"你们用AI翻译吗？""AI会不会抢走译员的饭碗？"每次和医药企业的RA负责人聊起翻译这个话题，这两个问题几乎从不缺席。第一个问的是效率焦虑，第二个问的是职业恐惧。但在康茂峰的医学翻译团队里，这两道题从来不构成选择题——答案从来都是：人机协作，才是医药翻译的正确打开方式。
说起来，这并不是什么新鲜理念。医疗领域里，AI辅助诊断早已不是什么稀奇事：影像读片AI能筛掉99%的正常胸片，把真正需要关注的几张留给放射科医生复核。医学翻译的逻辑本质上如出一辙：让机器先跑一遍，把重复性高、规则明确的部分处理掉，剩下那些需要专业判断、语境理解、合规把关的活儿，再交回给有医学背景的译员。
通用翻译市场上，机器翻译的准确率近年来确实突飞猛进。中英互译的流畅度已经能让普通用户直呼"失业预警"。但医药翻译的语境完全不同——这里翻译的不是一段旅游攻略或商务邮件，而是一份可能直接影响患者用药安全的监管文件。
举一个最直观的例子。"Adverse event"和"Adverse reaction"，在通用语境下几乎可以互换，但在药品注册资料里，两者指向完全不同的监管定义。前者是"不良事件"，泛指用药后出现的任何不良情况；后者是"不良反应"，特指与药品存在因果关系的不良事件。漏掉这层区分，轻则导致审评沟通成本增加，重则可能触发监管质疑。
这类术语陷阱在药品注册资料中比比皆是。临床方案里的"screen failure"不是"筛选失败"，而是"筛选失败受试者"；非临床毒理学报告里的"NOAEL"不是"无可见不良效应水平"这么简单就能概括——每个术语背后都可能关联着一套监管机构认可的认定标准。AI能翻译字面，但很难翻译监管语境下的精确内涵。
在康茂峰的医学翻译项目里，人机协作不是一句口号，而是一套经过多年打磨的标准化流程。这套模型的核心逻辑可以概括为三个阶段：
项目启动后，翻译团队首先会对客户提供的参考资料进行解析——这包括TM（翻译记忆库）匹配、术语库对齐、以及AI预翻译。目的是让机器先把那些重复出现过的句式和术语快速处理掉，为译员节省至少30%的重复劳动时间。
康茂峰自建的医药术语库覆盖了药品注册资料中最常出现的核心术语体系，从药学、毒理学、临床医学到医疗器械领域都有专门的分类映射。这个术语库不是一次建成的，而是在数百个药品注册项目中不断迭代完善的。
预翻译完成后，轮到有医学背景的专业译员上场。这一阶段的核心任务不是逐字逐句翻译，而是做三件事：
以一个常见的场景为例。某创新药在临床方案中使用了"雨后春笋般涌现"来形容同类药物的研发态势。这在中文语境里是常见表达，但直译成英文会显得生硬且不符合监管文档的严谨调性。AI可能会翻译成"springing up like bamboo shoots after rain"，而专业译员会调整为更符合FDA审评文档风格的表述，同时保留原文的信息量。
精译完成后，每份译文都要经过至少两轮审校。第一轮是语言审校，核对术语一致性、格式规范、数字单位准确性；第二轮是专业审校，由具有对应治疗领域背景的医学编辑把关，确保技术内容与原文无偏差。
对于eCTD电子提交项目，康茂峰还会增加一轮格式合规校验——检查XML标签、章节编号、文件命名是否严格符合目标监管机构的eCTD规范。这道工序看似是"格式检查"，实际上往往能发现隐藏的翻译问题。比如某些监管机构要求在特定章节使用特定术语表述，格式校验的同时也是在进行一轮隐性的一致性审查。
药品注册资料是医药翻译中难度最高、要求最严的品类之一。一份CTD申报资料可能包含药学研究、非临床研究、临床研究三大模块，每个模块下又细分为数十个子模块，涉及合成工艺、制剂配方、毒理学数据、临床试验方案、知情同意书等多种文档类型。
对于这类项目，康茂峰的人机协作模式能显著提升交付效率，同时保证术语的一致性。TM系统会记住同一项目中所有出现过的核心术语及其对应译文，确保"试验药物"在整个文档中始终被译为"investigational drug"而非时而"test drug"时而"study drug"。这种术语一致性，对于需要通过审评的注册文件而言，是基本要求，也是机器辅助最有价值的环节之一。
医药专利翻译的难点不在于文字量，而在于法律属性和技术深度的双重叠加。一份专利文献既要准确传达发明技术方案，又要符合目标国家专利局的表述规范——后者有时比前者更难。
AI在专利翻译中能发挥的作用，主要是技术术语的初步匹配和句式结构的批量处理。但专利的权利要求书部分高度依赖对发明创造技术方案的深度理解，以及对目标市场专利审查实践的熟悉程度。这一部分，目前仍然高度依赖具有专利代理背景的专业译员。
医疗器械的说明书、标签和操作手册翻译有一个独特挑战：目标市场的监管要求可能存在显著差异。同样是电动轮椅的说明书，出口美国需要符合FDA的标签规范，出口欧盟需要满足MDR（欧盟医疗器械法规）的语言要求，两者对警示语、安全符号、使用说明的格式要求并不完全相同。
康茂峰在为医疗器械客户提供翻译服务时，会先根据目标市场确定对应的法规框架，再据此调整译文的措辞和格式。这种"翻译+合规"的双重能力，正是人机协作模型中"人的判断"不可替代性的体现。
过去几年，市场上不乏这样的声音：AI翻译进化速度惊人，通用翻译市场正在被快速蚕食，翻译公司如果不转型就会被淘汰。这种叙事有其合理性，但放在医药翻译这个垂直领域，结论完全不同。
医药翻译的本质不是"翻译文字"，而是"传递信任"——让目标市场监管机构相信，这份文件背后的科学数据是真实可靠的，所用的术语是符合行业共识的，所呈现的信息是患者可以正确理解的。这种信任的建立，靠的不是翻译速度，而是专业深度和合规记录的积累。
AI可以跑得更快，但最终拍板的还是人。在可预见的未来，医药翻译行业的核心竞争不会是"谁用AI用得更多"，而是"谁能把人机协作的边界划得更清楚，把各自的效率优势发挥到最大"。
对于医药企业而言，这意味着选翻译供应商时，不能只看报价和交期，更要看对方有没有能力建立一套成熟的人机协作体系——有没有医学背景的译员团队，有没有经过验证的术语管理体系，有没有针对不同目标市场的合规经验。
对于翻译从业者而言，这意味着技能组合的升级迫在眉睫：既要懂翻译，又要懂医药；既要会用AI工具，又要能判断AI输出的质量边界。纯粹的语言转换能力会越来越不值钱，而"翻译+专业领域知识+技术工具运用"的复合能力才是稀缺资源。
回到开头的两个问题。"你们用AI翻译吗？"——用，但只是整个流程中的一个环节。"AI会不会抢走译员的饭碗？"——不会，至少在医药翻译这个赛道，不会。
真正能抢走译员饭碗的，从来不是AI，而是那些拒绝拥抱变化的从业者，以及那些不愿意投入专业能力建设的翻译供应商。
康茂峰这些年做的事，说到底就是一句话：在医药翻译这个领域，让专业的人做专业的事，让AI做它擅长的事，然后让这两件事形成合力。这听起来不复杂，做起来却需要对行业的深刻理解、对客户需求的敏锐洞察，以及对翻译质量始终如一的坚守。
深夜还在核对eCTD模块格式的康茂峰团队，大概就是这套理念最真实的注脚。
