人機大戰2.0：一個耳機，就能搶同傳的飯碗？_風聞

前兩天，我去深圳圍觀了一場AI翻譯和人類同傳的對決。

坦白説，比賽開始之前，我心裏一直在犯嘀咕。

眾所周知，同聲傳譯是翻譯行業的天花板，而且這次參賽的人類譯員隊，有人從事大型跨國企業的翻譯，有人為國家政要擔任過同傳，可謂高手中的高手。

而AI翻譯隊，是時空壺****W4 Pro AI翻譯耳機。

去年9月，國際消費電子展（IFA）期間，我介紹過時空壺W4 Pro，當時，這款耳機的定位還只是“個人語音翻譯助理”。

到12月，W4 Pro先是和翻譯專業的同學來了波人機大戰1.0，今年3月份，又登上了**《新聞聯播》，**足足報道了4分鐘，排面拉滿。

到6月，更是直接和高級譯員PK上了。

這是啥速度，能在短短9個月的時間，從“個人助理”向“高級同傳”發起挑戰啊？

答案很明顯，AI。

保守地説，AI一天，人類100年，現階段的AI，當個智能翻譯助手問題不大，但同聲傳譯畢竟不是文字翻譯，AI要完成“拾取聲音—轉為文本—雲端翻譯—語音輸出”這麼一整套流程，要求你必須聽得懂、翻得快，還要譯得準。

雖然我看好AI的能力，但和經驗豐富的高級譯員對戰，初出茅廬的時空壺W4 Pro感覺不妙啊。

反過來，要是AI翻譯贏了，是不是AI****取代人類的清單上，又多了一個同聲傳譯？

但看完比賽後，我發現事情還有第三種可能。

咱們先説比賽。

整個人機大戰2.0共有兩個環節，第一個環節是「基礎翻譯」。現場邀請英、日、法、西班牙語語種的外籍人士朗讀相應的外文，AI翻譯隊和高級譯員隊以同傳的方式輸出，再由評委按照準確性、流暢程度、專業適配性和文化適配性進行綜合打分。

萬萬沒想到，一上來就是大活兒。

首先是口音問題，也不知道是上台緊張，還是並非母語，英語朗讀者很多詞吐字不清，讓我一度懷疑自己的耳朵，法語咱也不懂，但主持人形容語速挺快，好像在唱Rap。

其次是內容過於專業，日語題中，出現了西安鐘鼓樓、明神宗萬曆10年這種歷史、地標性詞彙，西語翻譯則是大量的醫療專有詞彙，非醫學專業看完兩眼一黑。

不過，這也算是同聲傳譯的日常。

畢竟，不是所有人都會標準的播音腔，而且不同行業都有專業性極高的詞彙，需要進行大量前期準備。

第一個環節，高級譯員的速度更快，基本上第一句唸完，翻譯就能跟上，很多專業性詞彙，像是前面提到的鐘樓、鼓樓，還有一處專業地名「迎祥觀」，譯員也進行了準確翻譯，但是當信息密度過高時，會遺漏一些關鍵信息。

而時空壺AI隊在一開始，會有大概3-5秒的延遲，但一旦開始翻譯，就能穩定輸出，準確性、完整度也幾乎無懈可擊。除了個別專有名詞無法準確表述，比方説「迎祥觀」，大模型訓練時「迎賓館」出現的次數更多，權重更大，AI翻譯就把「迎祥觀」翻成了「迎賓館」。

到了第二個環節的「關鍵詞提取大比拼」，更是加上了嘈雜的環境音，專業度極強的量子計算、哲學、美學等概念，再加上三哥咖喱味的英語，直接給比賽上了個強度。

綜合來説，時空壺AI隊和高級譯員隊各有優勢：

人類譯員跟着講者翻譯，能更好地還原當時的語氣和感情。就像商務談判中的“No”,如果不是對方明確拒絕，就有談的空間，也就意味着“Yes”。

但在兼顧聽、記、譯、説的情況下，人類譯員會因為高強度多線程工作可能出現疏漏。

相比之下，AI就像一個麼得感情的翻譯器，可以通過理解上下文，生成準確的翻譯，也不會像人一樣受到環境的影響。

但也正因為要理解上下文，AI翻譯會顯得慢上半拍。

兩輪比賽下來，時空壺AI隊和高級譯員隊各有千秋，最終AI隊以1170的成績，贏得了這次人機大戰比賽。

AI翻譯比同傳譯員得分更高，是不是意味着AI就要取代同傳了？

我問了現場AI領域、翻譯行業的專家，學者，他們的回答驚人的一致：

AI****不會取代人類。

AI****翻譯更高效、更準確，而且不知疲倦，而人類譯員更有温度、更能傳遞情緒，更適合文化交流，雙方側重點不一樣。

因此，AI翻譯和人類不是你死我活的競爭，還有第三種可能：人機協同。

我們完全可以把AI作為工具，完成基礎性的翻譯工作，再由人類去完成更高級的文化溝通，情感交流。

實際上，現在很多業內人事，都會藉助AI工具來提升工作效率。

現場參賽的那位日語同傳譯員跟我説，她平常經常會用到AI，很多工作先讓AI翻譯，自己再核對一遍，而且AI的詞庫更全，還能學到一些新單詞。

正如在中英同傳領域從業20多年的趙晨威所説，AI不會取代人類，但是AI會取代不會用AI****的人類。

但話又説回來，同樣是AI翻譯，大廠的模型更大，實力更強，為什麼偏偏是時空壺W4 Pro脱穎而出了？

抱着這樣的疑問，我又去了一趟時空壺公司，發現問題的答案很簡單——無他，唯堅持爾（也沒啥，就是幹）

2016年，市面上也有各種翻譯設備，但要麼翻譯質量不高，只能簡單直譯，要麼就是高延遲，反應慢。

恰好當年，AlphaGo和李世石的圍棋大戰，讓全世界看到了人工智能的潛力。

於是，時空壺創始人田力決定，造一台AI翻譯設備，不僅能用，更要好用。

一個好用的翻譯設備，應該是**“無形”**的，它要夠準確，夠即時，夠方便，才能讓人們在跨語言交流的時候，儘可能忽略翻譯產品，而專注於交流本身。

但等開始創業才發現，不是同行不想做，而是不好做啊。

之前市面上的翻譯設備，主要採用的是點按操作，你按一下説一句，我再按一下説一句，非常不方便。

而時空壺堅持從更底層——也就是通信技術上下功夫，經過3年研發，攻下了**“雙向同傳”**技術。

雙向同傳的核心在於四通道同步處理：A母語輸入、翻譯輸出以及B母語輸入、再翻譯輸出同步進行，從而降低延遲。

還有一個關鍵，在於收音。

面對面交流，翻譯設備不僅要隔離外部環境雜音，還要識別A説了什麼，B説了什麼，一不小心就搞錯了説話主體。

時空壺採用**三麥克風陣列****+**矢量降噪技術，通過軟硬件的配合，定向定距識別佩戴者的聲音，排除其他雜音干擾。

他們的工程師還帶着W4 Pro去地鐵、商場等人流密集的場所測試，驗證矢量降噪技術的可行性，從輸入端上保證了音源的準確性。

解決了聽得清、翻（傳輸）得快的問題，還要保證譯得準。

AI要理解上下文，才能準，但這又會慢。針對AI這個“bug”，時空壺又開發了一套Babel OS巴別系統，這個系統的核心在於AI****語義分割，AI會判斷你是否説完了，然後自動分割長句開始輸出，不用等一句話説完再翻譯，在翻譯的準確和即時之間找到了平衡。

在AI翻譯領域堅持近10年之後，時空壺做到了行業頭部，W4 Pro的平均延遲更是壓縮到了3-5****秒，實現了L3級的AI****翻譯。

這個AI翻譯的分級標準，有點類似自動駕駛行業的智駕等級。因為沒有明確的行業等級，大家都説自己是AI翻譯耳機，“開局一句話，其餘全靠編”也行，翻譯慢悠悠也算，導致行業生態很亂。

而有了分級標準，一方面可以避免同行渾水摸魚，另一方面也是對未來AI翻譯設備的想象。

在時空壺看來，目前W4 Pro還處於語音同聲傳譯的L3級，L4級將支持多模態輸入，能識別講話的人語氣、表情、動作，讓翻譯更貼合情境，到L5級就類似agent，不僅能幫你翻譯，還會根據場合幫你修飾，甚至可能比你説話還好聽。

從人機大戰1.0到現在的2.0，AI在半年時間內，AI同傳就可以和高級譯員同台競技且更勝一籌，按照這個節奏，未來人機大戰3.0版本又會有什麼樣的精彩呈現？

而除了AI隊和人類隊，如果像評委們所説的，再出現一個人機協同隊，三方爭霸，這畫面想想就刺激！

到那時，時空壺的AI翻譯技術會達到什麼程度？AI翻譯設備會變成什麼形態？人機協同又將會碰撞出什麼樣的火花？

現在很難想象，一切皆有可能。