国内不少优秀翻译公司都在投资机器翻译和语言模型开发，但它们无一例外，都面临着前有狼、后有虎的尴尬局面。
一、A 公司：同一个故事，更大的讲述者
A 公司开发了一个小参数模型。对比 DeepSeek-V3 的 6710 亿参数，A 模型最大的版本也不过 90 亿参数。
A 模型的玩法是从根源上原创，不采用任何开源成分。安全可控的同时，也意味着生态孤立：底层架构只有 A 自己会用，长期研发投入压力巨大。
A 模型的卖点是自主可控、便宜、可私有化部署。但是 DeepSeek 开源、免费、能力强，也能私有化部署，还适配了国产芯片。这意味着政企客户完全可以自己拿 DeepSeek 部署一套，“自主可控”的叙事被釜底抽薪。2025 年之后，政企市场也确实出现了大量基于 DeepSeek 的本地化部署、一体机和行业解决方案。
更大的冲击出现在 2026 年。6 月，华为开发者大会发布了 openPangu 2.0。openPangu 2.0是全栈依托昇腾 NPU 训练的千亿级开源 MoE 大模型，505B 旗舰版加 92B 轻量版（INT4 量化后消费级显卡就能跑），权重、训练代码全开放，政企可免费下载、私有化部署、二次微调。
开源、国产算力、自主可控——A 模型讲的故事，华为都能讲得更响。
这未必意味着 A 模型马上就会被淘汰，但至少意味着：一个原本需要语言技术公司自己投入大量资源才能讲好的故事，现在有了更大、更强、生态更完整的玩家来讲。对小型语言模型来说，压力可想而知。
二、B 公司：引擎的换芯赛跑
B 公司走的是另一条路。它攒着十几年通信、医药、专利等重大项目沉淀下来的语言资产，并自研了机器翻译引擎。
但是作为资深业者，我们都知道：这些语言资产的最大价值是查术语和片段复用，剩下的参考价值全靠 MT 质量撑着。引擎不行，译者就是在重写，平台吹得再好听也没用。
DeepSeek、Kimi 级别的大模型是”理解了再写”，对 B 引擎形成代差级的碾压。哪家企业会花钱部署一套过时的机器翻译引擎，而不直接接上 DeepSeek？这条产品线，至少已经不像过去那么好讲了。
当然，B 公司手里并非没有牌。引擎是可以换的，而十几年攒下来的术语库、记忆库，以及与大客户多年磨合出来的交付信任，换谁都要从头再来。问题只在于：换芯的速度，跟不跟得上客户变化的速度。
B 公司的终极威胁，可能并不是 DeepSeek 之类的顶尖模型，而是它的大客户。一旦头部企业开始自建 AI 翻译中台，去中介化的刀就落下来了。
三、C 公司：家底的变现之问
C 公司同样在做自己的云翻译平台，也积累了庞大的语言资产。它的平台底子比 B 公司还要老一代：搭建于十多年前，机器翻译系统来自与上一代技术厂商的合作，此后主要是在原有流程上不断叠加新的 AI 功能。
C 公司的宣传口径包括数亿句语料、十亿级语料库、百万级术语和数百个词典——数字很壮观。
但问题恰恰在这里：数字很大，并不等于护城河很深。
要先看懂这些数字当年为什么值钱。在机器翻译靠”训练”吃饭的年代，语料就是燃料——谁的平行句对多，谁就能训出更好的引擎，”我有十亿句语料”本身就是竞争力。而大模型时代，没有人再从零训练翻译引擎了，燃料的需求塌了；通用内容的翻译，大模型现场生成，质量还更好。语料、术语、记忆并没有消失，但它们的价值，收缩到了最硬核的部分：客户私有的、受控的术语和译法。
过去，”我有十亿句语料”是一句有分量的行业宣言。现在，听的人会反问：“然后呢？”——因为客户买的从来不是语料，而是译文的质量、交期和价格。这个数字真正的听众，是同行、加盟商和资本市场；当整个行业都看清”规模不再是壁垒”，这套话术的效力也就到头了。
那这些家底怎么办？答案不在”有没有”，而在”用不用得上”。术语能不能自动注入每一次翻译，历史译法能不能真正参与当前产出，译后能不能自动检查一致性。这些接入能力今天已经是现成工具的标配，门槛并不高。接得进新工作流，十几年的积累就是别人抄不走的产能；接不进去，规模再大，也只是一座越来越安静的仓库。
四、重新定价的时代
三家公司，技术路线不同，命运曲线却有些相似：“数据 / 引擎 / 模型”形态的资产，都在被头部大模型重新定价。
这里并不是说数据没有价值，也不是说传统机器翻译马上就会消失。真正发生变化的是：单独拥有这些东西，越来越难成为不可替代的护城河。
五、最后的底牌
那么，老牌翻译公司的护城河还剩什么？笔者认为，终究还是翻译业务本身。对客户而言，核心价值其实很简单：
“交给你，我放心。”
这份放心，来自三层支撑。
资质。ISO 系列认证等硬门槛，一道关就能把大量竞争者挡在门外——这是入场券，也是转换成本。
流程与团队。完善的内部流程管理和一支能打的队伍，才能保证”十万字、八个语种、三周交期、术语零误差、格式不走样、内容不泄密”这种确定性交付。
高品质交付。真正高度专业的译者需要长时间训练和培养，尤其在专利、医药、法律这类”出错就要担责”的高风险场景，品质溢价依然存在。
把这三层合起来看，客户真正购买的，从来不只是译文，而是一个敢签字负责的交付主体。
数据会贬值，引擎会过时，模型会被后来者超越。但”出事有人担、交期有人保、质量有人管、数据有人负责”这份确定性，暂时还无法被任何一个大模型完整替代。
这才是老牌翻译公司在 AI 时代最后的、也是最硬的底牌。