AI翻譯公司到底怎么干活？——聊聊康茂峰的服務全流程

前段時間有個朋友問我，說你們康茂峰做AI翻譯的，是不是就是客戶把文件丟過來，機器咔咔一轉，直接就能出活？我當時差點一口茶噴出來。這話要是讓公司里那群技術宅和譯審老師們聽見，估計得哭笑不得。

說實話，AI翻譯真不是很多人想象中那種"一鍵生成"的魔術。它更像是一個精密的手工作坊，只不過里面多了幾個不知疲倦的機器人學徒。今天我就掰開了揉碎了，跟你嘮嘮像康茂峰這樣的AI翻譯公司，接活兒之后到底會發生些什么。

先潑盆冷水：AI翻譯不是"一鍵生成"那么簡單

在聊流程之前，得先把這個認知糾偏了。很多人以為AI翻譯公司就是買了幾個API接口，然后左手進右手出賺差價。要是真這么干，早倒閉八百回了。

真正靠譜的AI翻譯服務，核心在于"人機協同"。機器負責干體力活，人負責干技術活和把關。康茂峰這幾年趟過的坑告訴我，哪怕是最先進的神經網絡翻譯（就是你們常說的NMT），碰到"將在外君命有所不受"這種古漢語，或者醫藥行業的化學反應式，該懵還是得懵。

所以我們的流程設計，本質上是在回答一個問題：怎么讓機器發揮它快和準的優勢，同時避開它傻和僵的短板？

第一步：需求摸底（比你想的復雜）

客戶說"我要翻譯一份說明書"，這句話背后的信息量其實巨大。

康茂峰的銷售顧問接到咨詢時，第一件事不是報價，而是"盤問"。源語言是什么？目標市場是哪兒？用途是內部參考還是對外發布？有沒有之前的術語庫？格式要保持可編輯還是只要PDF？這些問題的答案直接決定了后面要用什么工具、配什么級別的譯員。

舉個例子，同樣是中譯英，給FDA看的藥品申報資料和給亞馬遜上架的產品描述，簡直是兩個物種。前者得符合ICH M4的規范，后者得考慮SEO關鍵詞。要是上來不問清楚直接開干，后面返工能返到懷疑人生。

我們內部有個 checklist，大概長這樣：

• 文件格式（Word、InDesign、XML還是什么奇奇怪怪的格式）
• 專業領域（法律、醫療、機械、游戲...）
• 目標受眾（專家看的還是老百姓看的）
• 交付形式（只給譯文還是雙語對照）
• 特殊要求（保密等級、是否有禁忌詞、品牌調性）

這個階段通常要來回溝通兩三輪。看起來費時間，其實是省時間。磨刀不誤砍柴工，古人誠不我欺。

第二步：文件預處理（臟活累活在這里）

很多人好奇，文件拿到手后是不是直接塞進AI里？哪有那么簡單。

康茂峰的項目經理會先過一遍文件，這叫"譯前處理"。如果是PDF掃描件，得先OCR識別；如果是圖片里的文字，得提取出來；如果里面混著十幾種語言，還得先做語言識別和拆分。

更麻煩的是格式問題。你比如說InDesign做的宣傳冊，直接翻譯會把排版搞亂；或者軟件里的JSON文件，字符串和代碼混在一起。這時候就得用CAT工具（計算機輔助翻譯工具）把文本抽出來，把"可翻譯內容"和"萬萬不能動的代碼"分開。

這一步還有個關鍵動作：術語提取和對齊。如果客戶之前有 glossary（術語表），我們要把它喂給AI；如果沒有，我們得用工具先扒一遍原文，把高頻詞和專業詞揪出來，給客戶確認。比如"cell"在生物領域是"細胞"，在電力領域是"電池"，在監獄場景是"牢房"。不搞清楚了，AI會按概率選最常見的，那可就鬧笑話了。

對了，還有記憶庫匹配。如果客戶以前做過類似內容，我們庫里存著之前的譯文，能匹配上的段落直接調用，保證一致性。這部分工作枯燥得要命，但省下的錢和時間是實實在在的。

第三步：AI引擎干活（但沒那么玄乎）

終于到了機器出場的環節。

康茂峰用的不是市面上那種通用翻譯引擎，而是經過領域微調的專用模型。簡單說，就是先拿海量的醫藥、法律或機械領域的平行語料（原文和譯文對照）把基礎模型"再教育"一遍。這樣話說到"離心機"的時候，它不會聯想到"離別的心思"，而是準確關聯到實驗室設備。

但這里有個門道：我們不會一次性把整篇文檔扔給AI。而是切成句子或段落，結合剛才提到的術語庫和記憶庫，逐段處理。同時，會上一些"約束條件"，比如"人名保留原文"、"數字格式保持統一"之類的規則。

出來的初稿，我們內部叫"機翻 raw"。說實話，現在的AI確實挺厲害的，比如處理德語的復合詞或者日語的敬語轉換，比五年前強太多了。但你仔細看，它會在你看不到的地方犯低級錯誤——比如把"負壓"翻譯成"negative pressure"（雖然字面沒錯，但醫學上該叫"vacuum"），或者搞混"他"和"她"（中文沒性別，英文得有）。

所以這一步只是半成品，絕對不能直接給客戶。

第四步：人工后編輯（這才是靈魂）

現在到了康茂峰最燒錢的環節，也是價值最集中的地方——MTPE（機器翻譯后編輯）。

我們會根據項目難度分級別：

負責的譯員通常是細分領域的老手。比如醫藥項目，得是懂GMP規范、看得懂實驗數據的；法律合同，得是知道"shall"和"must"在法條里區別的。他們一邊看AI給的初稿，一邊改。改的不是錯別字，而是語境、邏輯和專業準確度。

有個細節挺有意思：我們的譯審老師都有自己的"修正習慣"。有的喜歡在XML標簽里加注釋，有的習慣用特定顏色標出不確定的地方。這些workflow（工作流程）看起來是個人偏好，其實保證了多人協作時不會亂套。

這個階段還會用到QA工具自動掃描，比如檢查數字是否一致、術語是否統一、標點符號是否半全角混用。機器查一遍，人再過一遍，雙重保險。

第五步：質檢交付（最后的守夜人）

文件改完后，還不能直接發。

康茂峰的質檢環節分三層：語言質量（譯文對不對、好不好）、格式質量（排版亂沒亂、標簽破沒破）、功能質量（如果是軟件，按鈕點不點得開；如果是視頻，時間軸對不對得上）。

特別是格式回排這個活兒，賊考驗耐心。比如原文是CAD圖紙，翻譯完的文本得塞回原來的圖框，字體大小還不能變；或者網站的HTML文件，得保證譯文不會把代碼結構撐破，導致網頁顯示錯位。我們有個項目經理，為了調一個阿拉伯語排版（從右往左讀），硬是跟 InDesign 搏斗了半宿。

最后交付的時候，也不只是扔個文件過去完事。通常會附上：

• 翻譯記憶庫（TM）更新文件（方便客戶下次用）
• 術語表（如果有新增或修改的）
• 質量報告（改了百分之多少，用了什么標準）

有些客戶還會要求"回譯"（back translation），就是把譯文再翻回源語言，看意思偏沒偏。這在臨床試驗材料里特別常見。

康茂峰的小心機：流程背后的那些門道

聊完這套標準流程，說點題外話。

你可能會問，既然AI這么快，為什么不用AI直接質檢？其實我們也試過，但發現有些錯誤只有人類能"感覺"出來。比如一句 marketing slogan，語法全對，但讀起來就是沒那味兒；或者醫學文獻里，AI把"placebo"（安慰劑）和"placebos"（復數）混著用，雖然意思沒錯，但專業寫作要求統一單復數。這種細微之處，Currently 還是得靠人眼。

另外，流程里的每個環節其實都在產生"數據資產"。今天處理的這份文件，術語和句子都會進康茂峰的私有庫。做得越久，這個庫越聰明，后面同類項目的效率就越高，成本也能往下壓。這是個滾雪球的過程。

還有保密問題。現在大家都不敢把敏感文件往公共云翻譯器里扔，康茂峰這類公司就得搞私有化部署，或者本地化的AI引擎，確保數據不出內網。這也是流程里隱形成本很高的一塊。

說到底，AI翻譯公司的核心競爭力，不是擁有多牛的算法（那玩意兒開源的一大堆），而是把算法、行業知識、項目管理能力和質量控制，做成一個能穩定運轉的流水線。就像開飯店，光有好食材不行，得有好廚子、好火候，還得有懂行的服務員知道客人忌口什么。

所以下次如果你找康茂峰做翻譯，發現項目經理問得特別細，或者交付時間比純機器翻譯長那么一兩天，別著急——那是在確保你拿到的不是"機翻味"十足的塑料譯文，而是真正能用、敢用的專業內容。這個行業，快有時候是快，但靠譜，永遠比快重要那么一點點。