隨著大模型在政企、高校等廣泛部署，大模型翻譯技術正逐步成為翻譯產業的新基建。根據《大語言模型在翻譯行業應用情況調研問卷》，67.9% 的受訪者表示在開展翻譯工作時使用過大模型，且超過 60% 的受訪者認為大模型技術目前比較成熟或非常成熟。

圖 3：受訪者開展翻譯工作時大模型使用情況

圖 4：受訪者對大模型技術成熟度的看法

2.翻譯工作成本結構調整

其中，ChatGPT（61.68%）、文心一言（51.87%）、Kimi（33.18%）是受訪者所在單位使用或部署較多的大模型。

圖 5：受訪者所在單位大模型使用或部署情況

當前，“獲取先進的基礎大模型”已不再是難點，真正的難點在于如何使其在具體業務場景中高效落地。用戶關注點從翻譯服務提供方“是否部署大模型”轉變為“能否根據場景化需求解決翻譯痛點”。翻譯產業競爭也從單純的模型比拼轉向系統化、生態化、智能化的解決方案比拼。相比于傳統翻譯工具，新一代智能翻譯平臺不僅應有多模態翻譯能力和靈活應用方式、支持跨平臺集成并符合產業級安全合規要求，還需具備以下三大全新核心特征，以確保全場景精準賦能：

多模型協同：靈活調度不同類型的翻譯模型，實現質量、效率和成本的動態平衡。

知識增強體系：構建術語庫、記憶庫及行業知識庫，發揮大模型知識增強能力，提升專業翻譯效果。

場景化解決方案：提升細分場景端到端翻譯效果，拓展功能邊界，一站式滿足場景需求。

圖 6：新一代智能翻譯平臺架構

多模型協同

傳統機器翻譯模型：適用于海外商業動態追蹤、跨境電商評論分析等高并發、需快速響應的場景，兼顧時效性和成本控制，能夠在短時間內提供大規模的翻譯服務。

翻譯大模型 ：適用于跨國郵件、社交媒體內容等對翻譯精準度要求較高的場景，可平衡翻譯質量與成本，提供更精確、符合上下文語境的譯文。

通用大模型：具備強大的知識擴展能力，能夠在翻譯法律、醫學、科技等專業領域時，提供精準的行業知識支持和譯文。

為實現多模型在不同任務或場景中的協同作業，平臺應提供靈活的手動配置和選擇機制，使用戶能夠在翻譯流程中針對不同環節采用最適合的模型。例如，在面對復雜翻譯任務時，用戶可選擇使用傳統機器翻譯模型或翻譯大模型快速生成譯文初稿，在譯后編輯階段引入通用大模型根據語境細化譯文并提升專業度。在篇章翻譯時，用戶可選擇針對長文本翻譯效果更佳的翻譯大模型或通用大模型，確保譯文的整體連貫性和準確性。平臺的流程設計要能充分發揮各模型在不同任務上的優勢，使用戶能夠有針對性地提升翻譯質量和效率。

知識增強體系

知識沉淀：構建個人 / 團隊 / 企業級術語庫與記憶庫，實現知識的共享與積累。

專屬知識：結合行業專屬知識庫，提升法律、醫學、科技等專業領域的翻譯精準度。

在知識獲取與利用方面，平臺支持用戶在譯前手動上傳相關專業資料、標準文獻和行業信息，形成定制化知識庫；同時，在譯后編輯過程中，系統能夠自動記錄并學習用戶對譯文的修改和優化，進一步沉淀專業知識。同時，翻譯大模型在生成譯文時會主動調用知識庫中的術語和專屬知識，確保最終譯文既準確又符合行業規范，實現了知識的實時應用與動態更新。

場景化解決方案

場景精翻 : 針對特定業務場景（如專利翻譯、合同翻譯等）優化譯文，實現端到端高精度翻譯。

深度答疑 : AI 助手支持互動問答，提供潤色建議、雙語審校、術語解釋等增強功能。

譯后編輯 : 提供智能推薦譯文、質檢、智能術語參考等功能，并自動學習修改后的譯文，自主提高翻譯質量。

多人協作 : 支持多角色、多輪次修訂，全程留痕、可追溯，提高團隊協作效率。

場景化解決方案可以充分滿足各細分場景或專業領域對翻譯平臺的多樣化需求。平臺在細分業務場景中實現了功能模塊的無縫串聯，而不局限于單一的譯文生成。平臺不僅能提供細分場景中端到端優化后的專業譯文，還支持在譯后編輯階段利用 AI 助手深度答疑，滿足閱讀場景中高效獲取信息的需求，或配合譯后編輯模式修改譯文，多人協作完成復雜翻譯任務，確保譯文達到發表和出版的高標準要求。

新一代智能翻譯平臺翻譯準確性、效率與智能化水平的提升，為其在各行各業的深度應用提供了可能。從科研創新到企業全球化、從國際傳播到專業翻譯，智能翻譯平臺正逐步融入關鍵業務流程，成為提升全球溝通能力、推動產業升級的重要引擎。

本文來源：《2025 大模型翻譯技術及產業應用藍皮書》