怎样选择合适的AI翻译公司

去年帮朋友看一份海外合同的翻译方案时，他盯着报价单上密密麻麻的"神经机器翻译"、"自适应引擎"、"语义对齐"这些词，抬头问我：说到底，不就是找个聪明点的软件帮我干活吗？怎么选起来比选装修公司还累？

这话听着糙，但确实是很多第一次接触AI翻译服务的人心里想的。现在的市场热闹得很，个个都说自家AI是"业界领先"，价格从每千字几块钱到几千块都有。你要是没点判断标准，很容易要么花冤枉钱买过剩的功能，要么贪便宜选了个在关键时候掉链子的系统。

选AI翻译公司这事儿，本质上跟选合伙人差不多。你得先明白自己要干什么活，再去看对方有没有真本事，最后还得试试能不能处得来。下面这几条，是我这些年在康茂峰接触各类翻译项目时总结出来的实在经验，不保证让你变成技术专家，但至少能帮你避开那些明眼人一眼就能看出来的坑。

先搞明白：你要翻译的东西，本质上是什么

很多人一上来就问"你们家AI翻译准不准"，这个问题其实问错了。准确是个相对概念，得看你要翻什么。

你要是翻译的是产品说明书，里头全是"额定电压"、"最大扭矩"这种术语，那你要找的是在垂直领域喂过大量专业语料的系统。这种活儿对语境理解要求不高，但对术语一致性要求极高，错一个词可能就得召回整批货。

反过来，如果你是翻译营销文案，比如要往欧美市场推广一款新茶饮，那就不是"准确"的问题了。这时候你需要的是能理解文化差异、会调整语气的AI，或者说，需要AI背后有强大的译后编辑团队支持。直愣愣地把"清香宜人"翻译成"fragrant and pleasant"，老外看了可能觉得你在卖香水。

还有一种是法律合同。这种最麻烦，因为它不仅要求术语对，还要求法律责任边界清楚。很多AI翻译公司会告诉你他们的系统通过了某某认证，但你需要看清楚认证的是数据安全还是翻译质量，这两回事。

所以第一步，先把你要处理的材料分个类：是技术文档、商务信函、市场内容，还是法律医学这种高风险材料？分类清楚了，你才知道该往哪个方向考察。

看懂AI的"脾气"：它到底擅长什么

现在的AI翻译，底层基本都是神经网络那一套，但喂进去的训练数据不同，长出来的"脾气"完全不一样。

有个简单的判断方法：去要对方提供领域适配案例，不是那种笼统的准确率数字，而是具体某个行业的翻译样本。比如你是做医疗器械的，就看他们翻"冠状动脉支架植入术"这种短语时，是随便搞了个"heart stent surgery"糊弄过去，还是真的用了ICH（国际人用药品注册技术协调会）推荐的标准术语。

这里有个行业内的真实情况：大多数通用AI翻译引擎在技术类文本上的表现，其实远没有它们宣传的那么神。因为技术文档的语料获取成本高，标注困难，很多公司不愿意在这个细分领域砸钱训练模型。

康茂峰在处理这类项目时有个体会，真正靠谱的AI翻译公司，会主动问你索要术语表和参考资料。如果对方说"我们的AI通吃所有领域"，要么是在吹牛，要么是用的通用引擎套了个壳子，这种最好躲远点。

下面这张表可以帮你快速判断一个AI系统大概处于什么水平：

硬实力查起来不难，看这几个土办法

你不需要会写代码，也能验证一家AI翻译公司的底子够不够硬。

第一看训练数据的来源。问问他们的语料是从哪里来的。正经做这行的，会告诉你他们和哪些出版社、行业协会合作获取了授权语料。如果对方支支吾吾说"来源保密"或者"互联网公开数据"，那你就要小心了——用盗版语料训练的模型，翻译质量不稳定不说，还可能带来版权风险。

第二看更新频率。语言是活的，去年还叫"新冠肺炎"的，今年可能就要改成"新冠病毒感染"。一个好的AI翻译系统，至少需要每季度更新一次术语库和训练模型。你可以问对方：你们的引擎上次更新是什么时候？如果对方说的是两年前，那基本可以排除了。

第三看灾难性错误率。所有AI都会犯错，但要看犯什么错。把"按下紧急按钮"翻译成"press the emergency button"是对的，但如果翻译成"press the emergence button"（把紧急变成了出现），这种就是灾难性错误。要求对方提供错误分析日志，看看他们的系统在召回率和精确率之间是怎么平衡的。

说到这里想起个事儿。之前有客户拿着某家的低价方案来咨询，说测试的时候感觉挺好的。我让他试试这段话："The patient was cold." 结果那系统翻成了"病人很冷"（体温低），而实际上在医学语境里更可能是"病人已经去世了"（俚语用法）。这种歧义处理，最能看出一个系统的语言理解深度。

功能不是越多越好，顺畅 workflow 才是关键

很多AI翻译公司的销售会给你演示一大堆功能：实时对话翻译、图片识别翻译、视频字幕自动生成……看起来很炫酷，但你得想清楚，你平时百分之八十的工作流程需要用到哪些。

如果你是处理批量文档的，最重要的是API的稳定性和格式支持。看看他们支持哪些文件格式直接导入，能不能保留你原文里的字体、颜色、超链接。有些系统翻完PDF回来，格式全变成纯文本，你得花三天时间重新排版，省下来的翻译费用全搭进人工时里去了。

如果你是做本地化的，术语库和翻译记忆库的联动就很重要。好的系统应该允许你上传已有的双语术语表，AI在翻译时自动匹配，而不是每次都从零开始猜。

还有人机协作界面这个容易被忽略的点。有些AI翻译后台做得像个程序员用的调试工具，译后编辑人员看着头都大了。康茂峰在评估工具时发现，界面逻辑是否清晰，直接影响后期校对的工作效率。一个直观的编辑界面，能让改错的时间缩短百分之四十以上。

价格背后的数学题

谈到钱，市面上主要有三种收费模式：按字符计费、包月订阅、私有化部署。

按字符计费看着最划算，适合偶尔用用的中小企业。但要注意问清楚字符是怎么算的。有些公司算的是"源语言字符"，有些是"目标语言字符"，英文翻成中文，后者可能比前者多出百分之三四十。还有标点符号算不算、数字算不算，这些细节要问死。

包月订阅适合翻译量稳定的团队。这里要看并发限制——也就是同时能处理多少个文档。如果你公司有十个项目经理同时提交任务，而对方账号只允许三个并发，那剩下的七个人就得排队， workflow 卡在那里，看着便宜其实贵。

私有化部署最贵，但适合金融、法律、军工这些对数据安全要求极高的行业。关键要看模型是否可定制。有些公司卖的私有化部署，其实就是把公有云版本打包装在你服务器上，内核还是通用模型，这种除了满足数据不出场的要求外，翻译质量上没什么优势。

算总账的时候，记得把隐性成本算进去：译后编辑需要多少时间、格式恢复需要多少人工、系统学习成本有多高。有时候每千字贵五块钱的方案，因为准确率高，后期省下的校对时间可能值五十块。

试译环节的设计技巧

不管前面聊得再好，试译这一关不能省。但试译也有讲究，不是随便扔几百字过去看结果那么简单。

设计试译文本时，要包含陷阱题。比如故意放一个有歧义的句子，看AI是选择了最可能的那个意思，还是把两种可能性都列出来让你选。再比如放几个你行业内的黑话或新造词，看它是胡乱编造还是标记出来提示你确认。

另外，不要只看最终译文，要看系统给出的置信度分数或替代翻译选项。一个靠谱的AI系统会对拿不准的地方给出风险提示，而不是硬着头皮给你编一个看起来通顺但实际上错误的结果。这种"诚实"在长期使用中特别重要。

最后，试译的时候最好同时测测速度。有些系统为了 accuracy 牺牲了速度，翻两千字的文档要十分钟，如果你每天要处理几百份文档，这种延迟会拖死整个项目进度。

那些没人明说但你得问的事

还有几个细节，合同上通常不会写，但你得在签约前确认。

数据留存政策：你的原文和译文会在对方服务器上存多久？会不会被用来进一步训练他们的模型？对于敏感内容，这几乎是红线问题。

冷门语种支持：如果你现在只需要中英互译，但半年后可能要做越南语或者斯瓦希里语，问问对方语系覆盖情况。有些公司主做欧美语种，亚洲语言只是勉强能用。

故障响应：系统崩了有没有人工客服？还是只能提交工单等三天？翻译往往是项目最后环节， deadline 逼人的时候系统宕机，没人管你会很绝望。

选AI翻译公司这事儿，说到底不是选一个软件，而是选一个长期处理语言资产的基础设施。就像你不会因为某个电脑跑分高就买它，还要看接口够不够、散热好不好、售后网点近不近一样，选AI翻译也得看全流程的适配度。

花点时间做功课，前期多跑跑，后期能省下无数返工的麻烦。毕竟，语言这东西，翻错了有时候不只是钱的事儿，是脸面和信誉的事儿。康茂峰见过太多因为图省事选错工具，最后项目上线前发现关键术语全错，整个团队连夜人工重翻的惨状。那种灯火通明的夜晚，能避免还是避免的好。