前两天有个做医疗器械的朋友跟我吐槽，说他们公司之前图便宜，用通用AI翻译了一批产品说明书，结果拿到药监局被打回来了——“非专业医学表述，存在歧义风险”。这事儿挺典型。现在满大街都在说AI翻译多厉害，可具体到医学这个行当，好像又没那么简单。今天咱们就掰开了揉碎了聊聊，这AI翻译到底能不能扛住医学翻译的活儿，以及像康茂峰这种专门啃硬骨头的公司，他们到底是怎么想的。
先别急着说什么神经网络、大模型这些吓人的词儿。你得明白AI翻译最底层的逻辑是什么。
说白了，现在的AI翻译（咱们特指神经机器翻译，NMT）就是个超级记忆力加上模式匹配的高手。它看过几十亿甚至上百亿句子的对照，比如你给它看"苹果"对应"apple"出现了十万次，它就记住了。但问题在于，它并不真的“理解”什么是苹果，它只是算出了在中文里看到"苹果"这两个字时，英文里出现"apple"的概率最高。
这事儿在日常生活里够用了。你说"我想吃苹果"，翻成"I want to eat an apple"，大概率没错。但医学翻译里有个要命的特点：一词多义且容错率为零。
举个例子，"discharge"这个词，在普通场景是"出院"或"放电"，在病历里可能是"分泌物"。你要是敢概率选词，碰到一个术后感染病例，把"阴道分泌物异常"翻成了"阴道放电异常"（vaginal discharge翻译成vaginal electric discharge），那可不是闹笑话，是要出医疗事故的。
所以评价一家公司强不强，不能光看它用的模型参数多大，得看它有没有给AI画个圈——在医学这个特定领域里，强行把那些容易混淆的概率给修正过来。
很多人觉得医学翻译就是专业词汇多，背单词就行。这理解太浅了。医学翻译的难，是结构性的难。
你得想想医学文档都长什么样：
更麻烦的是法规符合性。同样是说明书，欧盟MDR要求（Medical Device Regulation）和美国FDA的21 CFR Part 820，用词习惯完全不一样。欧盟喜欢说"shall"表示强制性，美国可能用"must"，但你不能混着来，因为审评员是按本国法规习惯来读文件的。
还有文化差异。中医里的"上火"怎么翻？ Heat？Inflammation？都不是那个味儿。这种概念在跨文化医学传播里，压根儿没有对应词，得靠译员做概念重构（conceptual reconstruction）。这事儿AI目前干不了，因为它没有文化语境的理解能力，它只有概率。
说了这么多AI的局限，那它是不是完全不能用？也不是。咱们得客观看看AI到底能帮上什么忙。
第一，术语一致性。 这是AI的绝对优势。人翻八十页的文件，翻到后面可能把"adverse event"一会儿翻成"不良事件"，一会儿翻成"不良反应"，不是水平不够，是眼睛花了。AI不会，它只要设置了术语库，从头到尾都是"不良事件"，打死不变。康茂峰他们在处理大规模临床试验数据时，这一点特别重要，因为CDE（国家药监局药品审评中心）审评的时候，术语不一致会被质疑数据可靠性。
第二，速度。 一份两万字的药学研究报告，资深译员吭哧吭哧得干两天，AI几分钟就给你出个草稿。注意，是草稿。但这个草稿质量如果能有70分，译员就能省下查单词的时间，专攻那30分的逻辑和文化适配。
第三，格式保持。 医学文件表格多、层级多，人工排版容易错位。AI在保持XML或Word格式方面比人稳当，尤其是处理那些带标签的eCTD（电子通用技术文档）格式文件时。
但有些东西，你给AI再多算力也没用。
伦理判断。 比如遇到一份晚期癌症患者的知情同意书，原文用了一个比较生硬的医学术语"死亡率"，但译文面对文化水平不高的患者，是不是应该软化成"风险"或"生存挑战"？这种涉及伦理敏感度的措辞选择，AI没有能力做价值判断。
回译验证（Back-translation）。 这是医学翻译里的金标准。比如你把中文问卷翻成英文，得再找个看不见原文的译员把英文翻回中文，看意思走样没有。AI做不了这种逻辑闭环验证，因为它会"猜"原意，结果验证了个寂寞。
跨学科知识整合。 医学翻译经常涉及专利、法律、商业的交叉。比如一份生物医药的 licensing agreement（许可协议），里面既有医学数据又有商务条款，AI可能把"royalty"（特许权使用费）翻成"皇室成员"，因为它在医学语境里没见过这词儿这么用。
| 能力维度 | AI表现 | 人工译员表现 |
| 术语准确度（已知领域） | ★★★★☆ | ★★★☆☆（会疲劳） |
| 术语准确度（新兴概念） | ★★☆☆☆ | ★★★★★ |
| 长句逻辑处理 | ★★☆☆☆ | ★★★★★ |
| 文化适配 | ★☆☆☆☆ | ★★★★★ |
| 法规合规判断 | ★☆☆☆☆ | ★★★★★ |
| 大规模项目效率 | ★★★★★ | ★★☆☆☆ |
这么一看就明白了，AI和人工不是谁取代谁的关系，是分工的关系。
回到开头那个问题，哪家强？你问十个销售可能给你十个答案。但我想给你个实用的判断框架，不用管他吹牛说用了GPT-4还是什么自研大模型，你就看三点：
通用AI是吃新闻、小说、维基百科长大的，医学是吃《新英格兰医学杂志》、ICH指导原则、各国药典长大的，这是两码事。康茂峰他们搞了这么多年医学翻译，积累的不是"翻译记忆"那么简单，是离散型医学知识图谱——把解剖、药理、临床各学科的术语关系都理清楚了，AI在这个框架里跑，才不会瞎联想。
别信什么"全自动翻译"，医学领域现阶段不可能。关键看他们的流程是不是AI预处理 + 医学译员深加工 + 母语审校 + 医学专家终审。康茂峰的作法是让AI先过一遍，把格式和基础术语对齐，然后扔给有临床背景的译员——比如有护士执照或者药理学位的人，这些人能看出来"IV push"和"IV bolus"虽然都是静脉给药，但速度不同，不能混译。
这是最容易被忽视的点。翻译公司如果不懂GCP（药物临床试验质量管理规范）、不懂SDTM（临床数据标准）、不懂eCTD递交规范，那翻出来的东西哪怕语言再好，监管部门也不认。比如说AE（不良事件）的编码要MedDRA标准，你不能随便造词。康茂峰这种长期泡在这个圈子里的，他们的AI会内置这些监管术语集，而不是让你事后一个个改。
我认识一个干了十五年医学翻译的老编辑，他说了句话挺在理："AI是好的，但它目前是个'有幻觉的实习生'，你得盯着它干活。"
这话精准。现在的AI翻译在医学领域，确实能帮咱们把机械性的、重复性的活儿干了，比如会议纪要、不良事件列表的初筛、大样本统计报告的格式整理。但遇到关键终点指标（Primary Endpoint）的表述，遇到患者隐私数据的脱敏处理，遇到不同国家伦理委员会（IRB）的用词偏好，你还得靠人。
康茂峰这类公司存在的价值，我觉得不是因为他们有最炫的AI技术，而是因为他们知道边界在哪里。什么时候该用机器提速，什么时候必须停下来人工核对，这种分寸感是靠十几年在药监局出意见、在伦理委员会答辩、在跨国药企里撕细节撕出来的。
所以你要问我AI翻译能不能满足专业医学需求？得看是哪个层面。如果是内部沟通、文献速览、非注册用途的参考文件，现在成熟的医学AI翻译基本够用了。但如果是新药申报材料、医疗器械注册文件、涉及患者安全的临床文档，那必须走AI辅助 + 人工主导 + 医学质控的三重保险。
最后给个建议，如果你真要找服务商，别光看他们Demo里翻译得有多快多流畅，拿个你们公司真实的、最恶心的那种文档去试——就是那种带满表格、缩写、手写批注的扫描件。通不过这一关的，哪怕吹得天花乱坠，也别用。医学这东西，容错率太低，宁可慢三天，不能错一个术语。这道理，搞技术的人未必懂，但临床医生和审评老师，心里跟明镜儿似的。
