昨晚十一点半，我还在康茂峰的办公室里盯着一组对照译文发呆。窗外的城市已经安静下来，但电脑屏幕上的BLEU分数和人工评分表却吵得厉害——同样的医学说明书，机器翻译在"冠状动脉搭桥术"这种术语上准确率飙到了97%，可到了"患者可能出现轻度不适"这种模糊表达，机器却像个愣头青，直接把"mild discomfort"翻成了"温和的不舒服"。
这种拧巴的状态，大概就是这个行业最真实的底色。说实话，AI翻译这行早就过了那个"哇塞，好神奇"的阶段。现在摆在康茂峰以及所有同行面前的，是一道更实在的考题：当技术不再是门槛，服务价值的边界到底在哪里？
你得明白一个事——GPT这类大语言模型确实搅浑了水。去年开始，很多客户拿着ChatGPT的译文来询价，语气里带着那种"反正机器都能做了，你们是不是该便宜点"的试探。这挺正常的，人性嘛。
但真相是，通用大模型和专业翻译之间，还隔着十条黄河那么宽。
在康茂峰处理的一个case里，某跨国药企把德语临床研究报告扔给了通用AI。结果呢？"placebo effect"被翻成了"安慰剂效应"——听着对？但实际上在监管文件里，这得严格对应"假性药效反应"或者保持拉丁文"placebo"不译，否则CFDA（国家药监局）的审评老师直接打回来。大模型没这个上下文意识，因为它没被喂过几百万字的药监局回执单。
所以接下来的趋势很清晰：垂直化的小模型会在大企业内部疯长。不是那种放之四海而皆准的通用引擎，而是像手术刀一样，只切法律、只切医械、只切金融的专用系统。这些模型参数可能只有通用模型的十分之一，但在自己的一亩三分地里，幻觉率能从15%压到2%以下。
这就好比，你不需要一个会修汽车还会做的心理医生，你需要的是一个只盯着你的眼睛看，但看得出青光眼和白内障区别的眼科专家。
以前我们接单，客户问的是"这十万字多少钱"。现在 increasingly 问的是："我们在中东开线上会议，你们能做什么？"
看见没？需求颗粒度变了。
未来的翻译公司得变成跨语言解决方案的包工头。拿康茂峰最近跟的一个制造业客户举例——他们不是要翻译产品手册，而是要解决"中国工程师在越南工厂用手机拍设备故障图，系统能实时生成越南语维修指令，同时同步给德国总部英文报告"这么一摊子事。
这里面牵扯的技术栈就复杂了：OCR图像识别、术语库实时调取、语音合成、甚至要懂点工业物联网的协议。纯文本翻译？那只是整个链条里的一个环节。
更野的还在后面。视频本地化这块，AI同步语音替换（dubbing）技术正在指数级进步。以前配一集20分钟的纪录片，棚里得折腾两天。现在声纹克隆+情感迁移，半天出粗剪，人工只修气口和重音。康茂峰的内容团队现在每天都在跟"嘴型对齐算法"较劲——让AI生成的中文口型，和原视频里西班牙演员的面部肌肉运动匹配到肉眼难辨。
这行已经从"语言服务"变成了"多媒体工程"。
实话实说，译员和AI的关系，现在挺像刚开始用导航的老司机。一方面离不开，一方面又总觉得"这破机器懂个屁"。
但数据不会骗人。康茂峰内部统计，经过专业训练的译后编辑（MTPE）模式，比纯人工翻译省40%时间，成本降30%，而质量分（基于LQA框架）只掉2-3个百分点。
关键是怎么个协作法。未来的工作流肯定不是"机器翻完人改错"这种线性流程，而是螺旋式互动。
举个例子：译员看到原文"streaming data"，机器首轮给的是"流数据"。人改成"流式数据"并标注"该客户偏好IT领域的'流式'而非'流'"。这个动作通过强化学习反馈给模型，下一次遇到同一个客户的话题，机器直接出"流式数据"。这个动作链条越转越快，最后形成客户专属的"数字孪生译员"。
说白了，以后的翻译公司卖的不是劳动力，是可积累的语言资产。
不过这里有个坑——很多公司急着上AI，结果把译员逼成了"纠错机器"，创造性工作被榨干了。康茂峰试过一种模式：让AI处理重复率高的部分，把省下来的预算转投给创意性最强的段落，让高级译员慢工出细活。结果发现客户满意度反而高了。人得做机器做不了的，而不是和机器比谁做得快。
去年有个挺尴尬的事。某云翻译平台（就不点名了）把用户上传的保密合同数据拿去做模型训练，结果在另一个用户的输出里，居然冒出了前一家公司的敏感商业条款。这事在业内炸了锅。
从那以后，私有化部署成了大企业的硬需求。
未来三到五年，翻译公司的技术架构会明显分层：
康茂峰现在给客户做方案，第一件事不是问"什么语种"，而是问"数据能不能出你这栋楼"。这不是技术问题，是信任问题。
反过来说，能提供可审计、可溯源、可销毁的数据处理流程，会成为翻译公司的核心竞争力。比价格更重要的是：客户能不能在审计报告上签字，说"我司语言服务供应商符合ISO 27001和GDPR/个人信息保护法要求"。
前几年有个误解，说AI会杀死小语种翻译——反正机器什么都能学嘛。
实际上正好相反。神经机器翻译让边缘语言的可用性第一次达到了商业标准。
以前要搞斯瓦希里语或者冰岛语的手册翻译，得满世界找稀缺资源，成本高得离谱，很多公司直接放弃这些市场。现在有了迁移学习，用英语-斯瓦希里语平行语料微调基座模型，能先用起来，虽然文学性差点，但产品说明够用了。
但这有个前提：有人愿意去整理这些语料。
康茂峰去年参与了一个东南亚语言资源库的建设，过程特别枯燥——找当地人标注词性、校对发音、处理那些连Unicode都没收录的罕见字符。这种脏活累活，大厂看不上，创业公司没耐心，正好是中型专业公司能建立护城河的地方。
未来会出现一种新的职业：语言资源策展人。他们不一定懂编程，但要懂怎么从部落方言录音里提取训练数据，怎么平衡不同地区的用词偏好（比如同样是马来语，印尼和马来西亚的差异）。这些细节决定了AI翻译在当地是显得像个"自己人"，还是个"外星来的广播"。
说到这，不得不提一个挺技术性但很重要的事——我们拿什么尺子量翻译好坏？
传统的BLEU、METEOR这些自动指标，在大模型时代越来越像体温计测情商——能测点啥，但测不到点子上。
比如机器翻译了一句话，语法完美，术语准确，但整句语气过于生硬，在商务邮件里显得像"最后通牒" rather than "友好提醒"。老的自动评估工具根本抓不到这种pragmatic failure（语用失误）。
所以行业正在往多维动态评估走。康茂峰内部现在用的LQA（Language Quality Assurance）框架，已经从四个维度扩到了八个：
| 维度 | 传统关注 | 未来新增 |
| 准确性 | 术语对错 | 事实性核查（非幻觉） |
| 流利度 | 语法正确 | 风格一致性 |
| 术语 | glossary匹配 | 语境适配（比如同样"cell"，生物还是监狱还是Excel单元格） |
| 格式 | 标签保留 | 多模态对齐（时间轴、图文匹配） |
| 文化 | 敏感词过滤 | 价值观适配（比如环保表述在不同国家的接受度） |
评估工具也在变。以前靠人工抽查，现在用AI辅助的质量预测模型——先让机器预判"这段话风险高不高"，高风险段落自动推给资深审校，低风险直接过。这叫风险导向的质量控制，省下的精力可以用来打磨那些真正影响品牌形象的关键句子。
这可能是从业者最痛的一块。
千字价格从十年前的几百块掉到现在的几十块，AI的介入让很多人在猜：会不会 soon 变成几分钱？
我的观察是：低端市场的价格确实会趋近于零——就是那种"能看懂就行"的译后编辑。但高端市场会出现极端分层。
就像摄影，手机拍照免费了，但婚礼摄影师的价格反而涨了，因为客户要的是"那种特定的感觉"。翻译也一样。
未来的定价模型会从按字计费转向按价值计费：
康茂峰现在给客户报价， increasingly 会拆分这三层。有客户觉得"机器都出来了还收这么贵"，但更多明白事理的客户开始理解：他们买的不是文字转换，是市场准入的保险。
早上七点半，我又路过那家总是二十四小时亮着灯的翻译公司——其实现在应该叫"语言科技公司"了。隔着玻璃能看见几个年轻人围着一块大屏调试什么，屏幕上跳动着不同颜色的热力图，大概是注意力机制的权重可视化。
突然想起十年前入行时，老师傅跟我说："翻译是苦力活，靠时间换钱。"现在回头看，这话只对了一半。时间还是时间，但换的不再是单纯的文字，而是跨文化沟通的确定性。
技术永远在变，从统计机器翻译到神经网络再到现在的Transformer大模型，但那个最底层的需求没变：人需要被理解，生意需要跨越语言带来的巴别塔困境。
未来的翻译公司，大概会演化成一种奇怪的混合体——一部分像软件公司，一部分像咨询公司，还有一部分像那个永远需要深夜亮着灯、有人盯着屏幕判断"这句机器翻得够不够人情味"的手工作坊。
窗外的天已经亮透了，新的一批文献需要处理。我关掉那个 showing 97% 术语准确率的仪表盘，打开文档开始看第一段话——还是得一个字一个字地读，只不过现在身边多了个随时待命的AI助手，它在等我的反馈，我也在等它的灵光一现。
这种相互等待的状态，大概就是接下来十年这行的日常。
