2017年12月13日，翻译自动化用户协会(Translation Automation User Society，简称TAUS)发布了一份题为《Nuncest Tempus：Redesign Your Translation Business,Now!》的**新翻译行业报告，分析了大数据和全球化背景下，翻译行业今后的发展趋势和前景。该报告分为“找准时机”、“翻译行业六大驱动力”、“现代翻译管道”和“翻译行业掌门人经验”四个章节。小编通读报告后，为大家提炼出值得关注的佛山翻译行业的现状和发展趋势供大家参阅：

　　S-曲线

　　**章中，报告提出了一个叫做S曲线的概念，指出一种科技的发展，都会经历公司内部研发，该公司内部所有，再演变成一种服务和工具，**终集成到更新的技术平台中的小功能的过程。

　　那么应用到翻译领域呢?

　　80年代，一些公司随着自身的向外拓张，出现翻译需求，在公司内部成立翻译部门;90年代翻译行业出现外包服务商，承接翻译服务;2000年早期Trados，memoQ等的翻译记忆库工具诞生，帮助译者提高翻译质量和效率;2000年后期垂直领域工具和统计机器翻译(SMT)逐渐兴起;现如今，神经机器翻译(NMT)的大火。很显然，就我们经常使用的谷歌、百度和有道翻译等机器翻译软件来看，翻译产业已经到达了S曲线的顶峰。

　　翻译行业已从劳动密集型转向数据驱动型

　　以往的翻译行业是劳动力驱动的行业，以低报价获得客户订单，翻译质量偏低。在大数据时代，一些高质量的语言资产得以保留下来复用，并导入翻译机器中进行训练，出现了机器翻译比人工翻译质量更好的例子。渐渐地，人们发现数据的重要性，在某些通用场景下，机器翻译做的反而比人工翻译好，并且成本更低，于是业内开启了一场争夺数据的战争。谁能获取优质的数据资源，就能提供更好的翻译服务。

　　语音翻译和语音控制

　　TAUS预测，2020年，全球半数的智能手机用户都将使用语音科技。常常勾搭Siri的同学对此应该不陌生。随着语音技术正在飞速发展，语音识别、音频转文字等技术的出现，大大方便了我们的生活，也拓宽了语音翻译的使用场景。

　　现代翻译管道

　　TAUS报告中提出了现代翻译管道，Modern Translation Pipeline(MTP)的概念，是一种围绕机器翻译架构起来的系统，架构如下：

　　(1)管道的三大特点

　　管道的运行是由数据驱动;

　　具有自发性、自驱动力，自动化程度高;

　　对多数人来说翻译是无形的一种服务。

　　(2)管道分层

　　管道分为两层架构：

　　**层是大公司或超强技术公司，他们负责研发和维护支持翻译产业的技术架构，如谷歌研发出神经翻译网络;而第二层是其他技术公司，他们利用上一层的标准架构，开发专门的增值业务，如开发接入神经机器翻译的接口。

　　(3)管道要素：

　　管道的架构搭好后，里面的要素主要有四个：

　　量子跳盒子：代表**佳的翻译技术：机器翻译(MT)，翻译记忆库(TM)，众包和社区翻译。

　　算法管理盒子：随着机器学习的进步，一些翻译系统可以自动选择译者和审校，分析文本、质量控制，实现一个系统就能达到一个翻译公司的效果。

　　数据化盒子：

　　内容数据：指TM，原文、译文等的语言数据，是定制MT引擎的关键。

　　元数据：指语言对、流程、产业和个人信息等元数据，是训练机器学习和算法管理的关键。

　　仪表盘。所有盒子都在这一管道中后，需要一个仪表盘来追踪数据，从翻译完之后的数据中获取更多洞见。

　　今后翻译行业的工作趋势

　　工程师：帮助搭建管道。

　　数据分析师：分析仪表盘反映出的数据，获取更多洞见。

　　语言人士开始从译者的角色，转变为从事审校、创译和译后编辑工作。