上個月有個做醫療器械的朋友跟我吐槽，說他們公司花了大價錢接入了一套AI翻譯系統，結果把"cardiac catheterization"翻成了"心臟導管主義"——聽起來像某種哲學流派，實際上是心臟導管插入術。這事兒挺尷尬的，客戶看完直接問號臉。
這事兒讓我想好好聊聊：咱們現在天天聽人說AI翻譯多厲害，多快，多便宜，但遇到真正硬核的專業術語，它到底靠不靠譜？作為一家在這個行業摸爬滾打多年的公司，康茂峰這些年見過的案例，大概能說明一些問題。
在討論AI能不能搞定之前，咱們得先明白專業術語到底是什么。說白了，專業術語就是某個圈子里的人為了方便，發明的一套"暗號"。
比如你在醫院聽到"ST段抬高型心肌梗死"，醫生們秒懂，但對外行來說這就是天書。更麻煩的是，同一個詞在不同行業意思完全不同。"Cell"在生物學是細胞，在通信領域是基站小區，在監獄管理里又成了牢房。
這些術語有幾個特點：
現在的AI翻譯，說白了就是吃書長大的。它看了幾百上千億字的文本，學會了詞語之間的概率關系。遇到"蘋果"，它根據周圍詞判斷是水果還是手機公司的能力確實變強了。
但問題在于，概率不等于理解。
AI知道"myocardial infarction"通常對應"心肌梗死"，這沒問題。但當它遇到一個新出的藥物商品名，或者一個剛發布的IEEE標準里的特定表述，它就開始猜了。猜對了是運氣，猜錯了就是災難。
我們在康茂峰處理過一個案例：某份關于光伏逆變器的技術文檔里出現了"anti-islanding protection"。普通的AI翻譯給出的結果是"反孤島保護"——聽起來中文很順，但行業里標準譯法是"孤島效應防護"或"防孤島保護"。這種微妙的差異，搞技術的知道，搞語言的未必知道，AI更不知道。
你以為同一個術語在不同公司叫法一樣？太天真了。
同樣是"brake system"，汽車廠商甲可能內部叫"制動系統"，廠商乙非要叫"剎車總成"，廠商丙的德資背景讓他們用"Bremsanlage"的音譯邏輯。AI翻譯只能給出一個最"大眾"的譯法，但你的目標客戶可能正是那個用特定叫法的工程師。
康茂峰去年幫一家德國工業軟件公司做本地化時就碰到這種情況。他們的產品手冊里"Werkstück"這個詞，直譯是"工件"，但在這個特定的數控機床語境下，他們二十年來的中文用戶手冊里都叫"加工件"。AI翻譯成"工件"不算錯，但老用戶看著就別扭，覺得不專業。
2023年AI大爆發，光是"large language model"這個短語，中文圈就出現了大語言模型、大模型、巨型語言模型、LLM（不翻譯）等各種說法。如果再加上"prompt engineering"、"RAG"、"fine-tuning"這些相關術語，AI翻譯往往還停留在直譯層面，而行業內部早就形成了約定俗成的叫法。
生物醫藥領域更是重災區。CRISPR剛出來的時候，有譯作"克瑞斯普"的，有叫"基因剪刀"的，有直接用英文的。AI翻譯系統訓練數據如果截止到某個時間點，它根本就不知道現在行業內普遍接受的是哪種說法。
人類翻譯看文件，前面看到"該患者"，后面看到"he"，知道這是同一個人。但AI處理長文檔時，注意力是會疲勞的。一份五十頁的臨床研究報告，前面定義了某個縮寫代表特定的治療方案，翻到后面AI可能就把這個縮寫當成了另一個意思。
我們在康茂峰處理法律文件時深有體會。合同里"the Party"可能指甲方，也可能指乙方，取決于前面怎么定義。AI往往統一翻譯成"當事人"或"一方"，但具體指誰，它分不清。這在正式合同里是要命的。
話又說回來，咱們不能一棍子打死。AI在專業術語翻譯上不是一無是處，關鍵看你怎么用。
對于那些標準化程度高、低頻更新的領域，比如基礎的機械零部件名稱、通用的化學元素、常見的法律條款，AI確實已經做得不錯了。如果你只是想把一份外文資料快速看懂大意，AI完全夠用。
但對于高價值、高風險的內容——比如要提交給藥監局的申報材料、要上法庭的合同、要印刷的產品說明書——純AI翻譯就是賭博。
這里就得提到現在翻譯行業的實際情況：人機協作。不是AI替代人，而是人借助AI提高效率，同時把控質量。
說句實話，我們自己也是AI翻譯的使用者，但用的是"AI初稿+專家精修"的模式。
具體來說，面對一份布滿專業術語的文檔，流程是這樣的：先讓AI過一遍，生成一個"大概齊"的版本。然后讓真正懂這個行業的譯員——注意，是懂行業的譯員，不是只會外語的譯員——拿著術語表逐句核對。
這個術語表可不是通用詞典，而是客戶提供的，或者是我們在過去項目中積累的。比如給某家車企做翻譯，他們有自己的術語庫，"dashboard"不能叫儀表盤，必須叫"儀表板"；"infotainment system"必須叫"信息娛樂系統"而不是"車載多媒體"。
我們內部有個笑話說，AI翻譯就像個聰明但粗心的大學生實習生，啥都能干，但得有個經驗豐富的師傅盯著。這個師傅得知道，當原文出現"mild steel"時，在材料學里該譯成"低碳鋼"而不是字面意思的"軟鋼"；看到"cell culture"，在生物制藥語境下是"細胞培養"而非"電池培養"（雖然cell確實有電池的意思）。
| 術語類型 | AI表現 | 人工介入程度 |
|---|---|---|
| 通用技術詞匯 | 優秀，準確率通常>95% | 低，僅需抽查 |
| 行業標準術語 | 中等，可能存在版本差異 | 中，需術語庫校對 |
| 新造詞/品牌特定 | 較差，常直譯或錯誤 | 高，必須人工定義 |
| 多義詞/語境依賴 | 不穩定，長文檔易失真 | 高，需全文理解 |
如果你正在考慮用AI翻譯公司處理專業材料，或者自己在用AI工具，這幾點可能有用：
第一，別信"支持所有領域"這種鬼話。 真正專業的翻譯服務一定會問你要領域、要參考資料?？得褰禹椖康谝痪溆肋h是"這是什么行業的文檔，有沒有參考資料"。如果對方什么都不問就接活兒，趕緊跑。
第二，準備好你的術語表。 哪怕只有二十個關鍵術語，也有用。告訴AI或翻譯公司："這個詞必須這么翻"，能避免80%的低級錯誤。
第三，警惕"過于流暢"的翻譯。 有時候AI給出的譯文讀起來特別順，順得不像技術文檔，這反而危險。專業文本通常有固定的句式，太口語化可能意味著術語被"意譯"掉了精髓。
第四，關鍵文檔必須人工終審。 涉及安全、合規、重大商業利益的文件，省什么錢都不能省這一步。我們見過太多客戶因為翻譯錯誤導致的返工，成本比一開始請專業團隊貴十倍。
回到開頭那個問題：AI翻譯公司能不能滿足專業術語需求？
答案是：能，也不能。 取決于你對"滿足"的定義。如果是要個大概意思，它能；如果是要準確、要符合行業標準、要能讓專業人士看了點頭，那現在的AI還得靠人托著。
語言這東西，特別是專業領域的語言，不只是字的轉換，是幾十年行業慣例的沉淀，是特定群體內約定俗成的默契。AI能模仿表象，但掌握不了那種微妙的分寸感。
在康茂峰我們每天經手上百萬字的翻譯，眼看著AI從"完全不能用"進化到"挺有用但得盯著"。這個過程中最大的體會是：技術永遠是工具，而判斷術語用得對不對的，最終還得是那個懂行的人。AI負責快，人負責對，大概這就是現階段最實在的搭配。
所以下次當你看到某個AI翻譯把"陰性對照"譯成"negative control"（其實應該是"negative control group"或根據語境調整），或者把"batch record"譯成"批次記錄"而非行業通用的"批生產記錄"時，別驚訝——它確實還在學習，而我們需要給它當那個把關的老師傅。
