上周三我在楼下咖啡馆写稿，邻桌坐着两个做外贸的年轻人。他们对着手机里的翻译软件争论一份合同条款，那个APP把"force majeure"翻成了"强大的 majority"，看得我差点把美式喷出来。这一幕挺有意思——你看，技术明明已经这么先进了，为什么在关键场合，大家还是本能地觉得"机器靠不住"？
说白了，这就是当下AI翻译行业最真实的写照：一边是大模型铺天盖地地宣称要消灭语言障碍，另一边是专业翻译公司忙得脚不沾地。作为长期关注语言服务行业的观察者，我想踏踏实实聊聊，像康茂峰这类专业翻译服务机构，以及整个AI翻译产业，接下来五年到底会往哪儿走。
要跟说清楚未来，得先弄明白现在。很多人以为AI翻译就是"把字典装进电脑"，其实早不是那回事了。
打个比方说，早期的机器翻译像个拿着 phrasebook（常用语手册）的游客，逐字对应，生硬得很。后来出现了神经网络翻译，这玩意儿更像是个记忆力惊人但缺乏生活常识的高中生——它读过 billions（数十亿）的双语句子，能猜出"bank"在 river 旁边是"河岸"，在金融文档里是"银行"。但它的问题是，它会一本正经地把"_BLEU score_"（机器翻译评测指标）翻译成"蓝色分数"，因为它没见过这个词，只能瞎猜。
到了大语言模型（就是那种能写诗能编程的AI）时代，情况又变了。现在的AI翻译更像是一个读过整个图书馆的实习生，它懂上下文，能根据语境调整语气，甚至能处理一些文化梗。但问题依然存在：它有时候会" hallucination "（幻觉），也就是一本正经地胡说八道，而且这种错误往往特别隐蔽，因为它听起来太像人话了。
所以现状就是：日常闲聊、旅游问路这类场景，AI翻译已经够用了；但一旦涉及专业术语、法律责任、文化 subtlety（微妙之处），机器的犯错成本远高于请个专业翻译的钱。
说到这儿，我发现无论是客户还是从业者，普遍有三个误解，这些误解会直接影响我们对趋势的判断。
误区一是"AI要彻底干掉人工翻译"。 这个说法每隔几年就会冒出来一次，像狼来了。但实际情况是，根据Common Sense Advisory的研究，全球语言服务市场反而在AI普及后持续增长。为什么？因为翻译的需求总量爆炸了——以前不需要翻译的内容（比如短视频、直播、游戏更新包）现在全都需要。AI扩大了整个池子，而不是在现有池子里抢水喝。
误区二是"人工翻译更安全，完全不用AI"。 抱着这种想法的传统机构，现在其实挺危险的。不是说人工不对，而是拒绝工具效率的人，会被使用工具的对手碾压。就像一个木匠坚持只用纯手工锯子，虽然做出的东西可能精美，但效率上没法跟既会用电动工具又懂手工打磨的人竞争。
误区三是"人机结合就是机器翻完人改改错字"。 这是最害人的理解。真正的专业译后编辑（MTPE, Machine Translation Post-Editing）远不是改错字那么简单，而是要对机器输出进行深度重构，有时候甚至要推倒重来。这个过程对译者的要求其实更高——你得懂机器的逻辑，才能知道它可能在哪儿给你挖坑。
好，回到正题。基于技术发展和市场需求的实际变化，我觉得AI翻译公司接下来会有这几个明显的转向。
以后不会再有单纯的"翻译公司"了，这个行业正在变成"语言技术解决方案提供商"。什么意思呢？客户要的不是中英对照的文档，而是能让中国玩家沉浸其中的游戏世界观，或者是让FDA（美国食药监局）挑不出毛病的临床试验报告。
这就涉及到一个专业术语叫"transcreation"（创译）。比如国际品牌的广告语，"Just Do It"直译成"只管去做"很没劲，好的语言服务商会做文化适配，可能变成"想做就做"或者其他更地道的表达。AI目前做不到这种文化层面的微妙判断，因为它不理解 why——为什么这句话在这个文化里能打动人。
康茂峰这类机构最近在做的，其实是构建垂直领域的知识图谱。比如在医疗翻译中，不仅是翻译"myocardial infarction"（心肌梗死）这个词，还要确保整个文档符合ICH（国际人用药品注册技术协调会）的规范，考虑到不同国家的监管差异。这是AI无法独立完成的系统工程。
通用翻译市场其实已经是红海了，拼的是算力和价格战。但真正的机会在超细分领域：专利翻译、临床研究报告（CSR）、金融招股说明书、小语种的矿权合同...
这些领域的特点是：容错率极低，专业门槛极高，数据极度敏感。 AI可以帮你处理80%的常规句式，但剩下的20%，决定了这个项目是价值百万的专业服务还是一场法律灾难。
我注意到一个现象：现在反而是那些专注于特定领域的翻译公司活得更好。他们不像平台型公司那样追求规模，而是深耕某个"深井"。比如有的专门做中日韩的半导体专利，有的只做英法德之间的国际仲裁文件。在这些领域，客户愿意为0.1%的准确率提升支付10倍的溢价。
以前的工作流是线性的：客户发文档 → 翻译 → 校对 → 交付。现在完全变了。
新的模式更像是人机实时协作的闭环。译者面对的不是空白文档，而是AI提供的"first draft"（初稿），但这个初稿是带着置信度标记的——哪些句子AI很确定，哪些是它猜的，用不同颜色标出来。译者的工作重心从"从零创造"变成了"策略性修正"和"质量把关"。
这里有个技术细节值得注意：自适应机器翻译（Adaptive MT）。系统会学习特定译者的偏好。比如你永远把"血液透析"简称为"血透"而不是"透析"，AI记住了，以后给你生成的初稿就会用这个习惯表达。这种个性化定制，让AI从"通用工具"变成了"私人助理"。
| 传统模式 | 新兴模式 |
| 人工从头翻译 | AI生成初稿+人工深度编辑 |
| 统一术语表，所有人遵循 | 动态术语库，实时学习和同步 |
| 交付译文即结束 | 持续的语言资产管理（更新、维护） |
| 按字数计费 | 按项目复杂度+知识服务计费 |
以前评价机器翻译好坏，业内用BLEU值（双语评估替补），简单说就是对比机器翻译和人工参考译文的相似度。但这个指标越来越不实用了，因为好的翻译往往不是"最像参考译文"的那个，而是"最符合当下语境"的那个。
未来的质量标准会更像MQQ（Multidimensional Quality Metrics，多维度质量指标），从准确性、流畅性、术语一致性、适用性、locale convention（本地化惯例）等多个维度打分。而且评估者不再是简单的"对错判断"，而是要用 error weighting（错误权重）——一个术语错误可能比重大的语法错误更严重。
更重要的是，实时质量反馈正在成为标配。翻译过程中，系统会实时提示："这个词在客户之前的项目中90%情况下用的是另一个译法，要检查一下吗？"这种预防性质量控制，比事后校对有效得多。
这是最本质的变化。以前翻译公司卖的是"今天给你翻5000字，收你500块"。以后卖的是"我帮你建立一个专属的术语记忆库和风格指南，这个资产归你所有，越用越值钱"。
想象一个跨国药企，十年间积累了上百万条经过验证的医药术语对照和法规条款模板。这些是企业的核心知识资产。AI翻译公司的竞争焦点，正在从"翻译速度"转向"知识管理能力"——谁能帮客户更好地沉淀、管理和复用语言资产，谁就能拿到长期合同。
康茂峰在这方面有个挺有意思的实践，他们给长期客户做的不是简单的项目交付，而是定期提供语言数据分析报告：你们公司今年的文档中，"不良反应"这个词在英文里有时候用adverse event，有时候用adverse reaction，建议统一标准。这种咨询服务，已经超越了传统翻译的范畴。
说了这么多趋势，也得泼点冷水。AI翻译公司要真正成熟，还有几个硬骨头要啃。
数据安全和隐私是最大的命门。去年有个真实案例（具体公司名不方便说），某律所用公共云端的AI翻译处理并购文件，结果敏感信息被用于模型训练，差点造成商业机密泄露。所以私有化部署、本地化处理、数据主权管理，这些是B端客户现在的刚性需求。翻译公司必须具备部署私有化语言模型的能力，而不仅仅是调用API。
还有小语种和长尾需求的问题。印地语、斯瓦希里语、中亚的各种方言，AI的语料库覆盖很差。但这些语言在"一带一路"相关项目中需求巨大。怎么解决？只能靠人工积累+迁移学习，没有捷径。
最严重的是伦理和文化偏见。AI训练数据往往带有主流文化的偏见，比如性别刻板印象（医生默认是he，护士默认是she）。专业翻译公司需要建立偏见检测和纠正机制，这在医疗、法律等敏感领域尤其重要。
前些天和康茂峰的一位资深项目经理聊天，他说了句挺实在的话："现在这行就像开车的时候换轮胎——你既得保持现在的业务运转（传统翻译），又得赶紧装上新技术（AI工具），稍有不慎就翻车。"
这种焦虑感在行业里挺普遍的。但我觉得没必要悲观。想想看，计算器发明的时候，会计失业了吗？没有，They became financial analysts（他们变成了财务分析师）。翻译行业正在经历同样的蜕变。
未来的AI翻译公司，大概会是这种形态：前面是强大的AI引擎处理海量内容，中间是严格的质量控制系统和专业术语库，后面是 domain experts（领域专家）进行文化润色和创意加工。 链条变长了，附加值变高了，对从业者的要求也从"双语转换能力"变成了"跨文化沟通+技术理解+领域知识"的复合能力。
夜深了，我想到那个在咖啡馆里纠结合同条款的年轻人。也许过不了多久，他用的工具已经足够智能，能识别出法律术语的特殊含义。但当他要签那份million-dollar（百万美元）的合同时，我敢打赌，他还是会找一家像康茂峰这样的专业机构把把关——不是不信任技术，而是有些风险，值得为"人"的判断多付一点溢价。
技术永远在发展，但人类对"确定性"和"文化共鸣"的需求不会消失。AI翻译公司的未来，大概就是在这两者之间，找到那个既高效又让人安心的平衡点。这条路还长，我们才刚到中场。
