一、引言
党的二十大报告强调要“增强中华文明传播力影响力”，加快构建与我国国际地位相匹配的对外话语体系。这一战略指引凸显了我国增强国际传播能力建设的紧迫性和必要性。术语是国家重要的语言资源，也是构建学术话语体系的重要载体（王琪等 2024）。学术话语体系的完备与否，关乎一个国家在国际知识生产格局中的地位。因此，加强术语工作，构建科学、系统、规范的术语体系，对增强中华文明传播力、提升国家文化软实力具有深远的战略意义（焦朦，袁军 2025）。
传统的术语国际传播面临诸多挑战。其模式主要以线性传播为主，由领域专家提炼概念、翻译审定，再通过书籍出版或官方媒介逐级传播。这种模式内容形式单一，侧重书面释义和翻译，缺乏生动多样的表达，难以适应融媒体时代多渠道融合传播的需求（冯雪红2023）。有学者从传播主体、内容、渠道、受众与效果五个方面分析了中华思想文化术语对外传播所面临的不足，其中包括术语遴选标准一致性与术语可理解性等问题（赵卓伦，鞠慧 2024）。
王琪（2022）的研究也证实，国内学术界术语使用不规范现象普遍存在，主要表现为术语形音义相近而误译、使用非规范名称、译音用字有误等多种类型。显然，传统的人工审校术语及其管理方式已难以应对海量、快速更新的学术文献。这也反映出我国术语事业在顶层规划、机构协调与标准化实践等方面仍存在不足 (王琪 2021)。
在此背景下，人工智能（AI）技术的迅猛发展为突破传统术语传播的瓶颈提供了前所未有的机遇。自然语言处理、机器学习、深度学习等技术，能够从根本上重塑术语的提取、生成、翻译、标准化和检索等各个环节。特别是大语言模型的出现，为术语翻译带来了新的范式（冯志伟 2024）。有学者通过分析人机交互的术语译前、译中与译后编辑与管理，提出高效利用生成式人工智能交互性特点，能解决术语机器翻译、口译术语管理等的困难（郑国锋,潘曦2025；王华树，白华 2025）。
尽管人工智能技术在术语国际传播中潜力巨大，其实际应用仍面临多重挑战。例如，文化敏感性不足可能导致术语在不同语境中引发歧义。诚如李宇明 (2003) 所言，学术术语在日常交际中常存在正式名称与俗称并存的现象，过于生硬的译法未必为大众所接受。训练数据偏重西方语料，大语言模型对中国特色术语的处理也会出现偏差。此外，术语国际传播缺乏对技术赋能的传播全流程考察，忽视了术语从国内话语到国际传播的整体布局，特别是术语外译之后在海外媒体传播、受众理解反馈等环节的有效衔接（徐明华，邓博艺 2024）。因此，人工智能的真正价值不仅在于其技术能力本身，更在于它能为解决长期困扰我国术语事业发展的深层次、战略性难题提供可行路径。
鉴于此，本文立足术语学“概念先于名称”的核心理念，借鉴跨文化适应理论，将术语国际传播界定为一个以“概念”为本体，进行动态协商的跨文化适应过程，围绕人工智能驱动术语国际传播的模式变革与实现路径为核心问题展开研究，采用文献分析与典型案例研究相结合的方法，以国内外相关研究成果与典型实践为支撑，遵循“从技术分析到路径建构”的逻辑。通过分析人工智能技术在术语提取、生成、翻译、标准化、检索等环节的应用，揭示术语传播方式的整体重构。在此基础上，围绕系统构建、技术优化、资源整合、人文协同等维度，提出五条系统化的实践路径，以期为增强我国术语国际传播能力提供理论启示与实践参考。
二、模式变革
智能时代正引发知识观的深刻变革，知识的生成方式、呈现形态与价值取向正被系统性重塑（王辉、叶羽婵，2025）。作为知识的表征形式与专业知识体系的构建单元，术语的知识发展也处在模式变革之中。术语国际传播是专业知识在全球有效传递的核心。它超越了单纯的语言转换，在不同文化背景下实现概念统一与理解共通。传统术语国际传播模式在效率、一致性和文化适应性等方面存在不足。人工智能驱动的国际传播新模式将为克服这些问题提供了新机遇，可以避免因解释分歧而导致的误解与争议，促进跨文化交流，消除由认知差异带来的沟通障碍。人工智能凭借其强大的语言处理能力，极大地促进这种“共通”的实现。这一模式模变革主要体现在五个方面。
（一）术语提取与识别的智能化
术语提取是术语传播的起点，是对专业领域核心概念的系统性发现与界定。传统方法高度依赖专家经验与既定规则，效率低且覆盖面有限，难以实时捕捉学科前沿新兴概念的完整谱系与动态演变。人工智能技术通过自然语言处理与深度学习，实现了对海量文本数据的语境感知与概念的自动识别。其理论意义在于，将术语的发现从一种依赖个体认知的离散行为，转变为一个系统性的、数据驱动的概念挖掘过程。以联合国术语库（UNTERM）的实践为例，其早期主要依靠人工整理多语种文件资料中的术语，而如今集成了计算机辅助翻译工具eLUNa的系统，能从海量文本中识别候选术语，并以超链接或双语格式为所有联合国文件提供参考。这种智能识别功能不仅减轻了人工校对的负担，还使得术语库能够即时响应专业领域的知识创新，确保了待传播概念的时效性和前沿性。
（二）术语创建与生成的自动化
术语创建涉及新概念的命名与外来术语的译介。传统流程依赖专家委员会的封闭式人工审定，周期长且响应迟缓，往往在新概念出现与规范术语确立之间存在时间间隔，阻碍着知识实时的全球流通。大语言模型与神经机器翻译技术的发展，能有效解决这一问题。大语言模型能承担译后编辑术语工作，机器自动生成术语命名、定义及多语言阐释方案，供专家委员会审核。为满足用户多样化需求，这类模型还可以提供术语的跨语言对应、同义异名、搭配用法、例句、语源等多元信息（Martín，2024）。Zhang等人（2024）为材料科学文献构建了术语知识图谱系统，囊括8000多个中英文对照的材料科学术语及其解释。该系统能够识别指代同一概念的多种不同表述，并将它们关联至一个权威的标准术语。术语创建从一个小范围、封闭的审定行为，转向人机协同、即时响应的协商过程，缩短了从新概念到规范术语确立的周期，使整个术语体系能够紧跟知识创新的步伐。
（三）术语标准化与规范化的高效化
术语标准化与规范化旨在消除术语使用中的混乱与歧义。正如李宇明（2017）所指出的：“没有术语规范，就没有现代科技和高质量的现代生活”。传统的标准化工作依赖权威机构自上而下地制定刚性规范，其推广难度大、执行效率低，且更新缓慢，难以适应不同语境下的实际使用需求和知识的快速迭代。人工智能技术正推动这一领域从刚性规约向动态知识治理转变。自然语言处理与大数据分析实现了对术语实际使用情况的大规模、实时监测。术语库成为不断演化的“活词表”。术语的标准是权威规定与社群实际使用数据共同建构的结果。正如帕克（Park，2024）指出的，遵循统一的术语标准是实现语义互操作的基础。这种术语标准化与规范化的新模式，使术语标准更敏锐地响应真实的交际需求，显著提升术语国际传播的生命力与接受度。
（四）术语翻译的神经机器翻译革新
术语翻译是实现跨文化适应的关键环节，其质量直接决定了术语概念能否在目标文化中被准确理解。传统的机器翻译系统，无论是基于规则还是统计模型，都因缺乏深层语义理解能力而导致术语误译、漏译或译名不一致，影响着翻译的整体质量。这一困境的根源在于传统方法停留在表层“词对词”的机械对应，未能理解术语作为概念标签的本质。近年来，神经机器翻译（NMT）系统的发展，为术语翻译带来了模式变革。其革新在于，神经网络架构将翻译的重心从语言符号的表层，转移至概念意义的深层。大规模预训练模型所展现出的上下文理解与复杂推理能力，能够在完整的语义框架中理解并重构源语术语的概念内涵（Costa-jussà. et al.，2024；任禹昕等，2025）。以欧盟eTranslation服务为例，该系统除覆盖欧盟24种官方语言以外，还支持阿拉伯语、中文、日语、俄语等多种语言。eTranslation不断整合欧盟互动术语数据库中的数据，使“标准译名”成为任何组织都能直接调用的公共资源。在实时翻译中保证概念的一致性。术语翻译从表层的“词对词”，迈向深层的概念等值，为实现精准的跨文化术语传播奠定核心的技术基础。
（五）智能术语查询与检索系统变革
术语查询与检索是术语传播的终端，是目标受众理解并接纳外来概念的接口。传统术语检索系统以“关键词匹配”为核心，用户需要输入准确的词形才能获取相关信息。这种模式无法理解语言的复杂性，更无法揭示术语背后的知识关联。语义搜索、知识图谱与跨语言检索等人工智能技术，正驱动术语查询从信息获取到知识发展的智能化变革。智能查询系统不再仅仅罗列术语列表，而是通过语义理解和知识网络，将术语置于其所属的概念网络中进行呈现与阐释。全国科学技术名词审定委员会创建的“术语在线”平台，是这一变革的中国实践。该平台超越了传统“关键词匹配”的被动模式，通过深度融合语义搜索、知识图谱与智能推荐等人工智能技术，实现了向语义理解的跨越。平台能智能判断用户的潜在学科背景，优先呈现最相关的术语条目，以可视化的术语图谱形式，主动揭示术语在整个知识体系中的概念网络与逻辑位置，将离散的术语置于其所属的知识体系中进行阐释，帮助用户理解陌生概念。这种变革将用户从被动的查词状态转变为主动的知识探索，使“术语在线”从静态的参考资料库，演进为一个服务于中国科技话语体系构建与国际传播的智能化服务基础设施。
综上所述，人工智能正在重塑术语国际传播的五个核心环节。从数据驱动的提取与人机协同的生成，到动态治理下的标准化，再到追求概念等值的翻译，最终到以知识发现为目标的检索。这五大变革环环相扣，共同指向一个核心目标，即实现概念系统在跨语言、跨文化场域中的适应性流通，共同构成了从传统模式到智能生态的完整模式转型。
三、实现路径
前述模式变革揭示了人工智能技术重塑术语国际传播各环节的内在机理，而这些变革还需从系统构建、技术优化、资源整合与人文协同等多个维度出发，规划一套完整的战略路径。下文将结合近年来的实践经验，提出五条实现路径。五条路径构成一个从基础到应用，层层递进的解决方案（见图1）。动态术语管理系统奠定数据基础；知识图谱技术从底层实现概念系统的结构化与跨语言对齐；领域适应性神经机器翻译提高术语跨语言传播的精度与效率；在此之上，集成人工智能工具的国际传播平台，将结构化的概念精准投送至全球不同的传播渠道；最后，作为关键的调节机制，本地化与文化敏感性策略确保术语在不同文化语境中得到恰当的转译与理解。
图1 人工智能驱动的术语国际传播实现路径层级图
（一）构建人工智能增强型术语管理系统
人工智能增强型术语管理系统是术语智能提取、动态生成与规范治理的基础设施。它旨在构建一个以概念为中心、由人机协同驱动的动态术语知识生态。凭借实时更新、多语种同步、智能提取和标准化接口等功能，该系统将打破术语资源的孤岛状态，打造一个可全球访问、自动更新且多语协调的术语知识平台，为国际科技合作、跨文化交流和全球治理提供关键的语言基础设施。在此系统中，人类专家与人工智能协同工作，保证术语管理系统的动态一致性，实现知识的共创、验证与传播（叶其松、迟超，2025）。日本科学技术振兴机构（JST）的J-GLOBAL数据库是此类系统的代表。该系统将API接口与国际术语资源对接，实现了从封闭的国家术语库向开放的国际知识网络的转型。
具体来说，人工智能增强型术语管理系统将从三个方面重塑术语传播。首先，传播形式从被动接收转为主动推送。系统能基于用户画像和使用情境，主动推送相关术语。例如，世界卫生组织的ICD-11系统利用机器学习算法分析用户的查询历史和专业背景，自动推荐相关术语和更新信息，当新疾病变种出现时，系统自动向相关国家的医疗机构推送标准化术语，确保全球同步响应。其次，传播过程从单向传递升级为反馈优化。系统能追踪术语的实际使用情况，形成一个反馈优化的闭环。例如，当系统监测到某个术语的直译在目标语言中接受度较低时，会自动向管理者推荐更符合本地习惯的意译方案，动态调整传播策略。第三，知识形态从静态发布演变为动态演化。系统能够实时追踪术语的使用趋势与语义演变，自动更新术语库。欧盟IATE系统在疫情期间，曾运用自然语言处理技术监测全球媒体、学术文献和官方文件，在短时间内自动识别并整合了270个新出现的疫情相关概念及其多语译名（CDT Europa 2022），为术语的跨文化流通提供鲜活、准确的数据基石。
（二）利用知识图谱提升术语语义互操作性
语义互操作性是实现从获取信息到发现知识这一转型的底层支撑。术语语义互操作性的实现，本质上是对术语学中概念论的深刻理解与应用。该理论强调“概念先于名称”，即“术语学的研究应该先从概念出发，即先从概念的定义开始，而不是先从词语开始。”（冯志伟，2011）传统术语词典主要记录词语层面的对等关系，未能充分揭示概念之间复杂的逻辑关联，导致在跨文化传播中，尤其是文化或知识体系差异显著的语言之间，极易因“同名异实”或“同实异名”而产生误解（Faber & León-Araúz，2016）。例如，“语言治理（language governance）”一词虽表层对应，但由于“治理”一词的来源有多重性，语义多元，容易产生混乱（方小兵，2025）。知识图谱技术的语义表达与关联能力为解决此难题提供了全新路径。
知识图谱技术构建的是一个集术语、定义、语境和语义关系于一体的图状网络，能使不同语言或领域的术语在统一的概念节点下对齐，每个概念节点包含丰富的语义特征，包括其在不同语种中的术语标签、逻辑定义、属性特征及其在概念网络中的位置关系。这种基于概念系统的互操作性解决方案，使得不同信息系统在交换数据时，能够以概念为中介实现准确的语义转换。例如，中国“开放医疗与健康联盟”基于本体方式开发的七巧板医学术语集，建立了等同映射、上位映射、下位映射和相关映射等标准化映射类型，在概念层面有效解决了“胸痹”与“心绞痛”这类中西医术语间的语义对接难题。目前，七巧板医学术语集已系统性地建立了中文医学术语与ICD-10、ATC等国际标准术语集的概念级映射网络。德国弗莱堡大学主导构建的EcoLexicon项目，以知识图谱的方式系统整理了环境科学术语。它提供的可视化界面，能让用户直观理解术语间的概念网结构（苗菊、吴聪聪，2023），显著提升了术语在多语言环境下的解释一致性与传播透明度。这些实践充分表明，将术语学的概念论与知识图谱技术优势相结合，是搭建数字时代术语语义桥梁的有效路径，能为各类专业术语的国际标准化工作提供可借鉴的模式。
（三）发展领域适应性神经机器翻译
为实现术语翻译从“词对词”到概念等值的模式转变，必须推动神经机器翻译（NMT）向领域专业化方向纵深发展。通用神经机器翻译系统在处理日常文本时表现尚可，但面对高度专业化的术语时往往力不从心。领域适应性神经机器翻译技术的发展，为解决这一问题提供了可能。
首先，在模型构建层面，领域特异性微调能够实现概念系统内化。高质量、大规模专业领域的平行语料库，有助于对预训练的通用神经机器翻译模型进行深度再训练。其本质是将特定学科的概念系统、逻辑结构、表达规范与语境知识编码进模型的参数中，从源头上提升对专业术语语义理解的精准度。其次，在翻译执行层面，术语约束翻译机制作为操作层面直接解决术语译名不一致问题的关键技术保障，能确保概念指称的稳定性。它将权威术语库与神经机器翻译系统的解码过程联动起来，强制约束预先定义好的核心概念译名，从技术机制上确保了关键概念在任何语境中都被锁定为标准译名，根治了同一概念在全文范围内译名不一致的问题。欧盟神经翻译项目（NTEU）部署了506个不同的神经机器翻译引擎，集成各领域的标准术语库，显著提升了包括爱沙尼亚语-葡萄牙语、马耳他语-希腊语等复杂语对的术语一致性（Cadwell et al.，2021）。此外，针对低资源语言或新兴交叉学科，神经机器翻译技术采用迁移学习的策略，利用资源丰富的语言训练模型，将学习到的概念表征和语言规律迁移至低资源语言上，微调后产生译文（李洪政等，2021）。例如，在汉-越这类低资源翻译任务中，黄继豪等人（2021）的研究表明，通过汉-英和英-越语料的迁移学习，能够有效提升神经机器翻译的整体性能。这一策略缓解了因术语平行数据匮乏而导致的概念映射困难，也体现了术语跨文化适应的内在要求，即用已有的、共通的概念系统作为桥梁，实现术语知识的精准高效传播。
（四）集成人工智能工具于国际传播平台
人工智能赋能术语传播的最终价值，体现在各类国际传播平台的规模化应用中。前述各项技术变革要转化为实际传播效能的必然路径，需将人工智能工具深度嵌入学术出版、大众媒体与国际组织等多元知识传播渠道，从而实现术语识别、转换与传播的自动化、语义化与场景化整合。
首先，在学术出版与知识共享平台中，集成人工智能工具显著提升术语的跨语言传播效果。学术出版社和科研数据库在引入术语识别、术语一致性检查与自动推荐功能后，作者在写作与翻译中能保持术语使用的统一，增强学术成果的国际可读性与可接受性。例如，Springer和Elsevier两大学术出版机构在其稿件管理系统中引入神经术语识别算法，与权威术语知识库对接，从知识生产的源头上确保学术成果在跨国传播中的术语规范。其次，在跨语言服务平台中，术语约束翻译与智能校对机制，保证了术语跨语言使用的合规性如在处理法律文件或医学说明等高风险文本时，人工智能技术实时锁定关键概念的标准译名，防止机器翻译模型随意替换，降低因术语不一致而产生的跨文化误解与法律风险。第三，在多模态互动传播平台中，人工智能技术突破文本边界，将术语服务广泛应用于视频、音频等实时交互环境，实现个性化的概念理解。例如，在国际化教育平台中，系统可以追踪学习者对术语的理解情况，并根据其知识水平和学习场景，动态推荐最合适的术语表达方式，实现因材施教的传播模式。
（五）本地化与文化敏感性策略
人工智能技术在提升术语传播效率的同时，也必须在严格的人文框架内对其进行审视。术语的跨文化传播不仅是技术转换问题，更是深刻的文化协商过程。不同文化语境下信息传递方式的根本差异，要求术语翻译需平衡“国际化”与“本土化”的关系（魏向清，2010）。霍尔（Hall，1976)“高低语境文化”理论为此提供了解=释依据。高语境文化中的信息传递更依赖背景和隐含意义，低语境文化则倾向于直接明晰的表达。将蕴含于中华典籍、高度依赖语境的核心术语，向强调明确性的低语境文化系统传播时，若处理不当，极易导致意义损耗与文化误读。“中华思想文化术语库”所确立的翻译与阐释原则，为人工智能驱动的本地化与文化敏感性策略提供了权威范本。在处理如“仁”“礼”“天下”等高语境文化核心术语时，该术语库采用音译结合阐释性意译的策略，如将“礼”译为“Li（Rites，Social Norms）”，既以音译“Li”的方式保留术语的文化主体性，防止其被简单归入西方概念体系而产生误读，又通过意译“Rites,Social Norms”实现了像目标语境的本地化转换。更为重要的是，其翻译流程严格遵循中外专家协同审定机制，由多方校验来预警和修正可能存在的文化偏见与理解偏差，是一套成熟的文化敏感性保障体系。
人工智能驱动的术语传播，必须将这种策略内化为核心技术能力。具体而言，人工智能辅助的本地化策略应致力于实现概念的语境化迁移，动态生成音译与阐释复合型翻译方案。而其文化敏感性策略，则应扮演辅助筛查与预警系统的角色。基于跨文化语义映射模型，人工智能技术可以建立一套高—低语境的意义转换规则，系统解析低语境文化中强调明确性、直接性的价值体系与认知框架，识别出高语境术语在简化阐释过程中可能遭遇的文化误读与意义扭曲，向人类专家发出预警。尤为重要的是，人工智能技术的介入绝非取代人类在文化判断中的核心地位。人机协同机制的建立必不可少，要将人工智能技术高效的计算能力，与人类专家对文化敏感性的最终裁决权相结合。领域专家牢牢掌控术语核心语义与阐释边界的最终定义权，同时，目标文化专家对输出内容的可接受度进行校准，确保术语的跨文化传播既实现高效的本地化转换，又始终保持高度的文化敏感性。
四、结语
人工智能技术正在从根本上重塑术语国际传播的模式，推动术语工作从劳动密集、效率低下的传统流程，转变为一个智能驱动、高效协同的现代化体系。在效率层面，人工智能技术实现了对海量术语资源的高效处理；在一致性层面，它为术语的规范化应用提供了技术保障；在知识互联层面，知识图谱等技术促进了全球术语资源的语义融通。这些变革为克服传统术语传播的瓶颈，特别是为中国特色术语和学术话语走向世界，提供了历史性的机遇。本文系统阐述了人工智能如何驱动术语国际传播发生范式变革，并提出了实践路径，以期为促进我国的术语管理和国际传播提供参考。
然而，技术的应用并非坦途。在拥抱技术红利的同时，必须清醒地认识到其中蕴含的挑战，尤其是技术伦理与数据偏见问题。由于主流人工智能模型的训练数据多源自西方，其在处理中国核心术语时，极有可能沿用西方既有的错误翻译与解读，甚至生成带有偏见的虚假信息，这不仅无助于传播，反而可能加深误解。因此，必须通过高质量、多元化的训练数据和持续的人工监督来确保术语传播的客观与公正。人机协同机制仍需不断优化。我们应明确人类专家在知识审核、文化判断和最终决策中的核心地位，使人工智能技术真正成为辅助工具而非主宰者。此外，还需警惕过度标准化对语言活力和多样性的潜在抑制，在追求规范的同时，为合理的语言创新保留空间。
对中国的术语事业而言，人工智能既是加速器，也是对现有工作体系的全面考验。这场技术变革的意义，已超越效率提升的范畴，成为中国在国际传播中积极“自塑”国家形象、打破长期以来由他者主导的“他塑”困境的战略支点 (刘滢2023)。人工智能驱动的术语国际传播，是我国术语事业发展的新起点，也是依托我国人工智能技术优势，塑造术语国际传播新格局的新路径。我们应加速术语国际传播的智能化转型，使其更好地服务于国家科技创新和国际传播战略。从顶层设计入手，将术语工作更紧密地融入国家语言规划和国际传播能力建设的整体布局中，加强政策支持和跨学科人才培养。唯有实现技术赋能与制度优化的“软硬结合”，才能真正实现术语国际传播能力的高质量跃升。
人工智能为术语的跨语言、跨文化传播带来了巨大变革。展望未来，在一个由人机协同构建、开放共享的全球术语生态中，不同文明中的概念可以清晰对话，文化误解因术语的准确、一致而减少，新知识得以更迅速地全球流通。要实现这一美好愿景，需将技术进展转化为切实的语言服务成果，与国际社会共同构建一个共通的意义空间，凝练和打造出更多融通中外的新概念、新范畴、新表述，使中国的知识体系与思想智慧在文明互鉴中充分展现其话语权与影响力。
