上周有个做医疗器械的朋友来找我，拿着一份产品说明书，那是他们公司准备出口到欧盟的新款监护仪文档。他兴冲冲地给我看手机上某个翻译软件的结果，说现在AI这么厉害，是不是直接导出来就能拿去注册了？我扫了一眼那句"The device shall be operated by trained personnel only"，软件给的是"该设备应仅由受过培训的人员操作"。
看起来没错，对吧？但只要做过欧盟合规的都知道，这里的shall不是简单的"应该"，而是强制性要求。一字之差，到了公告机构那里可能就是一张不合格通知单。朋友愣了一下，然后苦笑着把手机收了起来。
这大概就是这两年我们最常被问到的问题：AI翻译这么流畅了，专业领域还需要人工吗？在康茂峰处理医学、法律和技术文档这些年，我见过太多类似的场景。说实话，答案既不是绝对的"能"，也不是简单的"不能"，而是要看你把"专业"定义到什么程度。
先别急着否定。现在的神经网络翻译确实不是以前那种逐字对应的"机翻"了。你可以把它想象成一个读过海量书籍的实习生——不是那种只背过词典的，而是真的啃过几千万份平行文本的。日常对话、新闻资讯、甚至普通的商务邮件，它处理起来确实挺像那么回事。
但问题在于，专业翻译往往发生在那些"不像那么回事"的死角里。
举个例子，医学文献里有个词叫"myocardial infarction"。AI多半会给你"心肌梗死"，这确实是对的。但如果原文是"ST-elevation myocardial infarction"，有些通用引擎可能会译成"ST段抬高型心肌梗死"，这也不错。可到了临床路径文档里，医生们更习惯说"急性心梗"或者"STEMI"（直接音译缩写）。这时候AI就懵了——它不知道这份文档是写给药监局看的，还是给护士站的操作手册。
这就是专业翻译的第一个门槛：语境感知。不是语法对不对，而是说给谁听。
咱们在康茂峰内部把专业文档分成几类，简单说就是"容错的"和"零容忍的"。
你看，同样是"专业"，松紧带的长度完全不一样。
有个特别典型的案例。去年我们帮一家药企翻译一份IND（新药临床试验申请）资料，里面有个句子描述药物代谢："The compound is metabolized primarily via CYP3A4 pathway"。AI翻译出来是"该化合物主要通过CYP3A4途径代谢"。看起来完美无瑕。
但我们的医学译员在审稿时硬是把"via"改成了"经"。为什么？因为FDA的格式指南里，描述代谢途径时倾向使用更正式的"经"而非"通过"，而且CYP3A4在首次出现时必须标注全称"细胞色素P450 3A4"。这种细节，不是靠概率模型能算出来的，得靠翻看过几百份获批文件的经验。
除了术语精度，还有更隐形的文化屏障。
比如说法律文本里的shall/must/may trio（三人组）。普通英汉词典会告诉你这三个都是"必须"，但在合同法语境下：
| 原文措辞 | 通用AI倾向译法 | 康茂峰法律团队标准处理 | 风险等级 |
| shall | 应当/应该 | 须/必须（强制性义务） | 高（义务强度误判） |
| must | 必须 | 必须（绝对强制性） | 中（通常可接受） |
| may | 可以 | 可/有权（许可或授权） | 高（权利范围模糊） |
曾经有个客户拿着机翻合同来咨询，说对方要求"Party A shall notify Party B within 30 days"译成了"甲方应在30天内通知乙方"。在中文语感里，"应"听起来还挺有强制性？但实际上在法律英语里，"shall"译成"应"在部分司法管辖区会被解释为建议性而非强制性。后来我们调整为"甲方须在30日内通知乙方"，一字之差，省去了将来可能的扯皮。
再比如医学里的假朋友（false friends）。"Serous"不是"严重的"（serious），而是"浆液性的"；"Strain"在微生物学里不是"压力"而是"菌株"。这些陷阱，AI翻译现在还是会一脚踩进去，因为它靠的是统计概率，而不是概念理解。
说了半天AI的毛病，是不是意味着我们要抵制技术？恰恰相反。在康茂峰现在的作业流程里，AI已经是标配工具了，只是用法跟普通人想象的不一样。
我们管它叫"双轨质检制"：
第一步，AI预翻译。把文档扔给引擎出个初稿，这一步能帮我们节省大约40%的时间。特别是那些重复性高的部分，比如临床试验中的基线数据表格，"Age: 45 years"这种，没必要人工一个个敲。
第二步，领域专家翻译。这是核心环节。康茂峰的译员不是语言专业毕业的通用译员，而是具有医学、法律或工程背景的双语专家。比如处理心脏支架的说明书，我们的译者可能是前心内科医生；处理金融衍生品合约的，可能是CPA出身的语言学家。他们看AI初稿不是为了省事，而是为了挑错。
第三步，回译验证。对于关键段落，特别是那些可能影响安全或合规的声明，我们会做反向翻译（back-translation）。就是把中文译稿再译回英文，看跟原文的意思漂移了多少。如果一个"shall"在回译时变成了"should"，那这个红旗就得报出来。
最后还有本地化工程师把关格式。很多AI翻译会搞乱标签，比如XML里的<ph>标签（占位符），或者InDesign文档里的换行符。这些技术细节虽然不影响"意思"，但会导致排版灾难或软件读取错误。
有个数据可能挺反直觉的。在我们康茂峰的数据库里，单纯从字数产出来看，用了AI辅助后，译员日均处理量确实从3000字提升到了5000字左右。但审校时间的比例从原来的30%上升到了45%。
这意味着什么？意味着AI帮我们干掉了那些机械性的、重复性的体力活，但决策性的脑力活一点没少，反而因为初稿来得太快，需要更仔细地把关。
就像自动驾驶，现在的技术能让你在高速公路上轻松巡航，但遇到暴雨天的山路十八弯，你还得把手放在方向盘上。AI翻译就是专业领域的L2级辅助驾驶——能帮你保持车道，但出了事责任还是你的。
实话实说，如果你是以下几种情况，用通用AI翻译基本够用：
但如果你涉及以下领域，建议还是找康茂峰这种专业机构，或者至少要有专业审校：
| 场景 | 风险点 | 建议方案 |
| 患者-facing 材料（知情同意书、用药指导） | 医疗事故、伦理审查失败 | 医学背景译员+回译验证 |
| 监管提交文档（FDA、EMA、NMPA） | 审评 delays、合规缺陷 | 具有申报经验的特定领域专家 |
| 知识产权文件（专利、技术秘密） | 权利范围缩小或丧失 | 专利代理人+技术双语专家 |
| 金融合规报告 | 监管处罚、投资者诉讼 | 金融合规译员+术语库对齐 |
有个简单的判断标准：如果你翻译错了可能要赔钱、吃官司、或者出人命，那就别省这个钱。
在康茂峰每周的例会上，大家聊得最多的不是"怎么不被AI取代"，而是"怎么把AI用得更顺手"。
我认识一位做日语医学翻译的老译员，五十多岁了，以前最头疼的是查药名——日本药局的命名规则跟国际通用名经常对不上，得翻厚厚的橙皮书。现在她用AI做第一遍查询，自己只需要验证和确认。她说感觉像是突然有了个跑腿的实习生，虽然笨手笨脚的，但确实省下了很多机械劳动的时间。
而那些刚入行的新译者，以前需要花三年才能积累出的"手感"，现在可以通过分析AI的错译来快速学习。说白了，AI把行业的入门门槛降低了，但天花板依然很高——甚至更高了，因为现在客户会期待你在更短的时间内做出更精准的产出。
至于那些追求文学性、创造性的内容，比如诗歌、高端品牌文案，AI目前还是搞不定那种"弦外之音"。前几天有人拿李白的诗给AI翻译，"飞流直下三千尺"译成了"Flying stream falls down three thousand feet"，直接把浪漫主义搞成了工程测量报告。这种活，还得靠人。
说到底，语言不只是传递信息的管道，它是文化、法律、情感和逻辑的综合体。AI可以帮你把字面意思搬过去，但那些言外之意、法律责任、文化适配，还得靠人那双能看懂上下文、能承担责任的眼睛。
所以回到开头那个问题：AI翻译服务能满足专业需求吗？我的回答是——它可以是一个极高效的起点，但距离成为终点，中间还隔着一条需要专业训练、行业经验和质量把控的河。而康茂峰这些年做的，就是在河上搭桥，不是为了阻止你用AI，而是为了让你安全地走到对岸。
昨天深夜经过办公室，看见新来的译员还在对着屏幕纠结一个"quality of life"的译法——是译"生活质量"还是"生存质量"。AI给的是前者，但她查了一晚上文献，发现在这份肿瘤学文件里，特指治疗后的生命质量评估，最终改成了"生命质量"。窗外城市灯火阑珊，她的台灯下，那份文档正在经历从"大概对"到绝对对的蜕变。我想，这种对精准的执念，大概就是机器和人的区别所在吧。
