始于2015年的那一次同传会议的智能需求

东央的云视频会议技术和AI传译大模型研发，始于2015年的那一次同传会议的智能需求。

当时，东央Dooyle还是一家专注于音视频系统租赁的会议服务商，主要业务是为大中型会议厅、企业报告厅布线、调音、提供同声传译或是手拉手设备的出租业务。2015年夏天，一家跨国药企临时租用某五星级酒店的会议厅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入境，情急之下找到东央的项目经理Joseph，问：“你们能不能临时搞个机器翻译？哪怕字幕也行。”

没有现成方案，只有4天时间。Dooyle，从公司组建之初就有自己的IT事业部，当时还没有DoiYun（东央云），而东央的CTO率IT团队连夜把一台服务器搬进机房，接上开源语音识别工具，再串一个在线翻译API，勉强在屏幕上打出中英双语字幕。结果可想而知——“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。会后客户委婉地说：“技术很努力，但不敢用。”

这件事像一根刺，扎进了东央的IT团队心里。他们意识到：语言不是数据流，而是信任链。如果AI翻译连基本专业性都做不到，再快的速度也只是噪音。

于是，从2015年下半年起，东央悄悄调整了航向。不再只租设备，而是开始招语音算法工程师；不再只接项目，而是留出30%的利润投入内部研发。最初几年几乎无人注意——没有发布会，没有相关报道，只有一间不到60平米的实验室，和一群埋头调模型的年轻人。他们干的事很“笨”：录真实会议音频，手动校对每一句转写，整理行业术语表，甚至蹲点国际展会，偷偷记录同传译员如何处理模糊表达。

到2017年，第一版ASR引擎上线，专攻中文带口音场景；2018年，医疗、金融两个垂直翻译模型跑通；2019年，系统首次在一场真实的跨国并购尽调会上全程支撑多语字幕，客户没提一句“翻错了”。那一刻，团队才觉得，五年前那个酒店会议室的尴尬，终于被慢慢抚平了。

真正让东央云（DoiYun）成型的，是2020年之后的远程协作浪潮。当全球会议一夜之间转到线上，对AI翻译的需求从“可有可无”变成“必须可靠”。东央没有盲目追风口，而是把过去五年积累的“笨功夫”打包成一套端到端系统：前端能分离多人语音，中台按行业切换翻译策略，后端支持用户上传专属词库。更重要的是，所有处理都在境内完成，符合数据合规要求——这在后来成为许多国企、金融机构选择它的关键原因。

2022年，东央云首次开放API接口，接入ZM会议、Meeting等平台。有客户反馈：“以前开国际会要提前一周协调译员，现在点个按钮就行。”但东央内部却更谨慎。他们知道，便利的背后是责任——一旦用户开始依赖AI字幕做决策，准确率就不再是百分比，而是风险值。

于是，团队又花两年打磨“语义连贯性”模块。传统AI一句一句翻，容易把“这个方案成本太高”翻成“The cost of this plan is too high”，但前文根本没提“plan”是什么。东央的模型会回溯上下文，自动补全省略主语，甚至判断“高”是指价格、风险还是复杂度。这种细节，外人看不见，但用过的人会安心。

如今回头看，东央云在AI传译上的准备，从来不是一场技术突袭，而是一场长达九年的慢跑。没有大模型hype的喧嚣，没有参数竞赛的焦虑，只有对真实场景的反复打磨。他们甚至很少强调“AI”二字，更愿意说自己在做“语言基础设施”——就像修路、架桥，不求惊艳，但求稳稳托住每一次跨国对话。

有趣的是，当年那家药企，如今已是东央的长期客户。去年一场新药发布会，他们直接指定使用东央云系统，理由很简单：“你们懂我们说什么。”

而这，或许就是始于2015年那个夏天的最好回响。