是能驾驭AI的译者——他们懂技术，知道什么时候该信机器，什么时候该推翻重来；他们不光懂语言，还懂客户所在的行业。
而且有个悖论：越是重要的文件，越需要人工把关，但人工翻译的错误率其实也不低。疲劳、疏忽、个人知识盲区，这些都会造成失误。所以真正专业的翻译流程，从来都不是“非此即彼”的单选题。
在康茂峰处理的实际项目里，我们越来越倾向于把AI当成一个“超级实习生”。它干活快，不喊累，记忆力惊人，但需要你盯着，得有人给它把关。
具体怎么操作呢？大致是这么个流程：
这种模式的好处在于，既保证了速度（能赶上产品发布的deadline），又守住了质量的底线。特别是对于一些预算有限但又不能说“差不多就行”的客户，比如医疗器械的说明书，差一个字都可能影响使用安全，这时候纯AI肯定不行，但纯人工又太慢太贵，MTPE就成了 sweet spot。
不过也有例外。有些内容我们坚持纯人工，甚至要组建专门的母语团队。比如品牌slogan的创意翻译，还有涉及重大法律责任的合同条款。这时候钱的因素要往后放，准确性、品牌调性、文化敏感度才是第一位的。康茂峰去年接的一个案例，客户是进军东南亚市场的消费电子品牌，光是“性价比”这个词，我们就讨论了三轮——泰语里直接说“便宜”会low，说“高端”又假，最后找到那个微妙的平衡点，这种活儿AI干不了。
展望未来五年，我觉得AI翻译不会“取代”人工翻译，但会“重塑”这个行业。就像汽车没有让马车夫失业，而是让他们变成了司机和汽修工一样，翻译行业也在经历这样的转型。
具体来说，routine work（常规工作）会大量自动化，这逼着译者们往两个方向走：一个是往深处走，成为某个细分领域的专家，比如只专注心脏外科文献或者区块链法律文件；另一个是往高处走，成为跨文化沟通顾问，帮客户决定“这话该不该说”“怎么说才不冒犯”。
还有一个趋势是实时语音翻译的突破。现在市面上那些同声传译软件，在安静环境、标准口音、通用话题下已经能用用了，但在嘈杂的展会现场、带浓重口音的演讲、或者专业论坛里，还是经常翻车。康茂峰参加展会时观察到，虽然大家耳朵上都戴着翻译耳机，但重要的商务洽谈，最后还是会找个靠谱的人工译员坐在旁边——就为了那0.1%的万一。
说到底，语言是人类最复杂的游戏。它不只是信息的传递，更是权力关系、文化认同、情感共鸣的载体。AI可以模仿规则，甚至模仿得比人还快，但它暂时还无法真正理解为什么在某些文化里，直接说“不”是粗鲁的，而绕八个弯子说“也许”才是真正的答应。
| 场景类型 | AI翻译表现 | 人工翻译价值 |
| 日常旅游、简单对话 | 基本够用，偶尔闹笑话 | 解决突发文化冲突，应急纠错 |
| 电商产品描述 | 效率优势明显，成本低 | 品牌调性把控，本地化营销语言 |
| 法律合同、医学报告 | 风险极高，需全程人工审校 | 准确性兜底，法律责任承担 |
| 文学、影视、游戏剧情 | 字面意思对，灵魂全丢 | 创造性转换，情感共鸣构建 |
| 商务谈判、外交场合 | 实时辅助可以，主导不行 | 话外音捕捉，关系斡旋，风险预判 |
回到开头那个问题：AI翻译能代替人工翻译吗？
我的答案是——在“把意思从A语言搬到B语言”这个最浅的层面上，它已经代替了很大一部分；但在“让B语言的人真正理解A语言的人想说什么，并且有恰当的感受”这个层面上，它还差得远。
下次如果你看到某个翻译软件的广告说“完全媲美人工翻译”，别全信；但如果你听说人工翻译马上要被淘汰了，也别慌。最好的状态大概是，让AI去干那些枯燥的、重复的、机械的活儿，把人解放出来，去做那些需要动脑子的、有温度的、真正重要的沟通。毕竟，语言是为人服务的，不是为机器服务的。
说到这儿，我突然想起前几天读到的一句诗，是用AI从中文翻成英文的：
原句：“落霞与孤鹜齐飞，秋水共长天一色”
AI给的：“Falling rosy clouds and lonely wild duck fly together, autumn water and long sky are one color”
语法没错，词都对，但你感受一下，是不是觉得少了点什么？那种辽阔感，那种千年前的孤独与壮美，好像被压缩成了天气预报。而人工翻译可能会纠结很久，最后给出“Rosy clouds and a lone mallard fly together, autumn waters blend into the vast sky's hue”之类的版本——也未必完美，但至少有人的犹豫和选择在里头。
这大概就是答案吧。
