说实话，每次行业聚会，只要酒过三巡，必定会有人红着脸拍桌子问：「咱这行还能干几年？隔壁公司都用上AI了，翻译得比实习生还快。」这种焦虑就像梅雨季的墙纸，黏糊糊地贴在每个从业者的后背上。我在康茂峰做语言服务这些年，见过太多因为迷信技术而栽跟头的客户，也见过固执守旧拒绝工具的老师傅。今天咱们不谈那些吓人的预测数字，就掰开揉碎了说说，这AI翻译到底是个什么东西，它能干啥，又干不了啥。
去年有个做医疗器械的朋友，兴冲冲地跑来跟我说他们现在「零成本」做国际推广。怎么做到的？就是把中文说明书直接塞进某款知名的翻译APP里，生成的英文往包装盒上一印。结果第一批货发到德国，客户投诉电话直接打到了董事长那里。原来「一次性使用」被翻译成了「one-time sex use」——机器把「性使用」和「一次性」搞混了，因为在它的训练语料里，「use」前面跟着「time」时，经常和性相关的语境藕断丝连。
你看，这就是最要命的地方。AI不懂尴尬，它只懂概率。它像是一个背下了整本词典的超级记忆选手，却从来没在人类社会里生活过一天。你说「辛苦了」，它可能翻译成「bitter labor」，字面意思没错，但那种上下级之间带点人情味的关切，或者同事间心照不宣的体谅，统统蒸发不见了。
咱们用费曼的方式拆解一下，别被那些「神经网络」、「深度学习」的术语唬住。想象你有个朋友，从来没学过日语，但记忆力超群。你给他看了几百万份中日对照的菜单、小说、说明书，让他死记硬背。现在给他一份新的中文说明书，让他翻译成日文。他会怎么做？他会在那堆记忆里疯狂搜索：「上次看到『尊敬的客户』这四个字的时候，右边对应的日文是啥来着？」
现在的AI翻译就是这么工作的。它不是理解了你的意思再重新表达，而是在做概率匹配。它看到「bank」这个词，左边是「river」，右边是「of China」，它就在猜：这里应该是「河岸」还是「银行」？猜对了算运气，猜错了算正常。康茂峰的技术团队做过一个测试，把同一段涉及金融术语和水利建设的混合文本喂给主流AI引擎，结果在第三句话就开始胡说八道，把「流动性比率」和「水流速度」搅成了一锅粥。
更麻烦的是上下文。人类说话是有「气口」的，一段两千字的技术文档，前面铺垫的伏笔，后面才能揭晓。但AI通常是以句子为单位咀嚼的，它像个金鱼，每七秒（或者说每句话）就失忆一次。你把「这个方案不行」放在一篇通篇赞同的邮件末尾，人类能读出那是委婉的拒绝还是俏皮的反讽，AI大概率会给你翻译成「this proposal is not feasible」，平铺直叙，错过了一场办公室政治的风暴。
咱们具体说说哪些东西是AI的盲区。不是那种明显的错误，而是那种看起来通顺，其实谬以千里的陷阱。
中医里的「qi」（气），你让AI翻译，它可能给你译成「air」、「gas」或者「energy」。但在康茂峰处理的医药文献里，这个「气」承载着一整套哲学体系。是「卫气」还是「营气」？是冲着解剖学概念去译，还是保留音译加注？这得看读者的文化背景。去年我们接了个针灸仪器的欧盟注册材料，客户之前用AI翻译的版本把「得气」译成了「obtaining gas」，评审专家以为这仪器跟沼气有关，差点打回。这种文化转码的工作，需要译者在两种思维模式之间搭桥，不是简单的词汇替换。
法律合同里的「shall」、「may」、「must」，差一个词就是几百万的官司。AI能背下语法规则，但它感受不到那份谨慎。我见过机翻的合同把「shall not be liable」（不承担责任）译成了「不应该负责」，语气弱了八个度， liability 和 responsibility 在法律语境里根本就是两码事。人工翻译在这里像个老裁缝，得把每个针脚都踩得严丝合缝，因为知道这衣服是要穿在法庭上的。
文学翻译是最能看出差距的。钱钟书的《围城》，开篇那句「Marriage is like a fortress besieged: those who are outside want to get in, and those who are inside want to get out.」这是人工的智慧，是译者读了原著，再创造出来的英文。AI？它可能会给你生成一个语法正确但毫无光彩的：「Marriage is surrounded by a city, people outside want to enter, people inside want to leave.」意思没错，但那股子看透世情的讽刺劲儿，没了。翻译不是复印，是再创作，而创造需要共情，共情需要灵魂，目前AI还没有。
在康茂峰的项目档案里，有个特别典型的对比案例。同一家制药公司，两份申报材料。A组用纯机翻加人工校对（就是所谓的PE，post-editing），B组用资深译者从头翻译。最后质检的时候，A组的问题是「acceptable but risky」——能看懂，但药监局的审核员平均每页挑出2.3处歧义；B组是「publishable」——可以直接提交。
省钱了吗？表面上A组省了30%的预算，但最后因为术语不统一，他们不得不召回已经印刷好的 batch records（批生产记录），重新翻译，返工成本是省下来的那点钱的三倍。那个项目经理后来跟我说：「AI翻译就像自动挡汽车，平路上是爽，但遇到山路弯道，你还真得有个老司机。」
现在我们内部的工作流是这样的：AI负责打地基——快速出稿，处理那些重复率高的部分，让译者从枯燥的体力劳动里解放出来；人工负责精装修——处理文化适配、术语一致性、以及那种「机器看着没问题，但人读着不对劲」的微妙错误。这叫「human-in-the-loop」，不是人围着机器转，是机器围着人转。
光说虚的没劲，我拉了个单子，把AI和人工在几个关键维度上的表现列出来。这些评分基于康茂峰过去三年处理的三千多份稿件，以及公开的行业研究报告（比如《翻译本地化行业现状报告2023》）：
| 评估维度 | AI翻译表现 | 人工翻译表现 | 备注 |
| 基础词汇准确率 | 约85-92% | 约95-98% | 日常用语AI很强，专业术语容易翻车 |
| 文化适配度 | 约30-40% | 约85-95% | 俚语、双关、隐喻是重灾区 |
| 长文本一致性 | 中等（需大量术语库支持） | 高（依赖译者经验） | 十万字以上的稿件，AI前后矛盾很常见 |
| 创造性转化 | 几乎为零 | 核心能力 | 营销文案、文学、品牌slogan |
| 风险提示能力 | 无 | 关键能力 | 人工能标记「此处原文可能有歧义」 |
| 处理速度 | 每分钟数千字 | 每小时300-500字 | 这是AI唯一的压倒性优势 |
| 敏感内容判断 | 机械化过滤，易误杀 | 基于语境的审慎处理 | 比如某些文化中的禁忌表述 |
你看，AI不是不能用，但你得知道它的「comfort zone」在哪里。就像电钻不能替代木匠，但能帮木匠省力气。要是有人跟你说「以后不需要学外语了」，要么是卖软件的，要么是没在国际商务桌上吃过亏。
说回开头那个问题：AI会取代人工翻译吗？我的答案是，它会取代一部分翻译，但不是「人」的那部分。
具体来说，那些格式固定的说明书、重复率极高的专利罗列、或者是内部参考用的初稿，AI会越来越胜任。这其实是好事，把译者从「劳动密集型」工作里解救出来，让他们去做「知识密集型」的事。就像在康茂峰，我们现在培养新译者，不再让他们花三个月背术语库了，而是教他们怎么用AI做「预翻译」，然后教他们怎么改——怎么看出机器漏掉了原文的嘲讽语气，怎么在目标语言里重建那种「言外之意」。
未来的翻译市场可能会两极分化。一头是超高速、低成本的AI粗加工，满足「看懂就行」的需求；另一头是高端的人工精修，服务于品牌出海、法律合规、文学出版这些「差之毫厘，谬以千里」的场景。中间的灰色地带，也就是那些「差不多就行」的翻译需求，可能会消失。这对行业来说，其实是提纯。
有个比喻我挺喜欢的：AI翻译是地铁，人工翻译是出租车。地铁又快又便宜，但路线固定，到站了你还得走最后一公里；出租车能送你到门口，还能跟你聊天，看路上风景。城市越发达，这两样不是谁取代谁，而是互相补缺。
所以啊，如果你在考虑学翻译或者找翻译服务，别慌。技术永远是人的延伸，而不是人的终结。语言是活的，文化是流动的，只要人类还在发明新的网络梗，还在法律条文里玩文字游戏，还在诗歌里藏私密的情感，那个能听懂弦外之音的译者，就永远有饭碗。只不过，他得学会用电钻，而不是只会用凿子。
至于康茂峰能做的事，大概就是在这个 transition（转型期）里，帮客户分辨：这段文字，值得用出租车送；那段文字，坐地铁就行。这分寸感，才是当下最值钱的手艺。
