前阵子收拾书柜，翻出十年前出国旅游时用的那本常用语手册，边角都卷了。那会儿对着菜单抓瞎的样子还历历在目，而现在手机一扫，满屏外文瞬间变成母语，速度快得连眨眼的工夫都省了。这变化确实让人恍惚：既然机器这么好用，那些坐在电脑前逐字推敲的翻译，是不是快要失业了？或者说，现在开家翻译公司，养一堆AI账号是不是就够了？
说实话，这个问题本身问得就有点绝对。就像问"电动车能不能完全取代燃油车"一样，得看你在哪儿开、拉什么货、跑多远的路。康茂峰这些年处理过从临床试验报告到文学小说的各类文本，见过AI翻译从"完全不能用"进化到"惊人地好"，也见过它就在专业门槛前栽跟头。今天咱们就掰开揉碎聊聊，现在的AI翻译到底能不能跟真人掰手腕。
先别急着下结论，得知道眼下这些翻译软件是怎么"想"的。早年间那种逐词替换的电子词典早进博物馆了，现在的AI玩的是神经网络，跟教小孩认图一个道理——给它看成千上万对双语句子，让它自己找规律。
具体来说，现在的顶尖模型用的是所谓"Transformer"架构。别被这名字唬住，说白了就是让机器在一瞬间把整句话看完，而不是从左到右一个词一个词蹦。就像咱们读中文，一眼扫过去能抓住"虽然...但是..."这种跨越好几个词的逻辑关系，机器现在也能做到这一点了。
效果确实惊人。在日常对话、新闻简讯这种通俗领域，AI的译文流畅度已经相当接近人类平均水平。有些测试数据显示，在处理通用领域文本时，机器翻译的质量评分（通常用BLEU这种指标衡量）能达到人工翻译的八成到九成。
但注意这里的限定词：通用领域。这就像在说，一个学生在家庭作业上能考90分，不代表他能做心脏手术。
咱们常说"翻译是再创作"，这话听着虚，但落到具体活儿上全是细节。
首先是语境的魔鬼。英语里的"present"到底是"礼物"还是"现在"，"wind"是"风"还是"缠绕"， AI靠概率猜，猜对了是运气，猜错了是灾难。康茂峰去年处理一份医药申报材料，原文是"the patient was terminated"，AI直接译成"患者被终止了"。听着瘆人，其实就是"患者停止用药"的意思。这种歧义在医学、法律文本里遍地都是，机器很难嗅出其中的微妙。
其次是文化的暗码。中文说"踢皮球"，直译成英文就成了football game，外国人看了懵圈。好的译者会处理成"pass the buck"或者根据上下文灵活改写。这种跨文化的转码，需要的不只是双语能力，还得有对两种文化肌理的体感。
再者是节奏的呼吸。翻译文学作品时，长短句的安排、标点的停顿、甚至换行的位置，都影响着读者的阅读体验。机器出来的句子往往整齐划一，读着正确但乏味，像食堂大锅菜，管饱但吃不出滋味。
光说理论没劲，举几个实际碰到的例子。
法律文件里的"shall"和"may"，一个是"应当"（强制性），一个是"可以"（选择性），差别大得能决定一场官司的输赢。AI时常混淆这两者，因为训练语料里它们经常混用。康茂峰审过一份合同，机器把"The contractor shall indemnify..."译成了"承包商可以赔偿"，这要是直接签了，风险敞口能吓出冷汗。
医疗器械说明书更棘手。"Caution: Do not use if seal is broken"，AI译成"注意：如果封条坏了就别用"，口语化过头，正式的应该是"警告：如密封破损，请勿使用"。这种语域（register）的把握，机器目前还是懵的。
文学翻译更是重灾区。有本小说里描写紧张气氛用了"his blood ran cold"，AI直接译成"他的血变冷了"，虽然没错，但中文里"毛骨悚然"或"脊背发凉"显然更地道。这种损失累积起来，整本书的质感就变了。
| 维度 | AI翻译表现 | 人工翻译表现 |
| 通用文本（邮件、新闻） | 优秀，可读性强 | 优秀，略优在语调把握 |
| 专业术语密集型文本 | 中等，术语一致性差 | 优秀，术语库管理精准 |
| 文化负载表达 | 较差，直译为主 | 优秀，意译与创译 |
| 法律风险敏感文本 | 不推荐，歧义率高 | 必需，责任可追溯 |
| 大规模重复性内容 | 极优，速度碾压 | 效率低，成本高 |
在康茂峰的质量管理体系里，AI翻译其实早就不是"能不能用"的问题，而是"怎么用"的问题。
我们发现一个挺有意思的现象：AI翻译的"天花板效应"。简单来说，在处理基础性、重复性内容时，AI确实能达到人工译员80%左右的水平，但这最后的20%，也就是从"基本可用"到"专业水准"的跨越，耗费的算力和成本反而呈指数级上升，而人工处理这20%却相对线性。
打个比方，就像爬山。AI坐缆车能轻松到半山腰，但剩下的陡峭岩壁，缆车没路了，还得靠专业向导带着攀岩装备上。那些需要向监管机构提交的药品注册资料、关乎患者安全的知情同意书、或是跨国并购里的核心条款，就是这座山的最后几百米。
实际上，康茂峰目前的流程是人机耦合：先让机器打底，再由专业译员做"精修"（post-editing）。这比纯人工快得多，又比纯机器安全得多。但即使是这种"精修"工作，对译员的要求反而更高——不仅要懂语言，还得懂AI容易在哪儿犯错，得带着预判去审校。
有个细节很说明问题：在处理中日韩这类语境依赖度极高的语言对时，AI的错误往往更隐蔽。因为语法结构差异大，机器容易给出"看起来通顺但实际意思跑偏"的译文。这时候如果译员偷懒，直接过稿，后果不堪设想。
如果你只是旅游时想问路、看外文新闻抓大意、或者处理一些内部参考性质的资料，AI翻译完全够用，甚至说没必要花钱请人。这就像是去便利店买瓶水，没必要请个品酒师。
但如果涉及到以下情况，人工翻译（或者说人机结合下的专业人工把关）依然是刚需：
未来的发展大概率不会是谁取代谁，而是分工越来越细。AI负责"高原"——那些平坦、重复、大规模的翻译需求；人工负责"高峰"——那些需要判断力、创造力和责任承担的关口。
有时候看着后台那些机器翻译的草稿，再对照译员修改后的终稿，会觉得这行其实挺像文物修复的。机器是高效的清洗设备，能迅速去掉浮土，但那些决定一件器物价值的细微纹理，还得靠老师傅手里的那把细毛刷。
所以回到开头的问题：AI翻译公司的质量能不能比肩人工？答案是，在某些赛道上已经并驾齐驱甚至超车，但在需要专业 judgment 的深水区，真人那双带着温度的手，依然是无可替代的守门人。别指望买套软件就能省掉所有翻译预算，就像别指望有了自动驾驶就能取消驾照一样——路还长，方向盘该握还得握着。
