江燕飞 | AI时代的语言服务人才发展

2019年，华为发布了一项预测，认为在未来二三十年里，人类将进入智能世界，其影响的深度和广度无法想象。随着大模型的兴起，这种趋势在加速。各个学科的进步正在以令人眼花缭乱的速度发生，而跨学科突破的影响将更为惊人。

机器翻译是发展得最好的AI应用之一，因此在AI浪潮中翻译工作首先受到影响。大模型则又进一步拔高了人们对机器翻译的期望。在过去一年多的时间里，无论是翻译教育界还是产业界，都面临着问题和机会。例如，AI对翻译工作的影响如何？AI是否会取代人工译员？语言类人才的发展方向是什么？这段时间，我们也在尝试通过一些主动的思考和实践，来进行解题。

就整体而言，我们认为，在AI时代，要主动识变、应变、求变，实现人机融合、人机共生。

其一，专业翻译规模逐年增长。国际咨询机构CSA Research研究显示，2023年全球翻译行业市场规模约为551亿美元，相比2022年增长5.9%，近五年平均增长率为3.6%。从华为自身的翻译业务来看，该公司2017年的人工翻译业务量折合约为6亿字，而2024年则约为11.9亿字，七年时间增长了约98%。

其二，机器翻译已辅助人工译员大幅提升效率，但质量要求高的翻译业务效率提升有天花板。自2017年以来，华为中英人工翻译平均效率从约3100字／天提升到了约6000字／天。目前在各类翻译场景下，中英机器翻译的译后人工编辑率（translation edit rate，TER）平均约为20%，其他语种的平均TER约为35%，在大模型的加持下有望继续改进。但对于质量要求高的翻译业务而言，基于人类阅读速度的限制，未来人工翻译的效率提升有天花板。机器翻译更大的价值在于帮助人们解决非精确、非专业翻译场景的跨语言沟通障碍，如海外出行、日常交流等，那是海量的价值刚需。

其三，人的守正。在机器翻译技术提升的同时，人要找到并构建中长期差异化核心价值。我们团队总结出AI时代专业译员的核心价值4C，即comprehension（理解）、creativity（创译）、collaboration（协作）、correction（兜底）。其详细概念将在下文中进行解释。简言之，针对质量要求高的翻译业务，高水平的人工译员是不可或缺的，人要做到机无我有、机有我强。而且，如果没有高水平的人，技术也会丧失改进的源泉。

其四，人的创新。AI的发展也会产生一些新的机会，例如AI赋能、AI多语言数据工程、海外传播、全球化运营等等，这些都是语言类人才可以拓展的方向。不限于翻译，AI未来会重塑各行各业。例如，华为每年都举行软件编程大赛，2023年开始允许使用AI辅助编程参赛，2022年的冠亚军出于自信或其他原因，没有使用AI辅助，结果在2023年分别掉到了170多名和400多名。因此，我们要拥抱变化，识变、应变、求变，实现人机融合、人机共生。

华为翻译中心是个比较特殊的语言服务团队，既有几百名专业的人工译员，也有几十名AI技术工程师，具备“语言＋技术”的跨学科融合特点。结合自身实践和行业洞察，我们认为，未来语言服务有三大核心方向：人工翻译、机器翻译等语言技术、创新语言服务。

第一个核心方向依然是人工翻译。如图1所示，我们认为，在AI时代，专业译员的核心价值可初步识别为4C（comprehension、creativity、collaboration、correction），即“理解、创译、协作、兜底”。

（1）Comprehension（理解）。自然语言存在多义性和模糊性。想做好翻译，需要具备良好的理解能力，如理解字面意思和言外之意，理解业务行话、表述不清的内容、存在错误或歧义的内容等等。如上图中的例子，“在5G时代，站点和频谱同样重要”这句话，其实际含义是“在5G时代，跟4G时代一样，站点覆盖率和频谱利用率都很重要”。这里既存在描述不清的问题，也包含通信行话，AI很难理解正确，但一个有业务背景知识的人工译员则能较快领会其核心含义。目前来看，语言理解、跨文化理解和业务理解能力仍会是人的中长期优势所在。

（2）Creativity（创译）。我们认为，从广义上来说，翻译都是创译，是个再创造的过程。因为在不同语种、语族之间，以及不同国家区域之间，语言文化上都存在差异。是准确贴切地传递信息，还是通过合适的呈现形式，在作者目的和读者感知之间达成共情，都需要依托创译实现（注：上图中给出了一些典型案例）。

图1 AI时代专业译员的核心价值

（3）Collaboration（协作）。这里的“协作”指的是翻译工作中的复杂上下文，包括项目需求澄清、明确质量标准／流程／工具、管理术语／语料、工程前处理、技术答疑、同行评审、统稿、工程后处理、知识管理、风险管理、客户意见闭环、组织能力建设等等。这类工作需要具备综合能力的译员来处理。

（4）Correction（兜底）。一方面，专业译员要兜底机器翻译本身的错误，如错译、过译、漏译、幻觉等等。另一方面，专业译员要持续产生高质量的语料、Bad case等等，形成高质量的数据飞轮，反哺给机器翻译能力提升。

总之，技术进步，人也要保持高水平。不能只是成为“督导”或简单的MT-Per，否则人会退化，技术也会丧失改进的来源。

第二个核心方向是机器翻译等语言技术。工欲善其事，必先利其器。图2展示了机器翻译训练的大致流程。目前机器翻译仍有很大的提升空间，除了通过思维链（chain of thinking，CoT）、强化学习（reinforcement learning，RL）、检索增强生成（retrieval-augmented generation，RAG）等技术手段改进外，还需要依赖语言专家的知识、数据和经验。图2中涉及“数据”“知识”和“人工”的环节，都是语言类人才可以发挥价值的地方。

第三个核心方向是创新语言服务。让我们看看世界可能关小了什么门，可能打开了什么窗。如图3所示，内圈为“人工翻译+机器翻译服务核心圈”，是长期积累下来的人才、技术和能力。外圈为“语言服务创新圈”，构筑新业务、新能力和新人才。

这里只是一家之言，相信未来社会对语言类人才会有更多更广的需求。

图2 机器翻译模型训练和迭代流程

图3 “三新”构建一站式创新语言服务

图4是在领英中搜索的信息，统计了国内70余所高校和20多万名语言类毕业生的就业情况，岗位分布很广。翻译岗位没单列，大概占3%—5%左右。从其他渠道的分析来看，大致也是类似情况。

语言类人才仍具有很大价值，语言文化能力仍是大优势。就翻译而言，优秀的中译外和小语种人才稀缺。从就业出发，中高端译员或复合型语言人才将具备更大优势。

图4 部分语言类毕业生就业分布信息

表1简单列出了我们认为与语言服务相关的一些关键知识、技能和素质，以及粗浅建议，学生、高校和用人单位可以形成一定的合力。

表1 语言类人才的关键能力项建议

在学生培养上，或者加强定力，以精英教育为导向，培养中高端译员；或者结合学校优势，培养跨学科、复合型语言人才。双管齐下也可，人才辈出。但无论如何，都建议把双语语言能力和跨文化理解能力做强，这是语言类人才与其他人才最大的差异化优势。在跨学科人才培养上，语言与计算机、信息工程、人工智能、数据科学、法律、教育、医学、公共关系等的结合，或者与各高校自身优势专业的结合，都会是很好的选择。

在课题合作上，语言学（可能是未来大模型继续发展的理论基础之一）、国别区域研究（对人工翻译、机器翻译和大模型多语言能力提升都有作用）、AI多语言数据工程等等，都具备较大价值。以AI多语言数据工程为例，当前各AI大模型的英文能力普遍比其他语言要强，除了各语种数据量的差别，更重要的是存在跨语言知识迁移的难题。同一概念在不同语言之间表达一致、表达不一致，以及各语言自身存在的文化独特性，都需要专业的研究积累，这些是语言类院校和语言类人才的优势领域。