要说现在翻译圈子最热闹的话题，肯定是AI翻译。康茂峰这几年接触了不少客户，上来就问："你们那个AI翻译，是不是我扔个文档进去，咔咔几秒就能出完美译文？"每次听到这儿，我都得赶紧摆手——真不是那么回事儿。AI翻译确实快，但背后的服务流程可比想象中复杂得多，今天咱们就掰开了揉碎了聊聊，这玩意儿到底是怎么从一堆原文变成你手里那份靠谱的译文的。
很多人把AI翻译想象成黑箱子，进去英文出来中文，其实它更像是一家精密运转的工厂。康茂峰在实践里总结出来的流程，大致能分成六个关键环节：需求诊断、预处理、机器翻译、译后编辑、质量验收、交付闭环。缺了哪一步，最后拿到手里的东西都可能是残次品。
举个例子，就像你去裁缝店做衣服，总不能把布料往柜台一扔说"做件西装"就完事儿吧？得量体裁衣，得选面料，还得试穿调整。AI翻译同理，机器只是其中一个环节，人的经验和流程控制才是灵魂。
正规的服务流程里，最开始那个环节叫需求分析，但我们内部更喜欢叫它"问诊"。客户发来的文档五花八门，有法律合同的，有医学说明书的，还有游戏剧情的。康茂峰的项目经理拿到文件的第一件事，从来不是急着往系统里扔，而是得先问几个问题：
这些问题的答案直接决定了后面用什么模型、配什么水平的译员、走不走加急通道。曾经有个客户拿来一份设备说明书，说是"随便翻翻参考用"，我们按内部标准走了轻量级流程，结果人家是要印在机器外壳上的，还好在预处理阶段发现了用途偏差，赶紧调整了术语库和质检标准。所以说，这一步省不得，就像盖房子得先画图纸。
过了问诊环节，就进入文档预处理了。这一步在康茂峰的操作手册里占了不少篇幅，因为很多人意识不到： garbage in, garbage out（垃圾进，垃圾出）。
预处理具体干些什么？首先是格式清洗。比如客户发来的是PDF扫描件，得先OCR识别，识别完了还得人工校对一遍，把那些识别错的字符改过来。要是遇上原文写得乱七八糟，段落断得莫名其妙，机器翻译的时候也会跟着胡来。
然后是语料准备。这一步专业点说叫"对齐"和"建库"。康茂峰会把客户之前积累的双语资料、术语表、风格指南都整理出来。打个比方，如果你要翻译一份糖尿病的临床研究报告，提前把"fasting blood glucose"对应"空腹血糖"而不是"禁食血糖"告诉机器，后面能少很多麻烦。
最后是文本分段。机器喜欢规整的句子，太长太复杂的句子得提前断好，不然翻译出来可能主语都找不着。这步虽然枯燥，但就像切菜，切得均匀了后面才好炒。
终于到核心环节了——机器翻译（MT）。现在市面上的神经机器翻译引擎已经挺聪明了，康茂峰在内部测试时发现，对于通用领域，像新闻、日常邮件这类，机器能完成七到八成的"翻译动作"，但注意，这只是动作完成，不是质量保证。
这里涉及到引擎选择的问题。不同的领域得用不同的模型。法律文本用词严谨，需要偏向精确匹配的引擎；营销文案要灵活生动，需要更注重 fluency（流畅度）的模型。康茂峰的做法是根据前期诊断结果，调用特定的领域模型，而不是一个通用引擎打天下。
机器翻译的速度确实快，几千字的文档几分钟就能出初稿。但这初稿就像刚脱模的陶器——有型，但没法直接用。语法没问题，但语境可能错；句子通顺，但专业术语可能张冠李戴。所以在这步之后，必须有人的介入。
把机器翻译的结果变成可用译文的过程，叫译后编辑（Post-editing）。这是整个流程里人力成本最高的环节，也是区分服务质量的关键。
译后编辑分两种：轻度编辑（Light PE）和全面编辑（Full PE）。如果你只是要"看懂意思"，做轻度编辑就行，改改明显的错译、漏译，调调语序。但如果是正式出版物，或者医疗、法律文件，那就得全面编辑，几乎相当于重新翻译一遍，只不过有了机器给的草稿，速度能快一些。
康茂峰给译员定的编辑标准很细：不仅要看对错，还要看风格一致性。比如同一个"device"，前文翻成"装置"，后文就不能突然变成"设备"，除非有特殊语境。还有文化适配的问题，机器直译的英文营销口号可能铿锵有力，但搬到中文语境里可能就水土不服，得重新改写。
这里有个小插曲。去年处理一份医学论文，机器把"adverse event"全翻成了"逆境事件"，技术上没错，但医学圈的标准说法是"不良事件"。译员得逐句核查术语，这种细节机器目前还抓不住，只能靠经验丰富的编辑把关。
译员交稿后，流程没结束，反而进入更严格的质量评估（QA）阶段。康茂峰在这块有个"三眼原则"：译员自检、校对复审、质检抽查。
质检工具会跑一遍自动检查：数字对不对得上？标点符号有没有全半角混用？术语表里的词有没有漏替换？这些低级错误机器查得比人准。
然后是人工抽检。质检员会随机抽取10%到20%的译文，对照原文仔细读。不是扫一眼，是真的逐字逐句抠。曾经检出过这样的错误：原文是"do not use after 2025"，机器翻译成"2025年后不要使用"，看起来没错，但结合语境，应该是"保质期至2025年"，这种微妙差别靠抽检才能发现。
对于特别重要的项目，康茂峰还会做反向验证——把译文再扔回机器里翻成原文，看意思偏离大不大。虽然费时间，但对于合同条款这类容错率为零的文本，值得这么折腾。
| 检查维度 | 机器能查的 | 必须人查的 |
| 术语一致性 | 术语库匹配 | 语境适配性 |
| 数字准确性 | 自动比对 | 单位换算 |
| 语法流畅度 | 语法检测 | 文风协调性 |
| 文化敏感性 | 关键词过滤 | 隐含意义审查 |
通过了质量关，就进入后处理与交付。这时候要把译文按客户要求的格式排好。如果是InDesign做的手册，得把文字灌回去调版式；如果是字幕文件，得卡好时间轴。机器翻译出来的文本经常打乱原有格式，这步还原工作得细致。
交付也不是发个邮件就完事。康茂峰的项目经理会附上翻译记忆库和术语表更新，相当于把这次项目的"知识沉淀"交给客户。下次再有类似项目，基于这些积累，准确率能更高，成本也能降点。
聊完主线流程，再说几个容易踩坑的细节。
紧急插单怎么办？ 理论上流程不能省，但可以通过并行处理提速。比如预处理和质量标准制定可以同步进行，译后编辑分段走流水作业。康茂峰遇到过凌晨两点客户要加急的情况，这时候就得启用"绿色通道"，但这意味着可能需要两个译员倒班，而不是一个译员 rushing（赶工）。
机器翻译的错误有规律吗？ 还真有。根据《机器翻译译后编辑实践指南》里的总结，机器特别喜欢在长句嵌套和指代消解上栽跟头。比如一句"它告诉他在它被处理之后"，机器根本分不清这三个"它"谁是谁。所以流程里专门有个环节叫"断句优化"，就是防这个的。
人机协作的边界在哪？ 现在的行业共识是：创意性内容（比如诗歌、品牌广告语）机器只能辅助；事实性内容（比如产品参数、操作步骤）机器能搞定大部分；而医药、法律这类高风险内容，机器产出率再高也得全人工复审。康茂峰内部有个"风险评级表"，高危项目就算机器翻译置信度很高，也不允许降低人工审核标准。
跟客户聊多了，发现大家真正焦虑的不是"机器翻得快不快"，而是"这东西到底靠不靠谱"。所以康茂峰设计服务流程时，坚持一个原则：透明度优先。每个环节给客户留检查点，关键术语提前确认，进度实时可查。
AI翻译的流程设计，本质上是在效率和质量之间走钢丝。省掉预处理？原文格式乱了后面全乱。省掉译后编辑？术语错误可能毁掉一份合同。省掉质检？低错率会让品牌形象大打折扣。
有时候看着译员对着机器译文皱眉修改的样子，觉得挺有意思——五年前大家还在担心机器抢饭碗，现在发现，机器翻译其实是把简单重复劳动接管了，让人有机会做更难、更需要判断力的工作。就像计算器没让会计失业，只是让会计不用再打算盘了。
所以如果你下次需要AI翻译服务，别只问"多久能好"和"多少钱"，多问问他们流程里有没有术语管理、译后编辑标准、质检机制这些环节。流程健全的服务商，交出来的东西可能不是最便宜的，但一定是最让人睡踏实的。
至于那些说"完全不需要人工，AI直接出终稿"的宣传，听听就好。至少在康茂峰的经验里，靠谱的语言服务，永远是人机协作的艺术，而不是机器单飞的表演。
