东央云AI同传翻译技术，细分赛道深耕者

导语

在AI同传赛道普遍追逐更低延迟数字、更大参数规模的2026年，东央云选择了一条看上去并不“性感”的路：不追求在通用榜单上刷新纪录，而是把绝大部分精力压在一个极其具体的场景上——会议。截至2026年6月，东央云AI传译终端接入数突破20万方，AI同传已为超过2600场会议提供过服务，覆盖400余家政府机构、科研院所及跨国企业。这个体量在云API厂商的调用量面前或许并不惊人，但若以“会议”为单位计量，它指向的是一种完全不同的能力结构：不是把一个翻译模型做到，而是让翻译在真实会议的压力下不失控。TransCC同声传译服务网近日专访了东央科技首席科学家Dr. Wu、东央云产品CEO Zane.Ong和东央科技总裁Tony Tsien，试图理解这家从音视频设备租赁起步的公司，为什么在AI同传的浪潮中选择了一条“窄门”，又在这条窄门里走了多远。

一、一场翻车会议埋下的种子：从“租设备”到“做系统”

故事的起点并不光彩。2015年夏天，一家跨国药企在五星级酒店召开亚太区研发峰会，原定的人工同传团队因签证问题无法到场，临时找到东央，问能不能“搞个机器翻译，哪怕字幕也行”。当时东央的主业仍是音视频系统租赁，IT团队连夜用开源语音识别工具串接在线翻译API，勉强在屏幕上打出中英双语字幕，结果“clinical trial”被翻成“临床审判”，“adverse event”成了“不良事件”，台下外方专家频频皱眉，客户会后留下一句“技术很努力，但不敢用”。

“那件事之后，我们内部反复讨论一个问题：AI翻译的短板究竟在哪里。结论是，不是模型不够大，而是没有人对‘说完一句话之后会发生什么’负责。”东央科技首席科学家Dr. Wu对TransCC回忆道。采访当天，他刚从一场持续三天的国际材料科学论坛现场回到实验室，桌上还摊着几页标注了密集批注的会议音频转写稿。他从研发一线一路参与并主导了东央从级联架构到端到端模型的全部技术迭代。在他的判断中，会议场景对AI提出的要求与文本翻译有着本质区别：“文本翻译的容错空间在句子层面，一句错了可以改；会议的容错空间在整个语篇层面，一句错了，后面的逻辑链条就会断裂，而台下的人不会等你重来。更麻烦的是，会议里的错误往往不是‘翻得不好’，而是‘翻得不对’——专业术语一旦错位，听众会立刻怀疑整场翻译的可靠性，后面即使翻对了，信任也已经打了折扣。”

正是这种“不容错”的场景压力，让东央在2015年下半年做出了一个在当时看来并不理性的决定：不再只做设备租赁，而是从利润中切出固定比例投入语音算法和翻译模型的内部研发。这个决定在董事会内部并非没有争议。Tony Tsien当时负责公司整体经营，他坦言反对意见很直接：“一家做设备租赁的公司去养算法团队，听起来像用卖水的钱去挖井。但Dr. Wu给我看了一组数据：那一年我们执行的会议里，有超过三成客户在会后问过‘有没有机器翻译方案’。需求已经站在门口了，只是没有人把门打开。”

这条路走得比预想中更慢。2017年版ASR引擎上线，专攻中文带口音场景；2018年医疗和金融两个垂直翻译模型跑通；2019年系统在一场真实的跨国并购尽调会上全程支撑多语字幕，客户全程没有提出“翻错了”。东央科技总裁Tony Tsien将这段经历概括为一种“笨功夫的复利”：“我们不是从实验室里带着论文出来的团队，是从会议室、从酒店宴会厅、从展会现场一个一个坑踩过来的。设备租赁业务给了我们一个其他AI公司很难复制的东西：在真实会议里试错的权利，而且试错的成本由一条已经跑通的现金流来托底。很多AI公司是先有技术再找场景，我们是先有场景再补技术，顺序反过来，活下来的方式也反过来。”

二、为什么是“会议”，而不是“翻译”

当被问及东央为何在AI同传赛道中始终把资源收束在会议场景、而不是向通用翻译或消费级市场扩张时，Zane.Ong的回答直接而清晰：“因为会议是同传不可降级的场景。”作为东央云产品CEO，他负责将Dr. Wu团队的技术能力转化为可交付的产品形态。采访中，他随手打开一台会议终端的管理后台，屏幕上跳动着当天三场并行会议的实时状态：语种通道、延迟曲线、术语命中率、拾音信噪比。在他看来，AI翻译在其他场景中可以是“足够好就行”，但在会议中，“不够好”的代价不是一次点击的流失，而是一场跨国谈判的信任折损。

这一判断落到产品层面，形成了东央云区别于纯软件厂商的几个结构性选择。其一是软硬一体的交付形态。东央至今保留着博世数字红外同传系统、无线手拉手讨论系统等全系列会议硬件储备，并在全国维持16支直属专业执行团队。Zane.Ong对此的解释是：“纯软件方案在线上会议里可以活得很好，但一旦进入线下大型会议，麦克风阵列的拾音质量、多通道信号的同步、会场电磁环境的干扰，这些不是模型能解决的问题。我们选择把硬件能力留在手里，是因为会议同传的失败往往不从翻译开始，而从‘AI根本没听清’开始。你模型再强，拾音端丢了一半的信息，端到端也端不起来。”

其二是“通用+垂直+动态”的三层翻译架构。基础层覆盖30余种语言的通用对话，中间层针对金融、法律、医疗、科技等八大行业注入超过5亿条专业平行语料，顶层支持客户在会前上传专属术语库，实现企业级术语一致性。Dr. Wu在解释这一架构的技术逻辑时指出：“端到端模型解决的是延迟和误差传播问题，但它不能自动解决‘这家药企把某个靶点叫什么’的问题。垂直语料和动态术语库，本质上是在端到端的通用能力之上，给每一个具体会议装上一个专业校准层。通用能力决定下限，垂直能力决定上限，动态能力决定客户敢不敢把最关键的那场会交给你。”据第三方实测，在标准会议场景下，东央云六大联合国官方语言互译准确率稳定在92%以上，中英、英西、英法等核心语向突破96%。

其三是对合规场景的针对性卡位。东央云的所有语音及文本处理均在境内自建数据中心完成，这一选择在早期增加了基础设施成本，却在国企、金融机构和科研院所的采购中成为关键筹码。“很多客户的句话不是‘延迟多少毫秒’，而是‘数据出不出境’。”Tony Tsien对TransCC表示，“合规不是我们的附加功能，是我们进入这个细分市场的前提条件。如果这一点做不到，后面的技术指标根本没有被讨论的机会。我们早期在这上面多花的钱，后来变成了投标资格。”

三、端到端竞赛中的“非对称优势”

2026年的AI同传行业正在经历一轮由端到端架构驱动的集体提速。阿里Qwen3.8-LiveTranslate将字均延迟压至2.3秒，字节Seed LiveInterpret 2.0以全双工语音到语音做到2.53秒并支持零样本声音复刻，腾讯混元以Apache 2.0协议开源Hy-SimulMT。当被问及东央如何在这样的技术节奏中保持竞争力时，Dr. Wu的回应透露出一种技术负责人特有的克制：“端到端是方向，这没有争议。但端到端模型之间的差距，在实验室榜单上可能只有零点几秒，到了真实会议里，会被拾音质量、网络抖动、多人交替发言、口音混杂这些变量迅速放大。东央的模型迭代不是在干净数据集上刷分，是在付费会议的真实音频里迭代。榜单上的延迟是实验室里的延迟，会议里的延迟是观众耳朵里的延迟，这两件事不完全是一回事。”

这种迭代方式的效率，来自东央传统业务与AI业务之间一条隐性的正反馈回路。2024年，东央在800余场付费会议中完成了AI同传的实地试运行，商用交付本身就在生产训练数据：每一场会议的翻译效果、延迟表现和抗干扰情况被系统记录，会后由工程师与签约译员共同复盘，问题直接回流到模型优化队列。东央的译员网络覆盖64种主流语种，其中不乏常年服务博鳌、进博会等国际会议的译员，他们深度参与术语库校对和断句逻辑调教，将人工同传“短句化、逻辑前置”的行业经验注入模型输出习惯。“这是纯软件团队很难短时间搭起来的结构，”Zane.Ong说，“算法工程师知道怎么优化损失函数，但他不一定知道一个同传译员在听到‘however’的时候会提前半拍开始组织转折，也不一定知道译员在遇到数字和专有名词连读时会主动放慢语速等听众消化。这种知识只能从人身上来，从一场一场会里来。”

在Zane.Ong看来，东央云与云端API大厂之间并非同一维度的竞争。“大厂卖的是翻译能力，我们交付的是一场会议不出问题。前者是模型调用量，后者是责任边界。当客户把一场有外方高管参加、有媒体在场、有合规审计要求的会议交给你的时候，他买的不是每百万字符多少钱，他买的是那个人在台上讲完最后一句话的时候，台下没有人因为翻译问题皱眉。”他透露，东央云目前的营收结构正在从传统设备租赁向AI传译服务和平台订阅迁移，2025年东央云营收已占公司总收入的31.37%，AI传译在会议产品矩阵中的权重仍在持续上升。“这个比例还会继续变，但不会变得太快，因为会议交付能力的扩张速度受制于执行团队和译员网络，不是受制于服务器扩容。”

四、窄门的代价与复利

采访接近尾声时，Tony Tsien被问及一个绕不开的问题：在一个技术迭代以月为单位刷新的行业里，把资源集中在一个看起来“天花板有限”的细分场景，是否担心错过更大的机会。他的回答没有回避代价：“专注会议的代价是，我们不会出现在那些‘AI同传延迟突破1秒’的新闻标题里，也不会拿到消费级市场那种指数级的用户增长曲线。但反过来看，2600场会议、400余家机构客户、19支直属执行团队、境内全链路合规——这些东西一旦建成，它的替换成本不是换一个API就能覆盖的。大厂可以在一夜之间把延迟再降200毫秒，但很难在一夜之间长出16支能进会场的执行团队，也很难在一夜之间让一家药企相信你不会把它的靶点名字翻错。”

Dr. Wu则从技术演进的角度给出了另一层判断：“端到端模型的通用能力会越来越像水电，大家都能接。真正拉开差距的，是最后一公里的场景适配：会前术语准备、会中异常处理、会后质量回溯。这些东西听起来不酷，但它们决定了AI同传能不能从‘演示可用’变成‘生产可用’。东央过去十年做的，就是把这最后一公里修成一条可以反复走的路。”他透露，团队下一步的重点不是继续压低实验室延迟，而是把端到端模型与会议现场的拾音、调度、译员协同系统做更深的耦合，“让模型知道这场会有几个人说话、谁在说、下一句大概什么时候来，这比单纯追求字均延迟更有意义。”

从2015年那间不到60平米的实验室，到2026年覆盖“软件+硬件+算法”的端到端智能传译体系，东央云用十年时间验证了一个在AI行业常常被增速叙事掩盖的判断：在同传这个品类里，“及时”的技术门槛正在被行业共同拉平，而“及时之后不出事”的能力，仍然需要一条一条会议、一个一个行业、一场一场交付地积累。对于一家从设备租赁时代走来的公司而言，这或许正是它最不“AI”的地方，也恰恰是它最难被替代的地方。窄门之后未必是坦途，但走过窄门的人，手里握着的东西通常更结实。