撰文 | 李信馬
題圖 | DoNews制圖
《圣經·創世記》中記載，所有的人類曾經說同一種語言，他們計劃合力建造一座通天巨塔，工程如火如荼之際，上帝耶和華降臨察看，說：“看哪，他們成為一樣的人民，都是一樣的言語，如今既做起這事來，以后他們所要做的事就沒有不成就的了。”
上帝讓人類變得言語不通、彼此無法溝通，于是工程中止，人們四散各方，這座未完成的巨塔便被稱作“巴別塔”。
故事是假的，但語言不同對人類造成的困擾是真的。就連美國總統卡特，1977年訪問波蘭時，因為翻譯的水平不行，也曾鬧了笑話，甚至影響了美國和波蘭的外交關系。
《亮劍》中攻打平安縣城的劇情，是全劇的高潮所在，被劇迷們戲稱為第二次世界大戰的轉折點，不過，這場仗差點沒打起來，原因在于我軍雖然監聽到了敵人通話，但“咱們的電報員日語是個二把刀，只能聽個大概。他發現他們反復提到一個地名，但他不知道這代表了什么”，后來問了日本翻譯，才知道這是平安縣城。
從古至今，要解決語言不通這個大難題，基本就兩個辦法：一是你自己學，但費時費力，而且不一定學會；二是找個翻譯，但昂貴又麻煩，還不一定翻譯的對。
人工智能的發展，卻在今天大大降低了我們聽懂另一門語言的門檻，重建“巴別塔”這一故事中的不可能，成為了可能的未來。
01、一副耳機，跨國無障礙交流
不久前，在上海的世界會客廳，戴著一副AI翻譯耳機的演講者，遠程連線了迪拜Gitex Global展會的現場。
DoNews拍攝
兩人跨越大半個亞洲，隔著足夠馬可·波羅走上好幾年的距離，操著不同的語言，卻在流暢清晰地交流。
其中用到的機器，就是新一代訊飛AI翻譯耳機。據了解，這款耳機支持：
- 通話實時翻譯，支持跨洲際對話與多任務并行；
- 面對面翻譯，可雙人無按鍵互譯，且支持18組語種對的離線使用；
- 線上同傳，具備雙語轉譯與錄音復盤功能；
- 旁聽同傳，憑借5-8米定向拾音適配會場需求。
除此之外，它還能語音喚醒 “小飛” ，實現口語陪練、資訊查詢等服務，還能生成專屬語音播客。
這件事的重要性毋庸置疑，科大訊飛副總裁、消費者事業群常務副總裁趙翔在會后的采訪中表示：“現在中國依然堅持對外開放，即便全球有一些地緣因素的不確定性，但國與國之間的交流其實是更緊密的。雖然局部地緣政策影響明顯，但‘開放式人員交流深化’是大趨勢。不管是中國還是全球，翻譯市場其實一直在增長，核心原因就是 ‘交流反向促進需求’——翻譯做得越好，人們越愿意深入交流，進而帶動翻譯需求進一步擴大。”
比起要堆人力的人工翻譯，AI翻譯顯然更有想象力，意義也更大。比如科大訊飛發現，隨著 “一帶一路” 推進，中國企業出海越來越多，跨國商務溝通的需求激增：海外展會洽談、工廠跨境協作，這些場景需要 “即時、準確、便攜” 的翻譯工具。這也推動科大訊飛針對性地開發了翻譯機、翻譯耳機，還做了會議室同傳系統。
還有他們發現，企業在跨境溝通中，不僅需要語言翻譯，還需要文化解讀 —— 比如某些國家的商務禮儀、專業術語的本地化表達，所以在產品里加入了 “文化相關知識訓練”，并提供輕量化的行業術語庫。
科技的發展，讓人類的幻想變成了現實，不過，這樣的產品又是如何實現的呢？又為什么現在才出現？
02、AI翻譯是怎樣煉成的？
早在人工智能誕生之初，科學家們就嘗試用AI來代替人做翻譯。1954年，美國喬治敦大學與IBM合作完成英俄翻譯實驗，標志著機器翻譯研究的正式啟動，不過，早期的AI翻譯主要依賴詞典和語法規則生成翻譯，質量只能說……慘不忍睹。
直到神經網絡機器翻譯（NMT）的出現，解決了長句翻譯問題，才使AI翻譯的質量大幅提升；大模型時代，生成式AI又讓AI翻譯的水平大幅提升，變得更加流暢自然，“機器味”顯著減少。
今天，科大訊飛也自主研發了大模型，“如果只是在別人的開源模型上做微調，很難做到國際領先。因為我們的很多產品應用，需要大量場景化數據（在保護隱私的前提下）不斷打磨，沒有自主可控的模型底座，進度和效果都無法保證，也沒法適配真實場景的需求。”
不過趙翔也表示，科大訊飛的AI翻譯不是靠大模型這兩三年 “一蹴而就” 的。“我們的優勢來自20多年的技術積累，從底層的語音識別、語音合成，到中間的語音翻譯算法，再到上層的語音平臺，整個技術鏈條是自然銜接、持續迭代的。”
下面這張圖可以看到，科大訊飛的語音同傳在歷經了十余年的發展后，終于達到了專業譯員的水平，期間，訊飛從語音技術起家，形成了“語音識別 - 翻譯 - 語音合成 - 端側產品” 的完整技術鏈條。
據國際權威咨詢機構 IDC最新發布的《中國 AI 翻譯技術評估，2025》報告顯示，科大訊飛在AI翻譯速度、效果、專業度、擬人度、產品應用成熟度、商業化規模、研發投入及用戶推薦度8大核心維度中排名第一，其中6項滿分。
DoNews拍攝
值得一提的是，語音識別的準確率，成了當下制約語音翻譯大規模應用的關鍵。科大訊飛的解決方案覆蓋了全國202個地市級方言，并在小語種上，支持101個語種的識別、55個語種的合成。大模型的遷移學習能力在這方面幫了大忙，以往一個新語種的識別，可能需要上千乃至上萬小時的標注數據，現在需要的資源量大幅減少。
最后，還要打磨對應的硬件，落地到具體的行業場景。比如，上文提到的耳機，其降噪技術就經歷了十余年的研發，以做到在工廠、展會等嘈雜場景精準降噪；醫療、金融、法律等行業在翻譯上存在高壁壘，科大訊飛的新模型也通過將專業詞庫擴充至10萬+來攻克。
DoNews拍攝
不過，正如我們對自動駕駛的要求不僅僅是超過人類司機的平均水平，而是追求“0事故”，對AI翻譯，我們也希望精益求精。趙翔表示，目前在方言、小語種的翻譯準確率上，和中英這種大語種還有差距。未來，科大訊飛計劃將持續打磨核心技術，投入大量資源做 “臟活累活”，比如覆蓋更多小語種、方言的數據積累，在語音識別、多語種翻譯的準確率上不斷突破，并針對工廠跨境溝通、國際展會洽談等具體場景做定制化開發，解決真實場景里的痛點。
在我們的有生之年，甚至更近，在不久后的未來，我們也許就能看到，地球上任何的兩個人，都可以通過設備進行無障礙的溝通。神話時代建不成的“巴別塔”，終會在人類的科技時代矗立。
