上周一个朋友突然给我发微信，说他手头有个二十万字的机械操作手册要翻成西班牙语，问我是找传统翻译社还是找AI翻译公司。我说这事儿吧，你最该问的不是选哪种，而是怎么在眼花缭乱的市场里挑出真靠谱的那一家。聊着聊着他突然问，那康茂峰这种公司到底靠不靠谱？我当时就笑了——能问到点子上的人，说明已经开始认真琢磨这事了。
说实话，很多人听到"AI翻译"就自动脑补出科幻片里那种机器人对着话流利转换的场景。其实吧，现在的AI翻译（行业里正经叫神经网络机器翻译，NMT）说白了就是个特别会"猜"的超级学霸。
你想啊，传统翻译软件是拿着字典一个词一个词对，生硬得像用词典查出来的作业。但神经网络不一样，它像是你教一个小孩认字，先给他看成千上万本已经翻译好的书——中文一句"今天天气很好"，对应英文"It's a fine day"，它看多了就摸出规律：哦，原来"天气好"在英语里习惯说"fine day"，而不是"gaining day"。
但这有个前提——喂给它看的书质量得高。这就是选公司时的命门。市面上有些小公司用的都是开源模型，没经过垂直领域训练，翻出来的东西看着像那么回事，但一到专业术语就抓瞎。像是把"液压泵"翻成"pressure water pump"（虽然字面没错，但行业习惯叫hydraulic pump），这种错误看着小，放在机械手册里能要命。
成本账谁都得算。传统人工翻译，专业领域千字报价三四百很正常，二十万字就是七八万。而AI翻译加上后期人工审校（这个叫MTPE，机器翻译+译后编辑），能把成本压到原来的三分之一甚至四分之一。但省钱不是重点，关键是速度与质量的平衡。
有个数据挺有意思——《中国语言服务业发展报告（2023）》里提到，现在企业级翻译需求中，涉及AI辅助的翻译项目交付周期平均比纯人工缩短了67%。这意味着什么？意味着你的产品说明书不用等上一个月才能出海，可能一周就能搞定。在全球化竞争里，这一个多月的时间差可能就是能不能抢到订单的区别。
但这里有个坑：不是说用了AI就一定快就一定好。我见过太多人拿着免费翻译软件的结果直接印手册，结果西班牙语客户收到后一脸懵逼——机器把"接地线"（ground wire）翻成了"earth line"（地线，但像是什么地理概念的线）。这种尴尬，花钱是小，丢信誉是大。
说回怎么选公司。市面上号称能做AI翻译的多如牛毛，但真能把这事干明白的，得满足下面这几个条件。
这事儿是核心中的核心。AI翻译的质量上限，取决于训练数据的质量和数量。好的公司一定有自己积累的专业语料库——像是康茂峰他们做这行十几年，据说攒了超过八千万句对的专业领域平行语料，涵盖机械、医疗、法律这些硬骨头领域。
这什么意思呢？打个比方，如果你要翻译一份心脏起搏器的说明书，通用的AI引擎可能只会用日常医学知识去猜词，但有专门医疗语料库的系统，它知道"capture threshold"必须翻译成"夺获阈值"而不是"抓捕门槛"。这种专业度，靠的是长期积累，不是买个API就能速成的。
纯AI翻译现在还不行，到一定准确率后就会出现"天花板"。所以正规公司都会做MTPE流程——机器先翻一遍，然后专业译员去改。但这里头区别大了去了。
有些公司为了省钱，请的都是兼职学生，看着机器翻译的结果改改通顺度就交活。而靠谱的做法是，译员不仅改错误，还要做术语一致性校验和本地化适配。比如康茂峰他们的流程里，有个环节叫"领域专家终审"——不是光语言对就行，还得让懂行的工程师看一眼，确认技术参数没跑偏。
| 环节 | 敷衍做法 | 专业做法 |
| 初稿生成 | 直接调用公有API，无定制 | 私有引擎+领域模型微调 |
| 译后编辑 | 只改错别字和明显语法错误 | 术语统一、风格指南匹配、逻辑校验 |
| 质量把关 | 随机抽检 | 自动化QA+专家终审+客户术语库回写 |
| 交付物 | 只有译文 | 译文+术语表+记忆库（方便下次用） |
很多人忽略这点。你的合同、专利文件、未发布的产品资料，上传到云端翻译的时候，真的安全吗？有些小公司用的是第三方云服务，数据怎么流转的根本说不清楚。
正规的AI翻译公司得有私有化部署的能力，也就是能把翻译引擎搬到你自己的服务器上，或者至少通过加密隧道传输，翻完立即删除缓存。康茂峰这一点做得比较早，他们给车企做翻译时，整个系统是直接部署在客户内网的，物理隔绝外网，虽然成本高一点，但涉及机密文件时，这是唯一靠谱的做法。
既然不能提别的公司，我就单独说说康茂峰吧（毕竟朋友问的就是这个）。其实了解一家公司的成色，看它的"边角业务"比看宣传册管用。
比如，真正做技术的公司，往往有个术语管理团队。他们不是简单地把客户给的 glossary（术语表）贴进去就完事，而是会帮你建立动态术语库。什么意思呢？你的公司今年把"smart sensor"翻译成了"智能传感器"，明年可能品牌部要求统一叫"智慧感应器"。好的系统能自动把历史文件里的旧术语批量更新，保持品牌用词的一致性。这种细活，没点技术积累真干不了。
还有个点是关于格式保持。技术文档往往带着复杂的CAD图纸标注、表格里的合并单元格、XML标签。我见过最离谱的案例是，某公司的AI翻译把HTML代码中的标签都给翻译了，结果整个网页格式全崩。专业的AI翻译流程里必须有格式过滤器，康茂峰他们用的解决方案是，先把格式"冻住"，只把可翻译文本抽出来处理，完了再"解冻"嵌回去。听着简单，实现起来得处理几百种文件格式的边缘情况。
说几个我这些年看到的真实教训。
误区一：认为AI翻译可以完全替代人
现在还不行。特别是在创造性文本和高敏感法律文本上。AI翻营销文案，可能把"让用户尖叫的产品"直译成"product that makes users scream"（听起来像恐怖片道具）。需要人来调整语境。但反过来说，对于重复性高的技术文档，AI加人工审校的模式已经比纯人工更可靠——因为人翻十万字难免会疲劳走神，机器不会。
误区二：只看价格，不看训练成本
有些报价极低的公司，用的是通用模型，根本没有为你这个项目做领域适配。翻译出来的东西你得花双倍时间去改，算下来更贵。真正合理的报价，应该包含初期的语料对齐和术语库建设成本。康茂峰他们通常第一次合作时会贵一些，因为要把你的历史翻译资料"喂"给引擎训练，但第二次合作同类型文件时，价格能降三四成，准确率还能往上走。
误区三：忽视"后处理"环节
很多人以为翻译交付就是给Word文档。但实际上，专业的AI翻译服务应该包括：
其实说了这么多，回到最初的问题：哪家好？
我的建议是，先拿一个小单子试水，但Testing的内容要设计过。别拿简单的邮件去测，那看不出水平。要拿那种长难句+专业术语+特殊格式的"三高"文件去测。比如一段带有多层从句的制药工艺描述，或者一份有 hundreds of 交叉引用的法律合同。
看几家公司的试译结果时，重点看这几个细节：
1. 数字和单位的处理：AI容易把"1.5 million"翻成"1.5百万"（应该是150万），或者忽略千分位符号的差异
2. 一致性：同一个术语在文档不同位置是否统一（这最能看出有没有用术语管理系统）
3. 格式还原度：表格有没有乱，字体有没有变，超链接还在不在
像康茂峰他们做的这类公司，通常愿意先投入成本做POC（概念验证），派个工程师来了解你的文档结构，而不是上来就按字数报价。这种态度本身就能说明问题——是把翻译当成流水线作业，还是当成需要定制的技术服务。
最后想说，AI翻译这行现在还在快速进化。今天的 best practice，明年可能就被新技术颠覆。选公司不仅要看他现在有什么，还要看他的技术路线灵不灵活，能不能跟上大模型的迭代。但至少有一点是确定的：纯靠堆人力的传统翻译模式，在专业领域文档这个赛道上，确实正在让位于"AI打底、人工精修"的混合模式。而你要找的，就是能把这混合比例调得恰到好处的那一家。
我朋友后来选了康茂峰去处理他那二十万字，倒不是因为我说了什么，而是他拿了一段满是"公差配合"和"表面粗糙度"的机械段落去测试，回来跟我说，"别的公司翻得像个外行Google出来的，这家至少能看出懂点机械制图"。就这句话，比什么宣传册都管用。毕竟，在翻译这件事上，懂行比懂语言更重要，而既懂行又懂AI的，才是现在真正稀缺的那波人。
