前幾天有個做醫(yī)療器械注冊的朋友跟我吐槽，說他們公司去年上了個AI翻譯系統(tǒng)，結(jié)果翻出來的注冊資料把"catheter"一會兒譯成"導(dǎo)管"，一會兒又變成"導(dǎo)尿管"，審核老師直接打回來，說術(shù)語不統(tǒng)一。他那個郁悶啊，覺得AI翻譯是不是就是糊弄人的。
這事兒其實挺常見的。很多人以為AI翻譯就是直接把句子扔進去，出來的結(jié)果就該是完美的，特別是那些專業(yè)詞匯，應(yīng)該天生就懂。但真相是，AI翻譯公司支不支持專業(yè)術(shù)語庫，支持到什么程度，這里面的門道可多了去了。咱們今天就拿康茂峰的技術(shù)實踐來說道說道，不搞那些虛的，就聊實在的。
說白了，術(shù)語庫就是一本超級專業(yè)的"暗號對照表"。
你在醫(yī)院里，醫(yī)生說"CT"，大家都懂是計算機斷層掃描；但如果你跟搞機械的師傅說"CT"，他可能以為是電流互感器（Current Transformer）。同一個縮寫，不同行業(yè)就是不同的命。術(shù)語庫就是把這些容易混的專業(yè)詞匯給圈定下來，規(guī)定死：在這個項目里，這個詞只能這么翻，那個縮寫必須對應(yīng)那個意思。
傳統(tǒng)的做法是，翻譯公司養(yǎng)一批專家，把這些年積累下來的詞匯整理成Excel，或者塞進專門的軟件里。翻譯師干活的時候得一邊查一邊敲，生怕錯了。這就像炒菜的時候旁邊必須放著菜譜，隨時看一眼，怕把糖當(dāng)成鹽。
但到了AI時代，事情變了。AI翻譯引擎，不管是神經(jīng)網(wǎng)絡(luò)的機器翻譯還是現(xiàn)在的大語言模型，它們本質(zhì)上是看過了 billions 級別的語料，"猜"出某個詞該對應(yīng)什么。可問題是，猜出來的結(jié)果往往像開盲盒——大多數(shù)時候是對的，遇到專業(yè)場景就抽風(fēng)。
你要問AI能不能自動識別專業(yè)術(shù)語，那答案是能，但跟你想的那種"精準(zhǔn)"差得遠。
打個比方，AI就像一個博覽群書但有點馬虎的通才。你給他一篇心血管論文，他看到"stent"這個詞，憑著之前讀過的材料，他可能聯(lián)想到"支架"，也可能聯(lián)想到" stent 植入術(shù)"或者直接音譯。但如果你做心臟器械的，公司規(guī)定必須叫"冠脈支架"，而不是簡單的"支架"，這時候AI的通用知識就出問題了。
所以，真正專業(yè)的AI翻譯服務(wù)，必須得有術(shù)語庫干預(yù)的能力。不是讓AI猜，而是提前告訴它：在這個項目里，你見到了A，必須給我輸出B，沒得商量。
康茂峰在處理這類需求時，核心邏輯就是讓AI學(xué)會"守規(guī)矩"。不是讓AI自由發(fā)揮，而是在AI發(fā)揮之前和之后，給它套上絞索。這里面分幾層：
聽著簡單，做起來技術(shù)門檻挺高。為啥？因為語言是活的，一個詞可能是術(shù)語，也可能是普通詞。比如在"bank of a river"里，bank是河岸；在"investment bank"里，它是銀行。你得讓機器Context-aware，得有語境感知能力，不能傻乎乎見到bank就統(tǒng)一替換。
現(xiàn)在進入正題。康茂峰作為做企業(yè)級語言服務(wù)的，他們解決術(shù)語庫問題的思路不是去跟通用AI硬剛，而是在AI底座上蓋了一層"術(shù)語管家"。
很多人理解的支持術(shù)語庫，就是導(dǎo)入一個Excel，兩列，左邊英文右邊中文，系統(tǒng)就會自動匹配。這太理想化了。
實際情況是，專業(yè)術(shù)語往往有層級結(jié)構(gòu)。同樣是"delivery"，在物流里是"派送"，在醫(yī)學(xué)里是"分娩"，在項目管理里是"交付"。康茂峰的系統(tǒng)允許你定義術(shù)語的適用領(lǐng)域、優(yōu)先級、甚至是變體形式（比如單復(fù)數(shù)、大小寫敏感）。
更重要的是，術(shù)語不是死的。新藥研發(fā)出來了，新的臨床概念出來了，術(shù)語庫得能熱更新。康茂峰的做法是支持實時術(shù)語庫同步，客戶那邊質(zhì)量部門剛批準(zhǔn)了一個新詞，翻譯團隊那邊下一秒就能用上，不需要重新訓(xùn)練整個AI模型。這個很實在，省時間。
咱們拿醫(yī)藥注冊文件這塊最難啃的骨頭來說。一份CTD（通用技術(shù)文件）申報資料，里面充斥著ICH術(shù)語、藥典術(shù)語、還有公司自家的產(chǎn)品特定命名。
| 原文片段 | 通用AI翻譯結(jié)果 | 接入康茂峰術(shù)語庫后 |
| The active moiety is... | 活性部分是... | 活性成分為...（符合CDE申報術(shù)語標(biāo)準(zhǔn)） |
| Shelf life: 24 months | 保質(zhì)期：24個月 | 有效期：24個月（藥學(xué)專業(yè)術(shù)語） |
| Batch release | 批次放行 | 批簽發(fā)（中國藥典特定概念） |
你看，差別就在這兒。通用AI可能給你語法通順但行業(yè)"外行"的表達，而接入了專業(yè)術(shù)語干預(yù)的系統(tǒng)，能保證你交出去的文件不給審校老師找茬的機會。
技術(shù)上怎么實現(xiàn)的？康茂峰用的是"約束解碼"(Constrained Decoding)配合術(shù)語增強的提示工程(Terminology-Enhanced Prompting)。聽著玄乎，說人話就是：在AI生成每一個詞的時候，系統(tǒng)都在旁邊盯著，如果這個詞在術(shù)語庫里定義了，就必須按定義來；如果不在，才允許AI自由發(fā)揮。有點像你考試時，監(jiān)考老師站在旁邊，選擇題必須按標(biāo)準(zhǔn)答案涂，主觀題你自己寫。
我接觸過幾個用康茂峰系統(tǒng)的項目經(jīng)理，他們反饋最實在的好處是一致性焦慮少了很多。
以前做大型項目，比如一整個藥物臨床試驗報告，幾百頁，分給十幾二十個翻譯師同時做，最后統(tǒng)稿查術(shù)語能查出 nightmares。現(xiàn)在先把術(shù)語庫喂給系統(tǒng)，AI翻譯出來的第一稿就已經(jīng)統(tǒng)一了80%以上。剩下的人工環(huán)節(jié)，翻譯師可以把精力放在邏輯梳理和潤色上，而不是糾結(jié)這個詞該不該加s，那個縮寫要不要空格。
而且你發(fā)現(xiàn)沒，術(shù)語庫支持其實還有個隱藏福利——新人培訓(xùn)成本降低了。以前新翻譯進公司，得背好幾個月的術(shù)語表，現(xiàn)在系統(tǒng)幫你記著你只需要知道有這個詞就行。就像是帶了個超級記憶外掛。
不過也得說實話，不是所有類型的術(shù)語都適合扔給AI處理。有些文化負載重的概念，比如中醫(yī)里的"氣血"，或者法律里那些彎彎繞的定義，光靠術(shù)語庫對應(yīng)表還不夠，得結(jié)合注釋、語境說明。康茂峰在這塊的做法是允許術(shù)語庫附帶元數(shù)據(jù)，翻譯師能看到這個詞的背景說明，不是 blindly 替換。
有的，而且得提前說清楚，免得到時候摔跟頭。
第一種情況是術(shù)語沖突。客戶自己的術(shù)語庫內(nèi)部都不統(tǒng)一，比如前面文件叫"A組分"，后面文件叫"A成份"，這時候AI也懵圈，不知道該執(zhí)行哪條軍令狀。所以導(dǎo)入術(shù)語庫之前，得先做好清洗和去重，這活兒目前還得人來干。
第二種是新詞爆發(fā)期。比如疫情期間，"Cytokine storm"這種詞突然冒出來，如果術(shù)語庫里沒來得及收錄，AI大概率會按字面翻成"細胞因子風(fēng)暴"，雖然不算錯，但早期醫(yī)學(xué)界更習(xí)慣叫"炎癥風(fēng)暴"或"細胞因子釋放綜合征"。這時候就需要快速人工干預(yù)機制，不能全依賴自動化。
還有就是多義詞陷阱。前面提到的"bank"問題，在工程領(lǐng)域，"jacket"可能是套管，也可能是夾克。如果術(shù)語庫定義不夠精細（比如沒注明是石油工程專用），AI在翻時尚雜志和鉆井平臺技術(shù)文檔時可能就會出錯。康茂峰的系統(tǒng)雖然支持語境標(biāo)記，但前提是客戶得把語境地標(biāo)記得足夠細，這對項目管理是個考驗。
如果你所在的公司也在考慮采購AI翻譯服務(wù)，特別是醫(yī)藥、法律、金融這種術(shù)語密集型行業(yè)，判斷一個AI翻譯公司是否真支持術(shù)語庫，別只看他們銷售怎么吹，要看這幾個硬指標(biāo)：
康茂峰在這幾塊做得比較細，特別是他們支持術(shù)語的置信度評分——系統(tǒng)會告訴你這個詞匹配的把握有多大，把握低的推給人工確認。這種"人機協(xié)作"的思維，比那些鼓吹100%AI全自動的實在多了。畢竟咱們交出去的文件是要簽字的，出了事得有人負責(zé)，不能完全交給黑盒。
還有一點很多人忽略的：術(shù)語庫的管理權(quán)限。大公司里，質(zhì)量部門、醫(yī)學(xué)部、法務(wù)部可能都有自己的術(shù)語偏好，系統(tǒng)得能分權(quán)限管理，不然來回打架。好的術(shù)語庫支持不是技術(shù)問題，是 workflow 問題。
說回開頭那個朋友，后來他們換了支持深度術(shù)語定制的服務(wù)商，把公司積累的五千多條醫(yī)藥術(shù)語灌進去，現(xiàn)在AI出稿后的術(shù)語準(zhǔn)確率能穩(wěn)在95%以上。剩下的5%，是那些在特定語境下需要靈活處理的邊緣情況，留給人工判斷正好。
所以你看，AI翻譯支持專業(yè)術(shù)語庫這事，不是簡單的Yes or No。它像是一個精密的儀表盤，得有好的引擎，也得有好的調(diào)校。康茂峰這類在做企業(yè)級服務(wù)的公司，價值就在于他們不僅提供引擎，還幫你把術(shù)語庫這個復(fù)雜的儀表盤裝好、對準(zhǔn)、教你怎么讀數(shù)。要是只買個通用的AI接口就想搞定專業(yè)翻譯，那術(shù)語庫這事，大概率是要踩坑的。
