新智元报道
新智元报道
【新智元导读】4月28日，Google Translate满20岁。Pichai亲自发帖纪念，说Translate这20年，是从「认字」走到「读懂」的过程。从统计模型，到神经网络，再到能保留语调和呼吸节奏的Gemini原生语音模型，Translate的20年，背后是一条完整的AI进化链。
4月28日，Google Translate满20岁。Pichai亲自在X上发帖纪念：
谷歌翻译已从二十年前的一个小型实验，发展成为一款全球工具，每月10亿人在用它，超过三分之一的实时翻译会话持续超过5分钟。
这个数字，让两个不会同一种语言的人可以在AI帮助下完成一次「自然对话」。
Pichai帖子中回顾了Translate的20年技术线：
2006年，Translate靠统计机器学习，在小型词组里找规律；2016年，Google切换到神经网络，翻译第一次跳出「逐字对译」；今天，Gemini模型接管，Translate从文本工具升级成实时对话工具，这让翻译变得更加智能和实用。
如今，借助Gemini模型，戴上耳机，你就可以拥有一个能保留原始语调和节奏的私人翻译。
在Pichai看来，这是一种神奇的体验，但他也提到了关于AI的一个有趣现象，当我们取得进展，我们就开始把它当作理所当然。
如果你遇到一个能用100种语言翻译、速度还比任何人都快的人，你会觉得不可思议。今天，有一个产品能在近250种语言之间做到这一点，而我们却几乎只是耸耸肩。
网友Chetan Kumar回应道：「完全同意。当我们不了解创造这些卓越解决方案背后的技术、努力和艰辛时，就很容易把一切视为理所当然。」
另一位网友称Google Translate曾经是自己最爱的翻译应用，但大模型流行之后，自己几乎不再使用它了，很高兴看到它能随着技术的进步有所改进。
从Pichai的帖子和网友回复中，可以感觉到：Google Translate的20年，可能是被低估的20年：它被ChatGPT、被各种大模型抢走了风头，被遗忘在很多人的手机角落。
但它并没停止进化，最近的一次，它又把每一代Google最强的AI模型，悄悄塞进自己的翻译引擎里，让翻译第一次开始有了「语调」「节奏」和「呼吸感」。
Google官方发文纪念Translate 20周年
2006年4月，Google Translate上线。
那个时候的翻译，本质是统计学。技术术语叫SMT，Statistical Machine Translation，统计机器翻译。
2006年4月，Google官方研究博客正式宣布他们的统计机器翻译（SMT）系统上线
当时，Google向计算机输入数十亿字的文本，应用统计学习技术来构建翻译模型。
也就是说：模型不懂语言，只会算概率。
这种翻译什么风格？生硬、逐词、机械，经常前言不搭后语。比如，中文菜单上的「鸡腿」会被翻成「chicken thigh」，「老婆饼」会被翻成「wife cake」。
但这在2006年，它已经是当时最好的方案。
当时Google笃定一件事：翻译质量，本质上是数据规模问题。
谁手里的双语语料多，谁的统计模型就准，而Google当时正好坐拥全网最大的多语言文本库。
这是Translate，也是后来大部分AI翻译系统的共同起点。
2016年9月27日，Google Research发了一篇博客，宣布GNMT上线，即Google Neural Machine Translation，谷歌神经机器翻译系统。
https://research.google/blog/a-neural-network-for-machine-translation-at-production-scale/
这是一次彻底的换血。
老系统的逻辑是：把一句话拆成短语，各自翻译，再拼回去；
而GNMT的逻辑是：把一整句话当成一个单位，送进神经网络，让网络自己学会把它「映射」成另一种语言。
按双语人工评估，GNMT在多个主要语种对上将翻译错误率降低了55%–85%。
普通用户的体感是，从「翻出来勉强能猜个大概」一夜之间变成「翻出来基本能直接用」。
Google当时给了一组对照数据：在中英、英法等几个主要语种对上，GNMT把翻译错误率压低了55%到85%。
中英翻译，Translate在2016年直接100%使用GNMT，每天处理大约1800万次翻译请求。
GNMT背后是两件事：一是Sequence-to-Sequence模型架构；二是当时刚刚部署的TPU张量处理器。
前者让神经网络第一次能处理变长输入和变长输出，后者把这种昂贵的计算压到了产品级响应速度。
这两件事都不是为翻译单独发明的，但Translate是它们第一个真正的产品级试验场。
后来回头看，GNMT是整个深度学习浪潮里，最早被推到10亿用户面前的产品之一。
GNMT还顺便带来一个意外能力：零样本翻译，没有直接训练过的语言对（比如日语→韩语），它也能翻出可读的结果。
那是大模型时代到来之前，NLP在工业界最重要的一次落地，比ChatGPT早了6年。
2022年到2024年，大模型登场，这次跳跃不是靠新架构，而是靠零样本学习能力。
2022年，Google用Zero-Shot Machine Translation给Translate加了24种新语言。
所谓Zero-Shot，就是模型从没见过这种语言的双语对照，但能凭别的语言知识硬翻。
这在SMT时代是不可想象的。
到了2024年6月，Google直接用PaLM 2大语言模型，一次性给Translate加了110种语言，覆盖额外6.14亿人口。
这是Translate史上最大规模的一次语言扩展。
PaLM 2在这件事上扮演的角色，是「语言之间的迁移引擎」，使模型能够高效学习相互接近的语言族。
比如学会了印地语，Awadhi和Marwadi就能跟着上；学会了法语克里奥尔，塞舌尔克里奥尔和毛里求斯克里奥尔就能跟着上。
这次扩张靠的是PaLM 2，不是Gemini。Gemini真正更深度地整合Translate，要等到2025年12月之后。
2025年12月12日，Translate的最新一次换血落地。
Google官方博客直接挑明：把Gemini的最强翻译能力，引入Translate。
https://blog.google/products-and-platforms/products/search/gemini-capabilities-translation-upgrades/
具体落地两件事。
第一件，文本翻译升级。
Gemini接管后，Translate终于能搞定俚语、习语和地方表达。
举个例子：英文俚语stealing my thunder，字面是「偷我的雷」，实际意思是「抢我风头」。老Translate会硬翻成字面意思。
Gemini接管的Translate，直接给出「抢走了我的所有关注」这种符合语境的翻译。
这件事的本质是：Gemini不是在翻字，是在解析上下文。
第二件，也是更重要的一件：耳机实时翻译Beta上线。
这是Translate第一次，把翻译能力从「文本」推到「实时语音」层。
技术底座是一个新模型：Gemini 2.5 Flash Native Audio，这是谷歌的音频原生模型。
这里的关键词是原生音频。
老的语音翻译走的是三段链条：语音输入，转文本，翻译文本，合成语音，每一段都有损耗。
语调没了，情绪没了，只剩一个机器人朗读出来的翻译稿。
Gemini 2.5 Flash Native Audio走的是另一条路：Google将其描述为原生speech-to-speech翻译，而不是传统的「语音识别—文本翻译—语音合成」三段式体验。
在这种模式下，模型保留说话人的intonation, pacing and pitch，即语调、节奏、音高，让翻译开始有了「呼吸感」。
把这几次跳跃放一起看，会发现一个很有意思的规律：
每一代Google最关键的AI路线，最后几乎都会在Translate里找到产品化落点。
2006年SMT时代，Translate是Google统计学习的早期落地场。
2016年深度学习时代，Translate是Sequence-to-Sequence和TPU走向全球产品的标志性场景。
2024年大模型时代，Translate用PaLM 2完成史上最大规模语言扩展。
2025年多模态时代，Gemini 2.5 Flash Native Audio把Translate推向原生语音实时翻译。
20年，4代AI接力，这才是Translate真正的护城河，背后是一条从来没断过的算法接力链。
而一旦能力进入Translate，就有机会沿着Google的全球产品入口，被推向10亿级用户。
Google公布过一组数据：每月通过Translate、Search、Lens、Circle to Search这4个入口，合计翻译的文字量，大约在1万亿词。
OpenAI、DeepL都在语音交互和专业翻译上给Google带来压力。但短期内，它们很难复制Google这种10亿月活和多入口嵌入式分发。
相比Apple方案需要特定AirPods与较新iPhone，Google的耳机实时翻译在支持地区可使用任意耳机。
这也是非常典型的Google打法：把能力软件化、平台化，然后跳过硬件的护城河。
Google称，这个月最常被翻译的短语是Thank you；过去20年里，很多月份也都是它。
Translate贯穿了Google多代AI技术路线：统计机器翻译、神经机器翻译、大语言模型扩语种、原生音频实时翻译。
但人最常说的那句话，几乎从来没变过，这件事可能比任何技术参数更值得注意。
