中国语言服务企业机器翻译与译后编辑应用调查研究

王华树 陈涅奥

引言

近年来，随着经济全球化的深入发展以及“一带一路”倡议和文化“走出去”策略的实施，中国语言服务市场需求激增，语言服务项目日益呈现海量化、碎片化、多模态、交付快的特征。如果没有现代技术的帮助，译者在处理大量、复杂的翻译数据时无疑会逐渐力不从心。同时，在大数据时代下，借助人工智能、深度学习等技术，机器翻译技术进步迅速，进入了神经网络机器翻译（Neural Machine Translation，NMT）时代，质量和效率都得到了极大的提高，NMT 成为提高翻译生产力的有效工具。那么，中国语言服务企业将如何应对海量的翻译需求？语言服务企业使用机器翻译与译后编辑的现状如何，问题有哪些，未来应如何更好地利用机器翻译技术？本文将阐述对上述问题的调研情况。

一、研究现状

根据国际标准化组织（International Organization for Standardization，2015）的定义，机器翻译是“使用计算机系统将文本或语音从一种自然语言自动翻译成另一种自然语言”。自20 世纪50 年代机器翻译被正式发明以来，机器翻译的模型不断进步，经历了从基于词典、基于规则、基于统计到基于神经网络的演变。神经网络机器翻译以人工智能和深度学习技术为基础，相比之前的模型在翻译效率和质量上都有极大的提高，是当今主流机器翻译系统普遍采用的模型。但是，目前机器翻译的质量还远远无法与专业人工翻译相提并论。因此，为了使机器自动翻译的译文达到质量要求，机器翻译译后编辑（Machine Translation Post-editing，MTPE）就显得尤为重要。根据International Organization for Standardization（2017）的定义，MTPE 是指对机器翻译译文进行修改和加工以使其符合客户质量要求的过程。作为平衡翻译效率和质量的一种手段，MTPE 已经成为语言服务行业中的一种新型有效的生产模式并逐渐得到广泛应用。

1.国外研究

国际上，一些机构如美国语言公司协会（Association of Language Companies，ALC）、卡门森斯咨询公司（Common Sense Advisory，CSA Research）、欧洲语言行业协会（European Language Industry Association，ELIA）、SDL 公司、翻译自动化用户协会（Translation Automation User Society，TAUS）等都对全球语言服务业的机器翻译使用情况进行了调研，主要关注机器翻译和译后编辑的市场规模、使用前景等方面的问题。

2015 年，ALC 发布了《ALC2015 行业调查报告》，调查了其全球120 家会员企业的技术运用情况。调查发现，78%的企业认为机器翻译带来了“显著影响”（5 分权重下选择4 或者5），50%的欧洲企业和36%的美国企业部署了机器翻译引擎，25%的欧洲企业和20%的美国企业在翻译项目中使用机器翻译。具体到项目比重，美国企业平均在21%的项目中使用了机器翻译，为有史以来的最高值（Association of Language Companies，2015）。

2016 年，SDL 调查了来自全球2 784 家语言服务企业、机构和自由从业者，其中40%的受访者使用机器翻译，而这部分受访者中有64%认为机器翻译提高了工作效率，值得推广（SDL，2016）。

2016 年，CSA 发布了报告《译后编辑进入主流》，对全球383 家语言服务企业进行了调查。调查发现，共有46%的企业采用译后编辑模式或提供译后编辑服务，并且这一占比还在继续增加。该报告还指出，采用译后编辑对于多数语言服务企业来说是不可避免的趋势（Lommel & DePalma，2016）。

2017 年，TAUS 发布了《2017 年TAUS 机器翻译市场报告》，对全球机器翻译的市场规模和发展机遇进行了调查，并强调在未来十年内机器翻译的广泛应用是大势所趋（Translation Automation User Society，2017）。

2019 年，ELIA 发布报告《语言行业调查——2019 年欧洲语言行业的期望和关注》，调查了来自55 个国家的语言服务企业和译者，共收集了1 404 份问卷。数据显示，51%的公司计划增加对机器翻译的投资，而18%的公司正准备使用机器翻译（European Language Industry Association，2019）。

2019 年，CSA Research 发布了《2019 年全球语言服务市场报告》，指出2018—2019 年语言服务和技术市场增长了6.62%，规模达到496 亿美元，其中机器翻译译后编辑的市场份额占3.81%。与此同时，在17 种主流语言技术的市场份额中，机器翻译排名第二，占17.60%。2016—2018 年，提供机器翻译译后编辑的语言服务企业平均占比为36.53%（DePalma et al.，2019）。

同年，CSA 还发布了另一份报告《机器翻译在语言服务提供商的应用》，调查发现，有51%的受访企业使用机器翻译，其中81%部署了NMT。在使用NMT 的企业中，69%采用商业通用系统，13%使用自主定制系统。此外，企业对机器翻译的使用率与其收入、规模、年限呈正相关关系（Pielmeier &Lommel，2019）。

2.国内研究

中国翻译协会于过去5 年间发布了多份语言服务行业发展报告，多次涉及语言服务企业对机器翻译的使用率和态度等方面的问题。

中国翻译协会（2018）发布的《2018 中国语言服务行业发展报告》显示，2018 年，在402 家受访语言服务提供商中，27.1%使用机器翻译。使用率最高的机器翻译系统为谷歌翻译，比例为36.7%；其次为百度机器翻译和有道机器翻译，占比分别为22.9%和21.1%；其他机器翻译工具的使用率均低于一成。在319 家受访语言服务需求方中，近九成并不反对在日常语言服务业务中使用机器翻译，仅有不足一成（4.8%）明确表示禁止使用机器翻译。在144 名受访自由译者中，72.9%表示在翻译工作中会使用免费的在线翻译系统与字典。

中国翻译协会（2019）发布的《2019 中国语言服务行业发展报告》显示，机器翻译在语言服务行业中的应用较为普遍。在受访的300 家语言服务提供商、300 家语言服务需求方和100 名语言服务自由从业者中，41%的语言服务提供商表示经常使用机器翻译，45%的语言服务从业者表示偶尔使用机器翻译，75%的语言服务需求方对使用机器翻译持积极态度。同时，调查还发现，机器翻译质量满意度偏低，机器翻译结果易给译者带来困扰；约75%的语言服务需求方比较相信人工翻译会被机器翻译取代，而仅约25%的语言服务从业者认同上述观点。王华树、李智（2020）于2018 年11 月至2019 年4 月共调查了337名中国笔译从业人员，其中18.4%来自语言服务提供商。调查发现，机器翻译发展迅速，译后编辑正在成为主流模式；与此同时，面临的挑战和困境也非常突出，虽然译员技术和认知水平较高，但实践与认知脱节现象严重。

中国翻译协会（2020）发布的《2020 中国语言服务行业发展报告》显示，机器翻译在语言服务行业的应用越来越广泛。在受访的304 家语言服务提供商、300 家语言服务需求方以及173 名语言服务自由从业者中，5.6%的语言服务提供商受访企业表示经常使用机器翻译，36.8%表示经常使用，45.7%表示偶尔使用，9.9%表示极少使用，2.0%表示从不使用；11.6%的受访语言服务从业者表示总是使用机器翻译，28.3%表示经常使用，49.7%表示偶尔使用，其余10.4%表示极少或从不使用；8.3%的语言服务需求方选择机器翻译来满足翻译需求的可能性较高，为67%-99%；其余大部分语言服务需求方选择机器翻译的可能性在34%-66%之间。

3.国内外研究简评

从研究现状来看，国外相关机构的调研更全面、深入，并且分别对机器翻译和译后编辑进行了专项调研，针对性更强。相比之下，国内的调研虽然覆盖了语言服务行业机器翻译的基本应用情况，从中可看出机器翻译正逐渐普及的基本趋势，但专项调研较少，对于细节层面的问题（如企业如何使用机器翻译和译后编辑，对其有何建议和期望，以及有哪些因素可能促使或阻碍企业对该技术的使用等方面）调查不够深入。本文拟在已有研究的基础上，针对上述问题展开进一步的调查。

二、研究设计

1.调查对象

根据中国翻译协会（2019）的统计，截至2018 年12 月底，中国以翻译服务为主营业务的在营企业共9 734 家。鉴于时间和成本等方面的限制，笔者选择了218 家具有代表性的中国语言服务企业作为调研对象，问卷受访者角色设计涵盖语言服务企业决策人员、管理人员、译员和审校人员等，调查对象角色具有多样性和层级区分，从而使调查数据更具可信度。

2.问卷设计

笔者在专业问卷平台“问卷星”上设计调研问卷，该问卷由32 个题目组成，其中包括17 个单项选择题和15 个多项选择题。为确保调研结果有效可信，问卷题目严格围绕调研主题设计，遵循清晰性、单一性、中立性、简洁性等原则，且无预设立场；采用李克特量表，以更准确地调查程度类题目；同时设置了前后照应的题目，以检验问卷的反馈是否前后矛盾。

3.问卷实施

在正式开始调研前，笔者将问卷发送给10 名资深专家（来自CSOFT、SDL、Lionbridge 等公司）进行预测试；随后，通过电话和会议软件的方式就问卷设计问题对专家进行了访谈，并根据专家反馈对问卷进行了修订。本次调研从2019 年12 月持续至2020 年2 月，历时2 个多月，共收到225 份问卷。经过筛选，去除了7 份无效问卷（包括答题用时过短、前后矛盾以及同一单位重复的问卷），最终得到218 份有效问卷。

三、数据分析与讨论

1.数据概况

笔者根据筛选过后的218 份有效问卷，分析了受访人士和受访企业的基本信息，包括受访人士的职位分布以及受访企业的分布区域、人员规模、经营性质、经营年限、年均收入和业务特点等。详细情况见表1。

表1 受访人士和企业的基本信息

续表

调查显示，受访企业人员以来自实施层（译员、审校人员等）为主，占46.33%；其次是决策层（总裁、首席执行官等），占17.89%；再次是管理层（项目经理、部门经理等），占16.97%。受访企业主要来自北京（14.68%）、上海（9.17%），其余来自全国其他各省市；主要是50 人以下的中小型企业（63.76%）和民营企业（68.81%），且经营年限集中在3—10 年（51.83%），年均收入集中在500 万元以下（54.13%）；主要提供笔译服务、口译服务、本地化服务；主营领域为法律、工程、互联网、商务等；主要提供英语、日语、法语等语言服务。最后，超半数受访企业的外译中和中译外业务占比相当。

2.对MTPE 的认知

（1）MTPE 模式

受访企业如何看待机器翻译与人工翻译之间的关系，对MTPE 模式有何看法？整体来看，受访企业较为认可MTPE 模式：46.79%的企业“同意”或“非常同意”人机结合未来可期，MTPE 将会成为主流翻译模式；39.45%的企业认为人工翻译仍是主流，机器翻译的质量在未来不会有明显改善；13.76%的企业认为人工翻译将面临淘汰，在未来会逐渐被机器翻译取代。

（2）对机器翻译的态度

多数企业及其客户对机器翻译持开放态度。首先，在企业态度方面，50.46%的企业不鼓励也不反对译员使用机器翻译；在余下的一半企业中，鼓励译员使用机器翻译的较多。其次，在客户态度方面，53.67%受访企业的客户对于企业是否使用机器翻译无明确规定，30.74%企业的客户不建议或禁止企业使用机器翻译，15.60%企业的客户则建议或要求企业使用机器翻译。

（3）对机器翻译的评价

根据受访企业的反馈，机器翻译系统的主要优势在于响应速度快（68.88%）、译文质量相对较好（36.22%）、支持的语种数量多（30.61%）等。同时，企业普遍认为机器翻译提高了约30%的翻译效率，降低了20%以上的翻译成本。受访企业反映的机器翻译质量问题主要是语义错误（56.12%）和术语错误（54.08%），其次是语序错误（52.55%）和语法错误（52.04%），数字错误、标点符号错误、标记错误相对较少。受访企业反映的其他问题还包括系统不支持垂直领域划分（43.37%）和功能不稳定（43.37%）等。

3. MTPE 的使用情况

（1）使用频次

受访企业普遍使用机器翻译，具体使用频次不尽相同。总体而言，在218家受访企业中，有196 家（89.91%）使用机器翻译，其中80 家企业（36.70%）极少或较少使用机器翻译，仅22 家企业（10.10%）从不使用机器翻译。有超过一半（53.22%）的企业使用机器翻译的频次相对较高（“总是”“经常”或“偶尔”）。交叉分析显示，若企业及其客户对机器翻译持开放或鼓励态度，则企业的机器翻译使用频次普遍较高。同时，企业经营性质、经营年限、人员规模和业务特点等因素对其机器翻译的使用频次也存在影响。民营企业、外资企业的机器翻译使用频次较高；中型企业、大型企业的机器翻译使用频次较高；经营年限在11—20 年的企业的机器翻译使用频次较高；主营英语、日语、法语翻译业务的企业的机器翻译使用频次较高；主营外译中业务的企业使用机器翻译的频次高于主营中译外业务的企业。

（2）使用原因

多数企业使用机器翻译是为了缩短交付时间（63.27%）、节省翻译成本（54.08%）和应对海量需求（54.59%），也有少数企业（23.47%）将机器翻译用于开发新的业务。对于较少或从不使用机器翻译的企业而言，其主要顾虑是机器翻译存在译文质量问题（70.59%），即机器译文达不到质量要求；其次是安全性问题（36.27%），即使用机器翻译可能导致材料泄密等问题；最后是客户规定不允许使用机器翻译 （33.33%）或公司业务不适合使用机器翻译（31.37%）。

（3）使用方式

受访企业最常使用的机器翻译系统是谷歌翻译（61.73%），其次是百度翻译（39.8%）和有道翻译（32.65%），还有一部分企业使用公司自主定制的系统（17.35%）。大部分受访企业不使用自主定制系统，主要原因在于不够了解该领域（46.30%），或者认为机器翻译系统的训练效果不佳（44.44%）、定制成本高（43.21%）。受访企业普遍通过计算机辅助翻译（Computer Aided Translation，CAT）工具调用机器翻译，其中31.63%的企业选择“总是、经常如此做”，30.61%的企业选择“偶尔如此做”。同时，受访企业还普遍将机器翻译与翻译记忆、术语管理、质量保证、翻译管理等技术结合使用。

（4）资金投入

50%的企业每个月在机器翻译上投入1000 到5000 元资金，18.37%的企业每个月投入5000 元到1 万元资金，18.88%的企业每个月投入1 万到5 万元资金，其余12.75%企业的每月投入资金在5 万元以上。同时，大部分企业都认为机器翻译系统的价格可以接受（69.39%）：3.57%的企业认为价格非常合理，12.76%的企业认为价格合理，53.06%的企业认为价格比较合理。不过，也有17.86%的企业认为价格比较不合理，8.67%的企业认为价格不合理，4.08%的企业认为价格非常不合理。

（5）项目占比

受访企业平均在30%左右的翻译项目中采用MTPE 模式。在196 家使用机器翻译的受访企业中，33.16%的企业在10%—30%的翻译项目中采用MTPE模式，37.75%的企业在超过30%的翻译项目中采用MTPE 模式，29.08%的企业仅在不到10%的翻译项目中采用MTPE 模式。

影响受访企业MTPE 模式翻译项目在总翻译项目中占比的因素主要包括企业的机器翻译使用程度（企业的机器翻译使用频次越高，其MTPE 的项目占比越高）和企业对CAT 工具的使用情况（企业采用CAT 工具来调用机器翻译的频次越高，其MTPE 项目的占比也越高）。

（6）文本类型

通常来说，译后编辑策略会根据文本类型的不同而有所变化。崔启亮、雷学发（2016）根据客户的文本使用目的及其对译文质量的需求，将各种文本划分为参考级文本、常规级文本和出版级文本，并指出它们适合的翻译策略分别为机器翻译主导策略、人机交互翻译策略和人工翻译主导策略。本调查发现，50%的受访企业使用MTPE 模式处理参考级文本，42.35%的企业使用MTPE模式处理常规级文本，仅有33.65%的企业使用MTPE 模式处理出版级文本。

4.期望与推广

（1）发展期望

根据调查数据，受访企业对机器翻译系统的主要期望在于系统的智能化（提升译文质量和可读性，占80.73%）和专业化（支持更多垂直领域，占74.31%），其次是整合化（与更多翻译技术与工具整合，占53.67%）、交互化（实时学习反馈，占52.29%）和友好化（提升用户体验，占52.29%），最后是开源化（支持自主训练和定制，占49.54%）。可见，企业迫切需要一个能提供更可靠译文的机器翻译系统，同时也希望机器翻译系统能够具有更强的领域针对性，以适应不同的翻译场景。

（2）推广意愿

调查发现，在未来的推广方面，多数企业愿意推广MTPE 模式：非常愿意的企业为10.55%，愿意的为15.60%，比较愿意的为41.74%；少数企业则不愿意推广：20.64%的企业比较不愿意，11.47%的企业不愿意或非常不愿意。对于未来的投资方向，41.16%的受访企业愿意继续支持现有的机器翻译系统，37.16%的企业愿意投资研制自主训练或定制机器翻译系统，34.40%的企业希望开展更多MTPE 培训，33.49%的企业希望购买使用更适合MTPE 的CAT 工具。

四、主要发现

根据对调研数据的交叉分析和归纳总结，本节将集中阐述本研究的主要发现。

1. 机器翻译得到普遍认可

机器翻译的应用前景总体向好。调查发现，受访企业普遍认可并使用机器翻译。受访企业大多认为机器翻译能够提高翻译效率、节省翻译成本。多数企业对于译员是否使用机器翻译没有硬性要求，多数企业的客户也对机器翻译持开放态度。企业在积极使用机器翻译的同时，也普遍将其与各项翻译技术进行整合，如计算机辅助翻译、翻译管理等。

随着机器翻译的普及应用，越来越多的企业将能够适应“大数据时代下的语言服务变革”（王华树，2016）。语言服务行业的产值会加速增长，涌现出更多新的岗位需求，如机器翻译语料标注、质量评测、译后编辑等。企业对机器翻译与计算机辅助翻译等技术的整合化应用也是未来翻译技术发展的重要趋势。正如闫欣等（2019）指出的那样，在可预见的未来，有望出现可整合翻译交易、翻译生产、语料数据和机器翻译的一体式商业翻译软件服务平台（Software-as-aservice，SaaS），可以有效地促进行业生态循环。

2.机器翻译质量有待提升

尽管机器翻译技术已经取得了很大进步，但是其整体质量水平仍然有待提高，尚达不到完全替代译员的程度。调查发现，受访企业普遍反映机器翻译存在译文质量问题和功能性问题，前者以术语错误、语义错误最为明显；后者则主要表现为不支持垂直领域划分、功能不稳定。针对上述问题，受访企业期望机器翻译系统能够提高语义理解和语言转换能力以及具有更强的领域针对性。

可见，虽然机器翻译已经得到认可，但仍有相当一部分企业认为其质量不够理想，还有待发展。正如冯志伟（2018）所言，不论是人工智能或是机器翻译都还不够成熟，都还处在发展的初级阶段，我们绝对不能盲目乐观。

3.定制化机器翻译用户较少

定制化机器翻译系统是由单一专业领域的语料数据训练而成的系统。业界实践表明，将训练有素的机器翻译系统与经过训练的译后编辑结合，可以实现翻译的高质量、高效率和高收益（崔启亮，2014）。对于机器翻译需求较大、语料积累丰富、业务领域集中的语言服务企业，机器翻译定制应该得到更多的重视和投入。

根据CSA Research 的调查，全球仅有大约13%的语言服务企业使用自主定制的机器翻译系统（Pielmeier & Lommel，2019）。与国外类似，国内大部分企业也并不使用自主定制的机器翻译系统，主要原因包括不了解这类系统、语料稀疏和语料版权问题。语料的数量和质量不足会导致机器翻译的定制效果不佳，存在版权问题的（如来自客户的）语料也无法直接用于定制用途。因此，在有限的条件下，多数企业均采用了通用的机器翻译系统。

4. MTPE 模式应用占比较小

调查发现，受访企业平均在30%的翻译项目中采用MTPE 模式，这一占比并不高。影响这一占比的可能因素包括企业对机器翻译的使用频次、对CAT 工具的使用频次等。多数企业使用MTPE 处理参考级文本和常规级文本，较少将其用于出版级文本。然而，企业普遍认可、有意愿在未来推广MTPE 模式，并愿意在其中投入资金。投入方向主要包括继续投入现有系统、自主训练或定制系统、开展更多MTPE 培训以及投入更适合译后编辑的CAT 工具。

未来机器翻译的发展应该是走向专业化分工，机器翻译与人工翻译会出现明显的分化趋势（孙瑾，2016）。随着翻译技术的发展和翻译市场的扩大，人工翻译仍然会在部分领域占据优势，但MTPE 必然会成为主流模式。

五、启发与建议

语言服务业本质上是一个生态系统，其中任何一个链条的变化都可能导致系统失衡，这种连锁式的特征决定了语言服务体系的发展必须走协同创新之路（王华树，2017a：86）。因此，机器翻译带来的机遇和挑战需要整个生态系统共同把握和面对。基于调研，笔者将从语言服务行业、高校和译者层面提出以下若干建议。

1.加强机器翻译普及推广

语言服务企业应该积极使用和推广机器翻译。首先，企业可结合自身主营专业领域，购买或定制合适的机器翻译系统。同时，通过引入高效的翻译云平台，让机器翻译与翻译项目流程无缝衔接。在此基础上，企业可以在合适的业务领域推广MTPE 模式，以提高企业的整体生产力。更重要的是，企业应建立起常态化的培训机制，切实提高员工的技术意识、工具实操能力和译后编辑能力。

语言服务协会也应致力于机器翻译的普及。首先，协会可以举办以机器翻译为主题的系列研讨会议，制定译后编辑质量评价标准、译后编辑人才能力评估方案等。其次，协会还可与企业、高校联合，开办机器翻译公益讲座、译后编辑赛事等。最后，协会还可在本调研的基础上，进一步考察机器翻译的行业发展情况，并以专题报告、期刊论文或白皮书的形式发布。

2.加大机器翻译技术研发

语言技术开发商应该加大在机器翻译领域的投入。首先，应改善机器翻译的模型，提高机器翻译的译文质量；借助技术积极挖掘语料资源，为机器翻译提供足够优质的“食粮”，让机器翻译能够支持更多的垂直领域。其次，要更多地从用户角度去开发和应用机器翻译系统，将机器翻译产品实用化，服务于社会。再次，要建立更高效的机器翻译质量评测和反馈学习机制，实现机器自主学习或自动化译后编辑，减少机器译文中重复的错误。最后，还应改善机器翻译与译后编辑工具（如CAT 工具）的兼容性，使二者更好地集成、互补。

据崔启亮（2021） 的研究，已经有语言技术开发商通过实时地采集译者个人在翻译过程中所产生的语料数据、术语数据，以及翻译行为、翻译特征、修订反馈、场景信息等数据，融合自然语言处理、深度学习、人机交互和智能机器人等人工智能技术，训练和生成译者专属、高度定制化、不断迭代的机器翻译系统，实现译者的“克隆”。可见，机器翻译系统的定制功能、自主学习功能以及与CAT 平台的深度融合都将是该领域技术研发未来的趋势。

3.深化机器翻译技术研究

学界应该进一步开展机器翻译和译后编辑研究。机器翻译理论和方法研究是支撑机器翻译技术研究和应用的基础，因此，“在大规模数据、移动互联时代，亟需更新的和突破性的理论方法破除瓶颈，以推动机器翻译的发展”（杜金华等，2013：8）。相比其他翻译研究领域，译后编辑仍属于新兴跨学科研究领域，尚未引起学界足够重视，国内外的相关研究较少，迫切需要出现成熟的学术专著和科研队伍，以保证此类研究的开展。

孔令然、崔启亮（2018） 提出，“信息技术驱动下的翻译研究视野会不断拓展，关注的对象包括交互机器翻译和神经机器翻译、语音识别和即时翻译技术与云翻译平台、机器翻译和计算机辅助翻译智能化整合”。因此，国内研究人员应当开拓研究视野，结合实际需求，提出更有效、更高效的方法或模型，以推动机器翻译和译后编辑的发展，为行业实践提供参考。

4.重视译后编辑人才培养

设有翻译专业的高校应该积极建设机器翻译译后编辑课程体系。目前，语言服务行业对机器翻译译后编辑的需求越来越大，面临专业译后编辑人员短缺的情况。然而，绝大部分开设翻译专业硕士（MTI）的高校都缺乏对学生译后编辑能力的培养。高校应顺应时代趋势，将译后编辑能力培养纳入翻译人才培养方案；同时，与企业、研究机构和协会深度合作，探索政产学研协同创新的培养机制。

译者“不但要拥有传统的翻译能力，还应具备娴熟的翻译技术能力”（王华树，2017b：18）。在当今时代，人机合作成为语言服务行业的主流工作模式，为了能够驾驭机器翻译而不是被其取代，译者要提高技术素养和工具实操能力，成为适应社会和市场需求的翻译人才或译后编辑人才；同时，译者也应该合理规范地运用机器翻译，不应过于依赖或滥用。

结语

本次调研分析了机器翻译在中国语言服务企业的应用现状、问题和前景，并提出了针对性的建议。由于时间和资源的限制，本次调查不可避免地存在一些局限性：①问卷样本的数量距离预期有一定差距；②受访企业共覆盖了中国27 个省市，还有少数地区未能覆盖；③由于可能涉及企业的机密，问卷部分问题未被如实地回答。笔者希望未来的研究能够克服这些局限性，也希望本次调研能够为MTPE 技术的研究、研发和普及提供些许借鉴和参考。

（本文通讯作者为陈涅奥。）