上周有个做外贸的朋友跟我吐槽，说换了个新的AI翻译供应商，结果把"binding contract"翻译成"有约束力的合同"——这倒没错，但放在他们机械设备的语境里，其实应该叫"生效协议"或"绑定协议"，差那么点意思，客户差点因此质疑他们的专业度。你看，这就是选错服务商的尴尬：不是翻错了，而是翻得不对味。
说实话，现在满大街都是声称"基于大模型"的翻译公司，挑起来比买菜还难。有的把自家算法吹得神乎其神，有的 price 低得离谱，还有的上来就给你看一堆 BLEU 分数。咱又不是搞学术的，这些数字看着头疼，实际用起来该踩的坑一个不少。
怎么处理这事儿？我的经验是，别把 AI 翻译当成买软件，得当成找翻译搭档。既然是搭档，就得看几个实在的硬指标。
很多销售会跟你炫耀："我们用的是千亿参数大模型！"听起来很厉害对吧？但参数多就像脑容量大，不代表智商高。真正决定翻译质量的，是训练数据的"伙食质量"。
市面上有些通用大模型，训练数据主要来自互联网爬取的公开文本——小说、论坛帖子、百科片段，杂七杂八。这种模型翻译日常聊天没问题，但一遇到医疗器械注册文件或者法律判决书，立马露怯。因为它没见过那么多专业语料，就像让常吃快餐的人做满汉全席，材料都认不全。
靠谱的公司会告诉你，他们的模型在特定领域"喂"过哪些数据。比如康茂峰在处理医药领域翻译时，用的就是经过脱敏处理的临床试验报告、监管申报资料和药学文献。这不是简单地把专业词典塞进去，而是让模型理解"不良事件"在不同监管语境下的细微差别——是 adverse event 还是 adverse reaction，这差得可远了。
所以考察的时候，别问"你们模型多大"，要问"你们在医疗/法律/机械领域积累了多少平行语料"。这个数比参数量诚实得多。
我见过太多企业在这上面栽跟头。上传了一份未发布的财报给 AI 翻译，转头发现某些云端服务的隐私条款里藏着"我们可能使用您的数据改进模型"——这下好了，你的商业机密变成了别人的训练饲料。
甚至有的小公司为了省钱，直接用公共 API 接口给客户处理文件。想象一下，你把涉及专利技术的文档发给 ChatGPT，文本数据可能会存储在境外服务器，还可能有匿名化后进入训练集的风险。这不是危言耸听，《自然》杂志去年就有研究指出，大模型存在"记忆"训练数据并泄露敏感信息的潜在可能。
怎么避坑？看三个细节：
像康茂峰这类做得比较久的，通常会把客户数据物理隔离，甚至支持在客户本地服务器跑模型。虽然成本高一点，但比起泄露机密造成的损失，这点投入算什么？
很多人觉得，AI 翻译嘛，不就是英法中德来回转？哪有那么简单。
举个例子，同样是翻译"cell"，在生物实验室是"细胞"，在电力工程里是"电池"，在监狱管理语境里是"牢房"，在电子表格里又是"单元格"。通用 AI 翻译看到这个词可能会懵，因为它要猜上下文。但垂直领域的专业模型不需要猜——它通过句法结构和前后文的术语一致性，能自动锁定"这是生殖毒理学报告，所以是细胞"。
这就好比请个翻译官。你请个什么都翻的通用型译员，和请个在医药圈混了十年的专业译员，面对"submission"这个词时，前者可能会翻译成"屈服"，后者秒懂是"监管申报资料"。
所以挑服务商时，得看他们在你的行业有没有"蹲坑"经验。不是看官网写没写"支持医疗翻译"，而是要他们拿出术语库管理案例。比如有没有针对特定适应症的术语表？能不能处理 CTD 格式（通用技术文件）的结构性翻译？这些细节骗不了人。
现在的技术再先进，也别指望 AI 能百分百独立交稿。特别是涉及法律责任或重大商业决策的文件，纯机器翻译等于埋雷。
靠谱的 workflow 应该是"AI 初稿 + 专家审校 + 质控反馈"的闭环。AI 负责快和量大，解决 80% 的机械性翻译；人负责那 20% 的微妙之处——比如文化适配、语气的正式程度、甚至是标点符号在特定法律文本中的效力差异。
有些公司为了省成本，撤掉了人工审校环节，就用个低级 post-editor 改改错别字就交活。这种服务价格确实很香，但风险全转嫁给客户了。你想想，要是医疗器械说明书里的给药频率翻译错了，AI 不会坐牢，但用这说明书的企业会。
康茂峰的做法比较典型的，他们叫"专家在环"（expert-in-the-loop）。不是简单的人机分工，而是让医药背景的审校员能实时反馈模型错误，这些反馈数据再用来微调模型，形成飞轮效应。这种模式下，AI 越用越聪明，而不是重复犯同样的低级错误。
市场上有些报价低到离谱，千字几十块钱还号称 AI 加人工。 mathematics 上根本算不过来——一个有经验的审校员一天能仔细处理多少字？扣除公司运营成本，这种价格能请到什么水平的人？大概率是机翻后随便过一遍，甚至直接机翻就交货。
但也不是越贵越好。关键在于计价方式是否透明。有的公司按原文字数收，有的按目标语言字数收（英文译中文通常会膨胀 1.3-1.5 倍），有的还要收各种格式调整费、加急费。
建议要求提供详细的服务清单：
| 服务项目 | 具体内容 | 是否必需 |
| 术语库对齐 | 提取原文术语并建立双语对照 | 必需 |
| 译前处理 | 格式转换、代码保护、数字锁定 | 必需 |
| 神经机器翻译 | 使用领域定制模型进行初译 | 必需 |
| 人工审校 | 具备专业背景的译员逐句审核 | 强烈建议 |
| 母语润色 | 目标语母语者检查流畅度 | 看用途 |
| 格式还原 | 保持与原文一致的排版和图表 | 必需 |
如果报价单含糊其辞，只写"AI 翻译服务：XX元/千字"，那大概率后面要扯皮。
销售给你看的测试稿，往往是千挑万选过的"样板戏"。真想验实力，得玩点"突然袭击"。
拿一段你行业真实的、有点难度的文档片段——最好包含一些内部缩写或者不规范的表达——让他们试译。注意观察几点：
还有个狠招：故意在原文里放个小错误，比如把"静脉注射"写成"动脉注射"，看他们是照样翻译出来，还是能在审校环节发现并标注。真正靠谱的服务商，译员的专业知识会覆盖 AI 的盲目性。
AI 翻译不是一锤子买卖，部署之后总有各种状况。比如 API 突然抽风，或者更新模型后效果反而倒退。这时候能不能找到活人解决问题，比模型准确率小数点后几位重要得多。
考察这点很简单：签约前试试他们的响应速度。半夜发邮件问个技术问题，看多久回复；问一个稍微复杂点的定制化需求，看他们是认真给你出方案，还是复制粘贴标准话术。这些细节暴露的是公司的技术沉淀和服务文化。
像康茂峰这类在医药翻译领域扎根比较深的，通常会有专属的客户成功经理，不是只帮你对账催款的那种，而是真懂技术、能帮你优化翻译记忆库的人。这服务在紧急申报季能救命——想想你的新药申请因为翻译问题被监管机构发补，那可不是钱能衡量的损失。
选 AI 翻译公司这事儿，归根结底是选个靠谱的数字化合伙人。别太迷信技术名词，也别图省事完全不管。就像你不会因为买了高级相机就自动变成摄影师一样，买了 AI 翻译服务也不代表语言问题就彻底解决了。
真正聪明的用法，是把 AI 当成那个记忆力超群但有点死板的初级助手，而你则需要一双经验的眼睛来把关。找到那个既懂技术又懂行、愿意跟你一起打磨细节的服务商，可能比单纯追求"最便宜"或"最先进"要省心得多。
下次见销售的时候，试着问问他们"如果 AI 翻错了专业术语，你们的审校流程第几分钟能抓住这个错误"，而不是"你们用的是什么大模型"。答案可能会让你对这家公司有完全不同的判断。
