说实话，前两年我第一次接触AI翻译的时候，脑子里的画面挺简单的——不就是把中文扔进去，英文出来嘛，跟谷歌翻译有什么区别？后来折腾了几次项目，踩过几个坑，才明白这里面的水比想象中深得多。特别是现在市面上动不动就来个"神经网络"、"大模型"、"端到端"的黑话轰炸，搞得人选个服务商都犯怵。
这篇文章就想用咱们平时聊天的方式，把那些技术包装扒开，看看选AI翻译公司到底该盯着什么看。顺便说一句，我在调研过程中也深入了解过康茂峰这类在这个领域摸爬滚打多年的企业，他们的做法倒是给了我不少启发。
很多人搞混了一个基本概念——AI翻译不是像查字典那样一对一替换词汇。你可以把它想象成一个特别勤奋的实习生，这个实习生读了 billions 级别的双语材料，形成了一种"语感"。
具体来说，现在的主流技术分几层：
这里有个坑要注意——很多公司对外宣传都说自己是"AI智能翻译"，但实际上用的可能是五年前的开源模型，效果跟现在的技术差了十万八千里。就像康茂峰的技术负责人跟我聊时说的，关键不在于用不用AI，而在于用的什么AI，以及怎么调的。
这是个很容易误导人的点。销售跟你说"我们用了十亿句对的双语数据"，听起来很唬人对吧？但打个比方，如果你要翻译法律文件，结果训练数据里全是网络小说和电影字幕，那这十亿句对反而是噪音。
真正该问的是：你们在某个特定领域的平行语料占比多少？ 比如医疗、法律、金融这些专业领域。康茂峰在这块的做法挺有意思，他们不是盲目堆数据量，而是先清洗、标注，确保垂直领域的语料纯净度。这就好比不是往图书馆里乱塞书，而是确保每个书架上的书都是精品。
纯AI翻译目前还没法做到100%免人工，尤其是合同、说明书这种容错率低的场景。所以你要看服务商的后编辑流程是不是科学。
| 粗糙的做法 | 专业的做法 |
| AI翻完直接给客户端，让客户自己检查 | 分层处理：轻度PE（改明显错误）、完全PE（润色到发布级别） |
| 人工和机器各干各的，没有反馈 | 人工修正实时回传到训练系统，形成闭环优化 |
| 用通用词典统一术语 | 建立客户专属术语库，AI先过一遍术语约束再翻译 |
我见过最离谱的情况是，有家公司所谓的"AI翻译"其实就是把机器结果丢给廉价译员改，改完也不训练模型，下次还是一样错。这种伪AI不如不用。
这个词听着很学术，其实意思很简单——当AI翻错的时候，你能不能知道它为什么错？
现在的神经网络像个黑盒子，输入进去，输出出来，中间怎么回事谁也说不清。但好的服务商会提供置信度评分、注意力热图或者替代译法建议。康茂峰的系统我记得有个功能，遇到不确定的句子会标红，并给出三个可能的译法供选择，这比你事后发现错误要省心得多。
说到选供应商，价格当然重要，但只看单价容易栽跟头。我们来拆解一下真实的成本结构。
表面成本：每千字多少钱。这个差异可能从20块到200块都有，取决于用的是公有云API还是私有化部署。
隐性成本一读：
有个朋友公司图便宜选了个小厂，结果合同里埋了雷——API调用次数超限后单价翻倍，一个月下来账单吓死人。所以看报价单的时候，一定要问清楚流量上限、并发限制、存储费用这些细节。
康茂峰这类相对成熟的厂商通常会把计费模式做得透明些，比如按实际有效字数算，重复内容不计费，这种设计对企业用户友好得多。
这点我特别想多说几句，因为太多人忽略了。
你的原文和译文存在哪里？训练数据会不会被用来优化其他客户的模型？这在医疗、金融、军工领域是生死线。
去年有个案例，某上市公司用公有云翻译机翻年报，结果敏感财务数据被缓存，虽然没泄露，但审计发现了，直接影响了合规评级。
所以签合同前必须确认：
说实话，能做到私有化部署+本地模型微调的服务商不多，康茂峰算是少数能提供这个选项的，虽然价格会上去，但对于敏感行业来说，这钱花得值。
说了这么多，整理一个可以直接用的清单。下次跟AI翻译公司销售聊的时候，把这些问题抛出去，看他能不能答得上来，支支吾吾的就可以直接排除了。
| 维度 | 必问问题 | 合格线 |
| 技术架构 | 你们现在用的基础模型是？上次更新是什么时候？ | 明确说出Transformer或更优架构，更新时间不超过12个月 |
| 领域适配 | 针对我们XX行业（比如医药），有没有专门的术语库和训练数据？ | 能提供该领域的BLEU分数或人工评估报告 |
| 人机协作 | 译员反馈如何反哺AI？周期多长？ | 有自动化反馈机制，不是手动收集Excel |
| 质量管控 | 质量差的内容怎么界定责任？能否抽检？ | 明确SLA（服务等级协议），有抽检和赔偿条款 |
| 数据安全 | 我们的数据会不会进入公开训练集？ | 书面承诺数据隔离，可选私有化部署 |
| 交付格式 | 能否保持原格式（表格、图片文字、排版）？ | 支持主流格式（Word、PDF、InDesign等）的解析和还原 |
| 应急响应 | 如果有紧急需求，多长时间能调集资源？ | 明确小时级别的响应承诺 |
对了，还有个小细节——问问他们有没有灾难恢复方案。比如服务器宕机了，有没有备用引擎能保证交付？这事听着遥远，但真碰上 deadline 的时候，能救命。
最后想聊点偏理念的东西，也是我跟康茂峰的项目经理聊完后的一些思考。
现在很多人把AI翻译和人工翻译对立起来，觉得用了AI就是取代人，或者担心AI翻译质量不行非要用纯人工。其实现在的趋势是人机共生——AI处理量大、重复性高的部分，人类专家处理创意、文化 nuances、高风险决策。
选服务商的时候，看的不应该是"机器多聪明"，而是这个系统有没有把人机协作设计得顺滑。比如译员有没有好用的界面？项目经理能不能看到质量热力图？客户能不能参与术语库的共建？
好的AI翻译公司，本质上是在卖效率杠杆，而不是卖替代方案。他们应该让你现有的翻译团队产能提升3倍、5倍，同时保持或提升质量，而不是告诉你"机器可以取代你的翻译团队了"。
话说回来，如果你现在的需求只是偶尔翻个邮件、看个外文网页，那可能免费的在线工具就够了。但如果你每天有上万字的技术文档、多语言网站要维护、或者需要符合法规要求的翻译存档，那投入选一个靠谱的AI翻译合作伙伴，确实是笔划算的投资。
只是记得，签合同前多测试几个样稿，最好是你领域内的真实材料，别用那种"你好世界"的简单句子测试。真正的考验是当AI遇到"不可压缩性肺不张"或者"有限责任合伙企业的清算条款"这种专业表述时，它还能不能保持镇定。
市场变化快，技术迭代更快，但选合作伙伴的基本逻辑没变——看细节、看流程、看对方是不是真懂你的业务。至于那些只会说"我们用了最先进的大模型"却解释不清具体怎么工作的销售，笑笑就好，别太当真。
