随着大模型在政企、高校等广泛部署，大模型翻译技术正逐步成为翻译产业的新基建。根据《大语言模型在翻译行业应用情况调研问卷》，67.9% 的受访者表示在开展翻译工作时使用过大模型，且超过 60% 的受访者认为大模型技术目前比较成熟或非常成熟。

图 3：受访者开展翻译工作时大模型使用情况

图 4：受访者对大模型技术成熟度的看法

2.翻译工作成本结构调整

其中，ChatGPT（61.68%）、文心一言（51.87%）、Kimi（33.18%）是受访者所在单位使用或部署较多的大模型。

图 5：受访者所在单位大模型使用或部署情况

当前，“获取先进的基础大模型”已不再是难点，真正的难点在于如何使其在具体业务场景中高效落地。用户关注点从翻译服务提供方“是否部署大模型”转变为“能否根据场景化需求解决翻译痛点”。翻译产业竞争也从单纯的模型比拼转向系统化、生态化、智能化的解决方案比拼。相比于传统翻译工具，新一代智能翻译平台不仅应有多模态翻译能力和灵活应用方式、支持跨平台集成并符合产业级安全合规要求，还需具备以下三大全新核心特征，以确保全场景精准赋能：

多模型协同：灵活调度不同类型的翻译模型，实现质量、效率和成本的动态平衡。

知识增强体系：构建术语库、记忆库及行业知识库，发挥大模型知识增强能力，提升专业翻译效果。

场景化解决方案：提升细分场景端到端翻译效果，拓展功能边界，一站式满足场景需求。

图 6：新一代智能翻译平台架构

多模型协同

传统机器翻译模型：适用于海外商业动态追踪、跨境电商评论分析等高并发、需快速响应的场景，兼顾时效性和成本控制，能够在短时间内提供大规模的翻译服务。

翻译大模型 ：适用于跨国邮件、社交媒体内容等对翻译精准度要求较高的场景，可平衡翻译质量与成本，提供更精确、符合上下文语境的译文。

通用大模型：具备强大的知识扩展能力，能够在翻译法律、医学、科技等专业领域时，提供精准的行业知识支持和译文。

为实现多模型在不同任务或场景中的协同作业，平台应提供灵活的手动配置和选择机制，使用户能够在翻译流程中针对不同环节采用最适合的模型。例如，在面对复杂翻译任务时，用户可选择使用传统机器翻译模型或翻译大模型快速生成译文初稿，在译后编辑阶段引入通用大模型根据语境细化译文并提升专业度。在篇章翻译时，用户可选择针对长文本翻译效果更佳的翻译大模型或通用大模型，确保译文的整体连贯性和准确性。平台的流程设计要能充分发挥各模型在不同任务上的优势，使用户能够有针对性地提升翻译质量和效率。

知识增强体系

知识沉淀：构建个人 / 团队 / 企业级术语库与记忆库，实现知识的共享与积累。

专属知识：结合行业专属知识库，提升法律、医学、科技等专业领域的翻译精准度。

在知识获取与利用方面，平台支持用户在译前手动上传相关专业资料、标准文献和行业信息，形成定制化知识库；同时，在译后编辑过程中，系统能够自动记录并学习用户对译文的修改和优化，进一步沉淀专业知识。同时，翻译大模型在生成译文时会主动调用知识库中的术语和专属知识，确保最终译文既准确又符合行业规范，实现了知识的实时应用与动态更新。

场景化解决方案

场景精翻 : 针对特定业务场景（如专利翻译、合同翻译等）优化译文，实现端到端高精度翻译。

深度答疑 : AI 助手支持互动问答，提供润色建议、双语审校、术语解释等增强功能。

译后编辑 : 提供智能推荐译文、质检、智能术语参考等功能，并自动学习修改后的译文，自主提高翻译质量。

多人协作 : 支持多角色、多轮次修订，全程留痕、可追溯，提高团队协作效率。

场景化解决方案可以充分满足各细分场景或专业领域对翻译平台的多样化需求。平台在细分业务场景中实现了功能模块的无缝串联，而不局限于单一的译文生成。平台不仅能提供细分场景中端到端优化后的专业译文，还支持在译后编辑阶段利用 AI 助手深度答疑，满足阅读场景中高效获取信息的需求，或配合译后编辑模式修改译文，多人协作完成复杂翻译任务，确保译文达到发表和出版的高标准要求。

新一代智能翻译平台翻译准确性、效率与智能化水平的提升，为其在各行各业的深度应用提供了可能。从科研创新到企业全球化、从国际传播到专业翻译，智能翻译平台正逐步融入关键业务流程，成为提升全球沟通能力、推动产业升级的重要引擎。

本文来源：《2025 大模型翻译技术及产业应用蓝皮书》