人机大战2.0：一个耳机，就能抢同传的饭碗？

前两天，我去深圳围观了一场AI翻译和人类同传的对决。

坦白说，比赛开始之前，我心里一直在犯嘀咕。

众所周知，同声传译是翻译行业的天花板，而且这次参赛的人类译员队，有人从事大型跨国企业的翻译，有人为国家政要担任过同传，可谓高手中的高手。

而AI翻译队，是时空壶W4 Pro AI翻译耳机。

去年9月，国际消费电子展（IFA）期间，我介绍过时空壶W4 Pro，当时，这款耳机的定位还只是“个人语音翻译助理”。

到12月，W4 Pro先是和翻译专业的同学来了波人机大战1.0，今年3月份，又登上了《新闻联播》，足足报道了4分钟，排面拉满。

到6月，更是直接和高级译员PK上了。

这是啥速度，能在短短9个月的时间，从“个人助理”向“高级同传”发起挑战啊？

答案很明显，AI。

保守地说，AI一天，人类100年，现阶段的AI，当个智能翻译助手问题不大，但同声传译毕竟不是文字翻译，AI要完成“拾取声音—转为文本—云端翻译—语音输出”这么一整套流程，要求你必须听得懂、翻得快，还要译得准。

虽然我看好AI的能力，但和经验丰富的高级译员对战，初出茅庐的时空壶W4 Pro感觉不妙啊。

反过来，要是AI翻译赢了，是不是AI取代人类的清单上，又多了一个同声传译？

但看完比赛后，我发现事情还有第三种可能。

咱们先说比赛。

整个人机大战2.0共有两个环节，第一个环节是「基础翻译」。现场邀请英、日、法、西班牙语语种的外籍人士朗读相应的外文，AI翻译队和高级译员队以同传的方式输出，再由评委按照准确性、流畅程度、专业适配性和文化适配性进行综合打分。

万万没想到，一上来就是大活儿。

首先是口音问题，也不知道是上台紧张，还是并非母语，英语朗读者很多词吐字不清，让我一度怀疑自己的耳朵，法语咱也不懂，但主持人形容语速挺快，好像在唱Rap。

其次是内容过于专业，日语题中，出现了西安钟鼓楼、明神宗万历10年这种历史、地标性词汇，西语翻译则是大量的医疗专有词汇，非医学专业看完两眼一黑。

不过，这也算是同声传译的日常。

毕竟，不是所有人都会标准的播音腔，而且不同行业都有专业性极高的词汇，需要进行大量前期准备。

第一个环节，高级译员的速度更快，基本上第一句念完，翻译就能跟上，很多专业性词汇，像是前面提到的钟楼、鼓楼，还有一处专业地名「迎祥观」，译员也进行了准确翻译，但是当信息密度过高时，会遗漏一些关键信息。

而时空壶AI队在一开始，会有大概3-5秒的延迟，但一旦开始翻译，就能稳定输出，准确性、完整度也几乎无懈可击。除了个别专有名词无法准确表述，比方说「迎祥观」，大模型训练时「迎宾馆」出现的次数更多，权重更大，AI翻译就把「迎祥观」翻成了「迎宾馆」。

到了第二个环节的「关键词提取大比拼」，更是加上了嘈杂的环境音，专业度极强的量子计算、哲学、美学等概念，再加上三哥咖喱味的英语，直接给比赛上了个强度。

综合来说，时空壶AI队和高级译员队各有优势：

人类译员跟着讲者翻译，能更好地还原当时的语气和感情。就像商务谈判中的“No”,如果不是对方明确拒绝，就有谈的空间，也就意味着“Yes”。

但在兼顾听、记、译、说的情况下，人类译员会因为高强度多线程工作可能出现疏漏。

相比之下，AI就像一个么得感情的翻译器，可以通过理解上下文，生成准确的翻译，也不会像人一样受到环境的影响。

但也正因为要理解上下文，AI翻译会显得慢上半拍。

两轮比赛下来，时空壶AI队和高级译员队各有千秋，最终AI队以1170的成绩，赢得了这次人机大战比赛。

AI翻译比同传译员得分更高，是不是意味着AI就要取代同传了？

我问了现场AI领域、翻译行业的专家，学者，他们的回答惊人的一致：

AI不会取代人类。

AI翻译更高效、更准确，而且不知疲倦，而人类译员更有温度、更能传递情绪，更适合文化交流，双方侧重点不一样。

因此，AI翻译和人类不是你死我活的竞争，还有第三种可能：人机协同。

我们完全可以把AI作为工具，完成基础性的翻译工作，再由人类去完成更高级的文化沟通，情感交流。

实际上，现在很多业内人事，都会借助AI工具来提升工作效率。

现场参赛的那位日语同传译员跟我说，她平常经常会用到AI，很多工作先让AI翻译，自己再核对一遍，而且AI的词库更全，还能学到一些新单词。

正如在中英同传领域从业20多年的赵晨威所说，AI不会取代人类，但是AI会取代不会用AI的人类。

但话又说回来，同样是AI翻译，大厂的模型更大，实力更强，为什么偏偏是时空壶W4 Pro脱颖而出了？

抱着这样的疑问，我又去了一趟时空壶公司，发现问题的答案很简单——无他，唯坚持尔（也没啥，就是干）

2016年，市面上也有各种翻译设备，但要么翻译质量不高，只能简单直译，要么就是高延迟，反应慢。

恰好当年，AlphaGo和李世石的围棋大战，让全世界看到了人工智能的潜力。

于是，时空壶创始人田力决定，造一台AI翻译设备，不仅能用，更要好用。

一个好用的翻译设备，应该是“无形”的，它要够准确，够即时，够方便，才能让人们在跨语言交流的时候，尽可能忽略翻译产品，而专注于交流本身。

但等开始创业才发现，不是同行不想做，而是不好做啊。

之前市面上的翻译设备，主要采用的是点按操作，你按一下说一句，我再按一下说一句，非常不方便。

而时空壶坚持从更底层——也就是通信技术上下功夫，经过3年研发，攻下了“双向同传”技术。

双向同传的核心在于四通道同步处理：A母语输入、翻译输出以及B母语输入、再翻译输出同步进行，从而降低延迟。

还有一个关键，在于收音。

面对面交流，翻译设备不仅要隔离外部环境杂音，还要识别A说了什么，B说了什么，一不小心就搞错了说话主体。

时空壶采用三麦克风阵列+矢量降噪技术，通过软硬件的配合，定向定距识别佩戴者的声音，排除其他杂音干扰。

他们的工程师还带着W4 Pro去地铁、商场等人流密集的场所测试，验证矢量降噪技术的可行性，从输入端上保证了音源的准确性。

解决了听得清、翻（传输）得快的问题，还要保证译得准。

AI要理解上下文，才能准，但这又会慢。针对AI这个“bug”，时空壶又开发了一套Babel OS巴别系统，这个系统的核心在于AI语义分割，AI会判断你是否说完了，然后自动分割长句开始输出，不用等一句话说完再翻译，在翻译的准确和即时之间找到了平衡。

在AI翻译领域坚持近10年之后，时空壶做到了行业头部，W4 Pro的平均延迟更是压缩到了3-5秒，实现了L3级的AI翻译。

这个AI翻译的分级标准，有点类似自动驾驶行业的智驾等级。因为没有明确的行业等级，大家都说自己是AI翻译耳机，“开局一句话，其余全靠编”也行，翻译慢悠悠也算，导致行业生态很乱。

而有了分级标准，一方面可以避免同行浑水摸鱼，另一方面也是对未来AI翻译设备的想象。

在时空壶看来，目前W4 Pro还处于语音同声传译的L3级，L4级将支持多模态输入，能识别讲话的人语气、表情、动作，让翻译更贴合情境，到L5级就类似agent，不仅能帮你翻译，还会根据场合帮你修饰，甚至可能比你说话还好听。

从人机大战1.0到现在的2.0，AI在半年时间内，AI同传就可以和高级译员同台竞技且更胜一筹，按照这个节奏，未来人机大战3.0版本又会有什么样的精彩呈现？

而除了AI队和人类队，如果像评委们所说的，再出现一个人机协同队，三方争霸，这画面想想就刺激！

到那时，时空壶的AI翻译技术会达到什么程度？AI翻译设备会变成什么形态？人机协同又将会碰撞出什么样的火花？

现在很难想象，一切皆有可能。