新智元報道

編輯：元宇

【新智元導(dǎo)讀】4月28日，Google Translate滿20歲。Pichai親自發(fā)帖紀念，說Translate這20年，是從「認字」走到「讀懂」的過程。從統(tǒng)計模型，到神經(jīng)網(wǎng)絡(luò)，再到能保留語調(diào)和呼吸節(jié)奏的Gemini原生語音模型，Translate的20年，背后是一條完整的AI進化鏈。

4月28日，Google Translate滿20歲。Pichai親自在X上發(fā)帖紀念：

谷歌翻譯已從二十年前的一個小型實驗，發(fā)展成為一款全球工具，每月10億人在用它，超過三分之一的實時翻譯會話持續(xù)超過5分鐘。

這個數(shù)字，讓兩個不會同一種語言的人可以在AI幫助下完成一次「自然對話」。

Pichai帖子中回顧了Translate的20年技術(shù)線：

2006年，Translate靠統(tǒng)計機器學習，在小型詞組里找規(guī)律；2016年，Google切換到神經(jīng)網(wǎng)絡(luò)，翻譯第一次跳出「逐字對譯」；今天，Gemini模型接管，Translate從文本工具升級成實時對話工具，這讓翻譯變得更加智能和實用。

如今，借助Gemini模型，戴上耳機，你就可以擁有一個能保留原始語調(diào)和節(jié)奏的私人翻譯。

在Pichai看來，這是一種神奇的體驗，但他也提到了關(guān)于AI的一個有趣現(xiàn)象，當我們?nèi)〉眠M展，我們就開始把它當作理所當然。

如果你遇到一個能用100種語言翻譯、速度還比任何人都快的人，你會覺得不可思議。今天，有一個產(chǎn)品能在近250種語言之間做到這一點，而我們卻幾乎只是聳聳肩。

網(wǎng)友Chetan Kumar回應(yīng)道：「完全同意。當我們不了解創(chuàng)造這些卓越解決方案背后的技術(shù)、努力和艱辛時，就很容易把一切視為理所當然�！�

另一位網(wǎng)友稱Google Translate曾經(jīng)是自己最愛的翻譯應(yīng)用，但大模型流行之后，自己幾乎不再使用它了，很高興看到它能隨著技術(shù)的進步有所改進。

從Pichai的帖子和網(wǎng)友回復(fù)中，可以感覺到：Google Translate的20年，可能是被低估的20年：它被ChatGPT、被各種大模型搶走了風頭，被遺忘在很多人的手機角落。

但它并沒停止進化，最近的一次，它又把每一代Google最強的AI模型，悄悄塞進自己的翻譯引擎里，讓翻譯第一次開始有了「語調(diào)」「節(jié)奏」和「呼吸感」。

Google官方發(fā)文紀念Translate 20周年

從「數(shù)詞頻」開始

2006年4月，Google Translate上線。

那個時候的翻譯，本質(zhì)是統(tǒng)計學。技術(shù)術(shù)語叫SMT，Statistical Machine Translation，統(tǒng)計機器翻譯。

2006年4月，Google官方研究博客正式宣布他們的統(tǒng)計機器翻譯（SMT）系統(tǒng)上線

當時，Google向計算機輸入數(shù)十億字的文本，應(yīng)用統(tǒng)計學習技術(shù)來構(gòu)建翻譯模型。

也就是說：模型不懂語言，只會算概率。

這種翻譯什么風格？生硬、逐詞、機械，經(jīng)常前言不搭后語。比如，中文菜單上的「雞腿」會被翻成「chicken thigh」，「老婆餅」會被翻成「wife cake」。

但這在2006年，它已經(jīng)是當時最好的方案。

當時Google篤定一件事：翻譯質(zhì)量，本質(zhì)上是數(shù)據(jù)規(guī)模問題。

誰手里的雙語語料多，誰的統(tǒng)計模型就準，而Google當時正好坐擁全網(wǎng)最大的多語言文本庫。

這是Translate，也是后來大部分AI翻譯系統(tǒng)的共同起點。

神經(jīng)網(wǎng)絡(luò)砍掉一大半錯誤率

2016年9月27日，Google Research發(fā)了一篇博客，宣布GNMT上線，即Google Neural Machine Translation，谷歌神經(jīng)機器翻譯系統(tǒng)。

https://research.google/blog/a-neural-network-for-machine-translation-at-production-scale/

這是一次徹底的換血。

老系統(tǒng)的邏輯是：把一句話拆成短語，各自翻譯，再拼回去；

而GNMT的邏輯是：把一整句話當成一個單位，送進神經(jīng)網(wǎng)絡(luò)，讓網(wǎng)絡(luò)自己學會把它「映射」成另一種語言。

按雙語人工評估，GNMT在多個主要語種對上將翻譯錯誤率降低了55%–85%。

普通用戶的體感是，從「翻出來勉強能猜個大概」一夜之間變成「翻出來基本能直接用」。

Google當時給了一組對照數(shù)據(jù)：在中英、英法等幾個主要語種對上，GNMT把翻譯錯誤率壓低了55%到85%。

中英翻譯，Translate在2016年直接100%使用GNMT，每天處理大約1800萬次翻譯請求。

GNMT背后是兩件事：一是Sequence-to-Sequence模型架構(gòu)；二是當時剛剛部署的TPU張量處理器。

前者讓神經(jīng)網(wǎng)絡(luò)第一次能處理變長輸入和變長輸出，后者把這種昂貴的計算壓到了產(chǎn)品級響應(yīng)速度。

這兩件事都不是為翻譯單獨發(fā)明的，但Translate是它們第一個真正的產(chǎn)品級試驗場。

后來回頭看，GNMT是整個深度學習浪潮里，最早被推到10億用戶面前的產(chǎn)品之一。

GNMT還順便帶來一個意外能力：零樣本翻譯，沒有直接訓(xùn)練過的語言對（比如日語→韓語），它也能翻出可讀的結(jié)果。

那是大模型時代到來之前，NLP在工業(yè)界最重要的一次落地，比ChatGPT早了6年。

大模型時代

一次新增110種語言

2022年到2024年，大模型登場，這次跳躍不是靠新架構(gòu)，而是靠零樣本學習能力。

2022年，Google用Zero-Shot Machine Translation給Translate加了24種新語言。

所謂Zero-Shot，就是模型從沒見過這種語言的雙語對照，但能憑別的語言知識硬翻。

這在SMT時代是不可想象的。

到了2024年6月，Google直接用PaLM 2大語言模型，一次性給Translate加了110種語言，覆蓋額外6.14億人口。

這是Translate史上最大規(guī)模的一次語言擴展。

PaLM 2在這件事上扮演的角色，是「語言之間的遷移引擎」，使模型能夠高效學習相互接近的語言族。

比如學會了印地語，Awadhi和Marwadi就能跟著上；學會了法語克里奧爾，塞舌爾克里奧爾和毛里求斯克里奧爾就能跟著上。

這次擴張靠的是PaLM 2，不是Gemini。Gemini真正更深度地整合Translate，要等到2025年12月之后。

Gemini原生語音模型

翻譯開始有了「呼吸感」

2025年12月12日，Translate的最新一次換血落地。

Google官方博客直接挑明：把Gemini的最強翻譯能力，引入Translate。

https://blog.google/products-and-platforms/products/search/gemini-capabilities-translation-upgrades/

具體落地兩件事。

第一件，文本翻譯升級。

Gemini接管后，Translate終于能搞定俚語、習語和地方表達。

舉個例子：英文俚語stealing my thunder，字面是「偷我的雷」，實際意思是「搶我風頭」。老Translate會硬翻成字面意思。

Gemini接管的Translate，直接給出「搶走了我的所有關(guān)注」這種符合語境的翻譯。

這件事的本質(zhì)是：Gemini不是在翻字，是在解析上下文。

第二件，也是更重要的一件：耳機實時翻譯Beta上線。

這是Translate第一次，把翻譯能力從「文本」推到「實時語音」層。

技術(shù)底座是一個新模型：Gemini 2.5 Flash Native Audio，這是谷歌的音頻原生模型。

這里的關(guān)鍵詞是原生音頻。

老的語音翻譯走的是三段鏈條：語音輸入，轉(zhuǎn)文本，翻譯文本，合成語音，每一段都有損耗。

語調(diào)沒了，情緒沒了，只剩一個機器人朗讀出來的翻譯稿。

Gemini 2.5 Flash Native Audio走的是另一條路：Google將其描述為原生speech-to-speech翻譯，而不是傳統(tǒng)的「語音識別—文本翻譯—語音合成」三段式體驗。

在這種模式下，模型保留說話人的intonation, pacing and pitch，即語調(diào)、節(jié)奏、音高，讓翻譯開始有了「呼吸感」。

20年

換了4代AI

把這幾次跳躍放一起看，會發(fā)現(xiàn)一個很有意思的規(guī)律：

每一代Google最關(guān)鍵的AI路線，最后幾乎都會在Translate里找到產(chǎn)品化落點。

2006年SMT時代，Translate是Google統(tǒng)計學習的早期落地場。

2016年深度學習時代，Translate是Sequence-to-Sequence和TPU走向全球產(chǎn)品的標志性場景。

2024年大模型時代，Translate用PaLM 2完成史上最大規(guī)模語言擴展。

2025年多模態(tài)時代，Gemini 2.5 Flash Native Audio把Translate推向原生語音實時翻譯。

20年，4代AI接力，這才是Translate真正的護城河，背后是一條從來沒斷過的算法接力鏈。

而一旦能力進入Translate，就有機會沿著Google的全球產(chǎn)品入口，被推向10億級用戶。

Google公布過一組數(shù)據(jù)：每月通過Translate、Search、Lens、Circle to Search這4個入口，合計翻譯的文字量，大約在1萬億詞。

OpenAI、DeepL都在語音交互和專業(yè)翻譯上給Google帶來壓力。但短期內(nèi)，它們很難復(fù)制Google這種10億月活和多入口嵌入式分發(fā)。

相比Apple方案需要特定AirPods與較新iPhone，Google的耳機實時翻譯在支持地區(qū)可使用任意耳機。

這也是非常典型的Google打法：把能力軟件化、平臺化，然后跳過硬件的護城河。

Google稱，這個月最常被翻譯的短語是Thank you；過去20年里，很多月份也都是它。

Translate貫穿了Google多代AI技術(shù)路線：統(tǒng)計機器翻譯、神經(jīng)機器翻譯、大語言模型擴語種、原生音頻實時翻譯。

但人最常說的那句話，幾乎從來沒變過，這件事可能比任何技術(shù)參數(shù)更值得注意。

參考資料：

https://x.com/sundarpichai/status/2049156908582617440

https://blog.google/products-and-platforms/products/translate/fun-facts-google-translate-20-years/2026