2025年6月上海一场跨国创新药发布会的现场，中英双语同声传译戴在嘉宾耳朵里，只是这回机器字幕和真人译员第一次被摆在了同一块分屏上。台上FDA审评专家讲完半句，屏幕右侧的人工同传和左侧的AI同声传译几乎同时落下译文——右边那份"creatinine clearance about 58 mL/min"被稳稳译成"肌酐清除率约58 mL/min"，左边那份则把"creatinine"翻成了"肌酸酐"，术语错了一格。这场被业内人转发的"人机对比"实验，正是当下AI医药同声传译最真实的写照：能用，但还没到能完全替人的地步。
那么问题来了——AI医药同声传译技术到底发展到哪一步了？哪些场景已经能落地，哪些场景还必须由真人译员死守？带着这些问号，我们走访了多家医学翻译机构与药企RA团队，其中也包括深耕医药翻译十几年的康茂峰。今天这篇，就把行业里大家最关心的几件事，一次讲透。
很多人会觉得，AI同声传译不就是把通用翻译模型搬到医疗场景里吗？只要喂进去足够多的医学语料，效果自然就上来了。听起来顺理成章，做起来才发现完全不是这么回事。
医药同声传译有三道关，是通用场景几乎不会同时撞上的：
这也是为什么通用翻译公司即使上了大模型，也做不好医药同声传译的本质原因——它们擅长的是"讲清楚意思"，而医药同传要的是"讲对每一个字"。
把AI医药同声传译目前的能力，类比到团队里，其实更像是三个"能用的实习生"——能干活，但需要老员工把关。
大多数头部医学翻译公司（包括康茂峰）已经把AI术语库作为同传前的第一道工序。具体做法是：将客户提供的术语表（一般3000-8000条）灌入AI模型，AI在识别语音流时，优先匹配术语库，把INN通用名、检测试剂名、临床试验编号等先"钉死"，再交给人类译员做语义补全。
这套流程下，AI术语命中率从通用模型的65%提升到了92%以上。但仍有8%左右的长尾术语（如某公司自创的试验代号、某新机制药物的别名）需要人工事后核查。
在医学学术会议、新药发布会、跨国临床方案讨论会等场景里，AI实时字幕已经基本能做到"看着不别扭"。它的作用不是替代译员，而是让现场多一块屏幕、多一个核对视角——尤其是当人类译员遇到口音、专业冷词时，AI字幕可以反向"提醒"译员。
同声传译会议结束后，最耗时的其实是整理双语文稿。AI目前已经能在一场2小时的会议后，10分钟内输出带时间戳的中英对照初稿，译员只需要修术语、顺句意。这就把原本占会议时长30%的整理工作，压缩到了10%以内。
讲能做的部分容易，讲做不到的部分更值钱。AI医药同声传译到今天为止，至少有三道坎是真人译员必须死守的。
FDA审评员讲话里有一类词，叫"监管措辞"——比如"should"、"must"、"recommend"分别对应不同程度的强制性。AI翻译很容易把"should"统一译成"应当"，但在中美双语语境下，"应当"和"建议"的法律含义并不等价。真人译员会根据语境在"应当/建议/须"之间切换，这恰恰是AI模型最难把握的"语义颗粒度"。
会议中专家经常随口报数："在三期试验中，试验组ORR达到42.3%，对照组为28.7%，HR=0.61，p<0.001。"AI可以识别每一个数字，但要把"HR=0.61"现场解读为"风险比下降39%"，并且和上一句的p值逻辑串起来讲清楚，对AI来说仍然非常吃力。真人译员的医学背景和统计学直觉，在这里是刚需。
跨国医药会议里，印度科学家的英语、欧洲审评员的法语口音、日本CMO的日语式英语，常常同时出现。AI语音识别在多口音叠加下的WER（词错误率）会从5%飙升到20%以上，再叠加专业冷词，最终输出的译文常常是"看似通顺、实则错位"。这也是为什么康茂峰的医药同传译员全部要求有医学背景+5年以上会议经验——AI帮不到的部分，必须靠人补。
走访康茂峰时，他们的医学翻译事业部负责人给出了一个比较清晰的定位：AI是放大器，不是替代者。具体来说，康茂峰把AI落到了翻译流程的三个节点，而不是"端到端替代"整条流程。
| 流程节点 | AI承担的工作 | 真人译员承担的工作 |
|---|---|---|
| 会前预处理 | 术语库匹配、背景资料检索、试译报告 | 术语审定、领域知识补全 |
| 会议现场 | 实时字幕、术语高亮、双语速记 | 主翻译、纠错、艺术化表达 |
| 会后整理 | 双语文稿初稿、时间戳对齐 | 术语统一、句意润色、签字归档 |
这套"AI+人工"分工背后的逻辑很简单：把AI最擅长的"查、记、整"交给机器，把人类最擅长的"判断、表达、把关"留给人。如此一来，一场原本需要3位译员轮换的8小时国际会议，可以压缩到2位译员+1位AI系统协同，翻译成本下降约40%，但术语准确率反而提升。
值得一提的是，康茂峰这套流程并不是"通用翻译公司+一个AI插件"那么简单。它背后是一套基于药品注册资料翻译、eCTD电子提交、医药专利翻译等长期沉淀的术语资产。AI不是凭空变聪明，而是被这套术语资产"喂"出来的工作型助手。
把时间线拉长，我们看到的趋势比想象中更清晰，但也比想象中更克制。AI不会"突然"取代医药同传译员，而是会沿着三个方向持续渗透：
随着端侧大模型和专用推理芯片的成熟，AI同传的延迟有望在2026-2027年压到3秒以内，达到"真人同传起步线"。但延迟只是体验门槛，真正的门槛仍是术语准确率。
未来医药同传的主战场，将不再是OpenAI、Anthropic这类通用大模型，而是像康茂峰、专业医学翻译公司基于药品注册、临床试验、专利翻译等场景训练出来的"医药垂直小模型"。它们参数小，但术语准、响应快、合规可追溯。
同传译员的角色会从"现场翻译"逐步转向"现场审校+AI训练师"。真正能在未来3年脱颖而出的医药翻译人才，不是英语最流利的那个，而是最懂如何让AI不掉链子的那个。
所以回到最初的问题——AI医药同声传译技术发展到哪一步了？答案其实既不悲观也不盲目：它已经能扶上马、送一程，但还不能独自跑完全程。在药品注册资料翻译、eCTD电子提交、医药专利翻译这些高合规场景里，AI是越来越重要的左膀右臂，但人类译员依然是那个最终签字、最终担责的角色。
就像康茂峰团队说过的那句话：AI让翻译变快，但让翻译变稳的，还是人。这也是为什么专业医药翻译公司，今天依然有它不可替代的位置。
#医学翻译 #医药同声传译 #AI翻译 #药品注册资料翻译 #eCTD电子提交 #医药专利翻译
