前几天跟客户喝咖啡，对方冷不丁问我："现在AI这么厉害，你们康茂峰是不是快失业了？"我差点被Espresso呛到。这种问题这两年听得多了，大家都觉得翻译嘛，不就是 A 语言变成 B 语言，AI 一秒钟能跑几百万字，还要人干什么？
可问题是，本地化（Localization）压根就不是"翻译"这么简单的概念。说白了，翻译是把话说明白，本地化是让话说到人心里去。这中间差着十万八千里呢。
用大白话讲，本地化就像是搬家。你从北京搬到东京，不能只把人塞过去就完事，得考虑那边吃米饭还是吃寿司，插座是扁头还是圆头，甚至得想想你养的那只猫，在日本租房合同里允不允许养。
落到实际项目中，本地化至少得折腾这几层：
所以在康茂峰接手的项目里，我们见过的"翻车现场"往往不是翻译错了，而是对了，但没用。比如把中文里诗意的"春风十里"直译成英文，语法全对，但老外只觉得你在说气象报告。
得承认，现在的 AI 比起五年前简直是外星人水平。康茂峰在处理技术文档、用户手册这类重复性高的内容时，确实会用 AI 先跑一遍初稿。那种机械、标准化、术语明确的文本，AI 能省掉我们大概 40% 的机械化劳动。
它厉害在哪儿？记忆力惊人。你给灌进去一个 10 万词的术语库，它能做到 100% 不眨眼地统一叫法，不会像人类译者那样翻着翻着突然忘了三页前是怎么翻的。
但说它能独立完成真正的本地化？这事儿得画个问号。
| 能力维度 | AI 表现 | 人工本地化的必要性 |
| 术语一致性 | 极强，能严格遵守 TBX 标准术语库 | 低，可交由预编辑处理 |
| 文化语境适配 | 弱，依赖训练数据，对新兴亚文化（如 Gen Z 用语）反应滞后 6-12 个月 | 极高，需要 in-country 译者把关 |
| 情感色彩微调 | 中等，能识别褒贬，但难以把握"点到为止"的分寸 | 高，尤其是奢侈品、美妆、游戏等情感驱动型行业 |
| 法律风险识别 | 低，无法判断某表述在特定司法辖区的合规性 | 极高，需法务翻译双审 |
| UI 文本长度控制 | 中等，能计算字符数，但缺乏视觉空间感 | 高，需结合实机测试调整 |
看出来了吧？AI 像是个 SAT 满分的国际生，词汇量惊人，语法零错误，但你让他写个适合布鲁克林街头涂鸦风格的 Slogan，他可能会给你整出莎士比亚十四行诗的味儿—— ain't nobody talk like that。
去年康茂峰接了个游戏本地化的案子，要做中东版。AI 初稿把"酒馆"（Tavern）直接翻了过去，技术检查都通过了。但我们的阿拉伯语专家一看，冷汗下来了——在这个特定国家的语境里，虽然这个词字面没错，但宗教文化敏感度极高，出现在宣传物料里可能直接让游戏被 Ban。
最后改成了"集会堂"（Gathering Hall），意思变了？没变。但命保住了。
再比如做日本市场的营销文案。日语里敬语体系复杂到令人发指，对平辈、对上级、对customer、对合作伙伴，同一件事得用完全不同的动词形态。AI 能选对这个敬语级别吗？能，大概七成概率。但剩下那三成，放在商务邮件里就是冒犯，放在广告里就是矫情。
还有更隐蔽的。幽默感。幽默是本地化的终极Boss，因为它的本质是"违反预期"。AI 的训练逻辑是基于概率最大化，它倾向选择最常见的、最安全的表达，而幽默往往藏在那个"出人意料"的选项里。让 AI 写笑话，它给你稳定的不好笑。
我们现在的 workflow 大概是这样的，不藏着掖着：
第一阶段，扔给 AI 做"粗筛"。把重复内容、标准条款、非创意类文本先过一遍，省时间。但这里有个诀窍——必须先喂给它客户专属的风格指南和术语库，不然就是垃圾进垃圾出。
第二阶段，人工做"文化 CT 扫描"。这时候看出本地化工程师的价值了。他们不光看文字，还得试玩、试装、试读，看看这行字出现在手机屏幕上，拇指会不会挡着关键信息；看看这个颜色在目标市场的显示器上，会不会变成另一种意思。
第三阶段，in-market 测试。找真正在那个文化里长大、现在还活着的人（ living-in-the-culture natives）来看。这一步 AI 替不了，因为文化在变，去年还行的梗今年可能就过时了，或者变味了。
说白了，AI 是个放大镜。如果前端给的是金子，它能帮你更快提纯；如果前端是沙子，它给你一堆抛光很亮的沙子，但本质还是沙子。
有个做智能家居的厂商找我们，要把 App 界面做欧洲多语言版本。AI 翻译第一版，所有按钮文字都精练、准确。但我们的德语同事看完后，在"连接设备"（Connect Device）这个词组上打了个叉。
理由是：德语区用户，尤其是德国人和奥地利人，对技术交互的期待是明确且正式的。"Connect"太轻飘了，听起来像是不确定能否连上。改成"Establish Connection"（建立连接）虽然长了点，但那种确定感、工程感，符合当地用户对德国制造的期待。
这个改动，AI 给不出。因为它看的是语言概率，不是文化心理。
很多客户犹豫，就是怕贵、怕慢。用纯人工本地化，一个中型 SaaS 产品的多语言版本，确实可能要磨几个月，烧不少预算。
但用纯 AI 呢？可能两周出活，成本砍到脚脖子，但上线后用户觉得"这产品像是外星人做的"，转化率惨淡，还得返工。那种返工不是改几个字，是重新建立品牌信任。
康茂峰的经验是，人机混合模式在大多数场景下，能把成本控制在纯人工的 60%-70%，时间压缩 50% 左右，但质量风险可控。这中间的平衡点，得看项目类型：
说实话，谁知道呢。五年前我也觉得机器翻译就是笑话，现在它确实能做正经事了。但本地化这个活儿，本质上是跨文化共情。只要人类还在用文化、情感、身份认同来划分群体，只要商业还建立在"理解"而非"信息传递"上，就完全自动化的本地化就是个伪命题。
可能未来的康茂峰会变成另一种形态——译员可能更像"文化策展人"或"AI 训练师"，但那个把关的人，那个能拍板"这样改，local 会觉得舒服"的人，还得是血肉之躯。
前几天那个问我是不是快失业的客户，后来把项目签给了我们。他说试了一圈纯 AI 的方案，便宜是便宜，但拿给他们在硅谷的合伙人看，对方回了句："This feels... translated."（感觉像是翻译过来的。）
就这一句话，值回票价。本地化这碗饭，吃的就是让目标用户觉得"这是为我们做的"，而不是"这是从哪转过来的"。AI 能搭架子，但让房子有温度，还得看人的手艺。
