大模型在英语、汉语等大语种之间的翻译已经接近人类水平，但面对西班牙语、越南语等非通用语种时，准确率大幅下降。中国翻译协会报告指出，问题的根源不在算法，而在数据——低资源语言的训练数据严重不足，导致机器翻译质量难以满足高端需求。当AI无法覆盖的语种越多，"数字语言鸿沟"就越深。
非通用语种的数据困境
全球人工智能研发资源高度集中在少数大语种上。非通用语种和低资源语言的训练数据严重不足，限制了机器翻译的效果。以汉语译入西班牙语、越南语等非通用语种为例，市场需求持续增长，但语料库建设滞后，翻译质量难以满足高端需求。
由于非通用语内容在数据集中占比极低，模型易产生算法偏见，损害相关语言和文化群体的表达准确性及知识产权权益。全球40%的人工智能投资流向中美两国的100家头部企业，中小型企业难以负担专有模型的开发与部署，进一步加剧了语种之间的技术鸿沟。
文化语境理解的短板
人工智能在文化语境理解方面存在显著短板。大模型在处理文化细微差异、习语表达和文学翻译时，难以捕捉语言背后的文化内涵，导致译文生硬、缺乏感染力或文化适配性。在营销和文学翻译中，机器翻译因文化语境缺失，难以引发目标受众的情感共鸣，无法精准传达文化意蕴。
面对高准确性要求的翻译任务，人工译员在文化解读、语感把控和创意表达上具有无可替代的独特优势。对于中低端重复性、格式化翻译任务，机器翻译依赖于成熟语料库的训练，能够发挥较强的替代作用，但语料仍需人工译员审核与优化。
非通用语种翻译的战略意义
非通用语种翻译能力直接关系国家战略利益。"一带一路"沿线国家涉及数十种非通用语种，汉语与周边国家通用语的翻译需求持续增长。人工智能翻译在非通用语种场景中的准确性和文化适配性，直接影响到经贸合作、文化交流和民心相通的深度。
在涉及人身安全、财产安全、法律安全的场景中，未经验证的机器翻译结果可能导致严重后果。在医疗、法律等高风险领域，需确保人工智能翻译结果和人机共译结果的可靠性和安全性，非通用语种的数据短缺使这一问题更加突出。
数据建设的紧迫任务
建议相关部门加大支持力度，建设开放共享的高质量多语种数据库，涵盖汉语与周边国家通用语等需求增长语种的平行语料和文化语料。各企事业单位和高校应协同协作，整合现有语料资源，开发标注规范和数据共享平台，降低中小企业的技术开发成本。
通过与"一带一路"沿线国家开展文化交流项目，持续积累区域性语料，提升人工智能翻译在非通用语种场景中的准确性和文化适配性，确保技术应用的普惠性和包容性。
少数民族语言保护与数字化
人工智能的应用须兼顾语言多样性和文化保护。建议相关部门积极推动非通用语种和少数民族语言的数字化保护与翻译技术开发，加强藏语、维吾尔语等中国民族语言的语料库建设和模型优化。
建议民族地区高校和研究机构与技术研发机构合作，开发支持低资源语言的语音识别、文本翻译和多模态处理技术，助力民族文化传承和国际化传播。通过与国际标准化组织、国际翻译家联盟加强交流合作，推动中国的人工智能翻译质量标准和伦理规范"走出去"，为全球技术治理提供中国方案。
