区块链在汽车金融行业的应用

[摘要]

本文从区块链在汽车金融行业的应用场景出发,对企业在寻找和确定应用场景时,应该如何进行价值和可行性的分析作出了说明,通过案例分享了ThoughtWorks区块链应用的落地实施经验,希望给其他领域的区块链应用提供方法上的参考和借鉴。

1. 区块链是什么

关于区块链技术的讨论文章已经足够多并且足够深入了,我们可能已经熟知它的各种特性——不可篡改、透明、可追溯、去中心化等等;我们也经常听到对于区块链各种共识机制的讨论——PoW、PoS、DPoS、BFT等等;我们甚至还知道它的不同应用——分布式账本、智能合约、Dapp等等;这些对于我们全面了解区块链技术都非常有帮助。当我们来到具体的商业场景中,想要应用区块链技术时,我们只需要关注区块链技术的两个核心功能就够了:记录保存和交易。

记录保存是一种静态信息的存储,比如在溯源、知识产权确权和专利保护等领域,就是应用区块链技术记录了公开透明且不可篡改的静态信息,保存在不同节点上以进行公开验证。记录保存的功能可以不需要代币实现。

而交易是动态的,例如跨境支付中,应用区块链提升点对点支付的效率,就是应用了交易功能。交易的场景一般需要代币来实现,如果没有代币,那就是资产对资产的交易(代币其实就是一种货币资产),区块链会对所有发生的交易行为进行动态登记。理论上,通过区块链的交易功能能够实现交易即账本,保证交易的有效性和安全性,同时还能免除第三方的背书见证。

2. 区块链的应用

2018年5月,随着工信部正式推出《2018 年中国区块链产业白皮书》,报告务实而系统地分析了中国区块链产业的现状,解析了中国当前区块链产业的生态,并且对区块链的发展趋势给出了坚定乐观的展望。下图勾勒出了目前应用区块链的产业生态(不包括数字货币),可以看出不论是金融领域还是实体经济领域,从底层的服务平台到不同领域的应用场景都已经形成了比较全面的覆盖,昭显出当前区块链技术发展的生机和前景。

(图1 来自工信部《2018 年中国区块链产业白皮书》)

关于数字货币和颠覆式创新的“通证经济(token economy,也有译为代币经济)”,从长期来看,商业模式上是可行的,但是需要人们对代币(token)的认知和心态产生改变,需要法律和监管政策的成熟完善,同时商业模式的过渡和转变也需要时间,因此短期来看,我们更倾向于认为,现阶段,企业应用区块链还是应该导向清晰可落地的价值,通过解决当前的业务痛点持续创造价值,才能进一步推动区块链技术的成熟和普及。

金融领域是当前区块链应用最有价值的场景之一,这一点已经取得广泛共识,在此不作过多论述。我们今天想要探讨的是,当我们拿起区块链这把锤子,来到某个具体的行业领域里,比如金融领域里某个非常细分的子领域——汽车金融领域,我们该怎么利用区块链这项技术,解决现有商业/社会环境下的问题和痛点,传递价值。

3 汽车金融行业

随着经济的发展和金融服务的日益成熟,虽然是细分金融领域,但是汽车金融涵盖的场景也已经非常多样化,领域内的参与主体竞争日渐激烈。下图是汽车金融产业内金融产品的简单概览。

(图2 源自华兴资本和逐鹿资本的报告《中国汽车金融研究(2017)》,略作修改)

不同的参与主体的商业模式不同,业务痛点必然也不尽相同,无法一概而论。为了让场景更加清晰,我们选取汽车金融公司作为应用场景来展开分析,这是因为:

  1. 在现在的汽车金融领域,汽车金融公司的发展势头最为迅猛,已经逐渐成为新车市场最主要的金融服务提供商;
  2. 相较于银行、P2P公司等提供通用金融服务的主体,汽车金融公司的业务模式更为专注和单一;
  3. 汽车金融公司拥有独特的优势可以覆盖汽车的全生命周期,可以拓展更多元的应用场景。

汽车金融公司的业务场景

(图3 汽车金融公司的业务场景)

以汽车的生命周期来看:从零配件的生产运输(还可以往上游延伸广阔的供应链金融场景),到主机厂制造整车,然后通过各个区域的销售公司,将整车卖给各区域内下沉的经销商,经销商还可以分为不同层级的二三级经销商,最后才卖到顾客手中。一旦新车完成销售,就迈入了后市场的广阔天地,其中包括二手车再销售、汽车租赁等等交易场景。

(图4 汽车金融公司的业务模式)

汽车金融公司的业务模式比较简单清晰,参考上图,1、2、3是汽车的批发,4、5是汽车的零售。金融公司参与给授信经销商提供贷款进行车辆的批发交易,零售的过程中,金融公司又继续给消费者提供消费金融贷款或融资租赁等服务,缓解用户购车的资金压力,促进汽车销售。因为两次贷款交易,我们可以看到这两条方向相反的资金线,财务上我们管这个叫轧差,也就是债务的互相抵消,而这两次贷款行为的轧差让金融公司以较低的净现金赚取了批发环节和零售环节的两次利息收入。

针对汽车金融公司的应用场景,我们可以简单总结业务痛点:

第一,提升资金利用率是业务关键。金融服务商以提供资金融通服务进行盈利,汽车金融公司的资金很大一部分是来源于汽车集团的财务公司,财务公司需要对现金流进出进行精准预测,以提高资金的利用率。传统的财务记账方式,无法实时透明地彰显资金的实时利用情况:比如有多少现金流即将产生,有多少资金出现了低效的浪费(重复贷款),造成了多少潜在损失(坏账)等等。

第二,财务对账主体数量较多,且效率不高。仅在中国区域内可能就有多家销售公司和金融公司,以及几百家经销商。从会计和审计角度,即使每家公司只有两名财务和审计人员,那么财务审计人员都超过一千名,更别提全球范围内了。

第三,信任主体的审核门槛较高。因为金融贷款要控制风险需要信贷审核,而金融服务机构的信审资源有限,审核流程繁杂且周期较长,经销商的销售网络又比较混乱,因此中小型经销商很容易成为“照顾不过来”的对象,造成经销商融资困难,同时也导致汽车金融公司的业务扩张受限。

区块链切入场景分析

如果从上一节的汽车金融业务痛点继续往下分析,我们从汽车金融交易的场景中可以轻易找出:供应链金融、消费金融、征信、财务审计等应用场景。

可是对于汽车厂商而言,金融并不是唯一的切入点,如果我们从车的视角出发,在车的使用场景上我们还可以发现以下场景同样可以用区块链解决信任成本问题:叫车出行、汽车租赁和共享、为二手车交易提供车史记录、零配件溯源、跟IoT和Big data结合的汽车驾驶行为记录、跟自动驾驶AI结合的智能出行等等。

于是现在很多企业应用区块链都面临这个问题:可用的场景太多了,怎么选择?如何确定这些场景的价值高低和优先级呢?我们可以从价值和可行性两个维度来对场景进行划分,然后选取高价值、高可行性的场景进行优先落地尝试。

(图5 区块链应用场景优先级区分)

随之而来的问题是,价值和可行性要如何度量?对于特定行业和场景,如果已经存在清晰的价值衡量标准和可行性度量方式,可以直接沿用。这里我们也简单介绍一套麦肯锡提供的通用分析框架,用来对多个场景进行比较分析。

我们从以下4个维度来分析价值,相信大家对自己行业的价值分析都不陌生,因此不做过多展开:

  • 收入:可以带来收入多大程度的提升?
  • 成本:可以带来成本多大程度的降低?
  • 资本:具备多大程度的资本效应?
  • 社会:带来多大程度的社会价值?

(图6 区块链的应用场景优先级 – 价值维度)

对于区块链技术可行性的判断,我们从以下四个维度略作说明:

  • 资产:资产数字化的可行性
  • 技术:当前技术可行性
  • 标准和监管:面临多大程度的标准化和监管,标准化和监管要求越高,可行性越低
  • 生态:是否可以帮助构建生态圈

(图7 区块链的应用场景优先级 – 可行性维度)

资产

资产类型决定了该项资产是否能够通过区块链来提升记账或交易的可行性,这里衡量的关键因素是资产的数字化潜力,比如原本就是数字化记录和交易的股票类资产,就可以轻松在区块链系统上实现端到端的管理,或是通过API与现有系统集成;像黄金这样的实物类金融资产就难以用数字化的身份来进行登记和转移。我们曾接触过一个木材行业的溯源项目,希望能用区块链实现行业内从家具到木材再到原木的溯源和证明,技术上第一个难以迈过去的关卡就是如何给树木一个唯一真实且不可篡改的数字化身份。

从某种程度上来说,货币确实是技术上最容易实现的上链资产。

实物资产上链是现在很热门的研究领域,通过IoT(物联网)技术和生物识别等技术将区块链的交易网络延伸至物理世界,这一步研究至关重要,但同时也有了更多的技术依赖。比如要如何保证通过传感器等物联网设备获得的数据在上链之前不被篡改?因此,即使能够很好地实现数字化,实物类资产的上链的可行性整体比数字资产更低一些。另外,还有一个经常与资产上链相提并论的研究领域,就是数字身份的建立。这对于数字资产的确权至关重要,只有当这两头并进延伸到现实中来,以区块链技术作为价值底座的数字世界才具备规模化扩张的基础。

技术

区块链技术的发展目前还处于起步阶段,我们甚至可以认为商业变革走在了技术发展的前面,这有利也有弊。好处在于,追逐商业变革的资本带来的资源投入,能够促进区块链技术的发展和突破;而硬币的另一面则是,追逐短期收益的资本,严重局限了资源在区块链行业内的分配,炒高了技术成本,甚至形成劣币驱逐良币的行业氛围。

区块链技术发展目前最大的挑战就是下面这个“不可能三角”:

(图8 区块链的“不可能三角”)

面对不同的场景,我们需要在这三者之间进行配置和平衡,同时还可以对上链数据进行适当的裁剪,以确保交易的效率和性能。不过我们相信,随着技术不断发展,这些约束将会越来越少。

通常来说,去中心(或者一定程度上去中心)的公链,在保证安全的前提下,只能牺牲性能,这也是比特币、以太坊现在的交易瓶颈所在。而对于支撑商业场景的联盟链来说,在去中心这个角上受到的约束较小,因此通过合适的配置,可以使得区块链在商业应用上变得可行。

当前各个国家对区块链的政策不同,所以不同地区对区块链技术的发展重心也不一样。国内政策倾向于联盟链的发展,腾讯、阿里、京东等领军企业目前也正专注于研发给企业提供的BaaS(区块链即服务)服务,从工信部的白皮书也可以看出大量创业公司正在进行各行各业联盟链的搭建,相信在短期内,联盟链的发展会比公链更快速有效。因此,在判断技术可行性时,底层链平台的成熟度是非常重要的衡量标准。

标准和监管

缺乏共同标准和明确的法律规定很大程度上限制了区块链应用能力的扩张。不过,现在不论是政府还是各个行业间组建的联盟都已经认识到这个问题,并且正在着手解决。例如,今年九月,最高人民法院发布的新法规中明确说明,在能够证明使用技术合法性的前提下,中国互联网法院承认区块链作为存储和认证数字证据的合法性。而如果政府机构可以授权法律地位,那么标准可以相对容易地建立起来。 例如,政府可以让区块链记录的土地登记成为合法的记录。

当需要多个参与者之间共同合作时,这个标准的建立就变得比较复杂,但也更加重要。比如 R3 联盟与全球70多家银行合作开发的金融开源区块链平台Corda,这些平台可以建立起特定行业内区块链系统所需的通用标准。

对于缺乏标准和监管的行业,可行性衡量的是建立标准的难度。而对于某些已经存在严格固定的标准和监管的行业,在这一点上面临的挑战可能会更大。比如会计和审计行业,早已存在清晰的会计和法律要求,我们都知道区块链对于审计行业的颠覆性影响,可是在法律对区块链账本审计有明确的规定和认可之前,企业必须维持原来的财务系统不变,那么投入在区块链财务记账上的成本很长时间内都不会取得任何回报,这对于企业来说也就更难推广,当然,会计师事务所不在此列,相反,他们是现在最积极推动区块链技术的企业之一。

生态

区块链的主要优势在于网络效应,但是随着网络规模的增加,其潜在收益会增加,协调的复杂性也会随之增加。例如,用于数字媒体、许可证和版税支付的区块链解决方案,就需要在数字内容的各个生产者和消费者之间进行大量的协调。如何构建竞争者和合作者之间的竞合关系,构建一个完整的价值激励的闭环,共同促进整个生态的发展,是衡量生态可行性的标准。如果竞合关系越复杂,那么构建生态的不确定因素就越多,可行性就越低。

应用这样的分析框架,我们就可以对不同场景的价值和可行性有一个相对清楚的认知。这套框架对于大多数追求经济价值的行业都是适用的,比如这里我们就可以筛选出供应链金融、征信和二手车交易三个场景进行优先尝试。

(图9 区块链应用高优先级的切入场景)

在此,我们建议企业在进行区块链应用的尝试时:

  1. 从降低成本、提高收益或者是解决信任问题的角度出发;
  2. 进行价值-可行性分析,对价值产生的周期形成清晰的认知;
  3. 快速验证,快速反馈,尽量缩短价值产生到获得回报的周期。

4 落地实施

当我们找出了合适的场景,开始着手进行区块链的尝试,我们面临的问题更大可能是在原有的业务上增加新的技术支持(如果商业模式不变的前提下)。对于怎么实施落地区块链,我们选取一个项目案例来作为落地实施的方法说明。

确定场景和参与主体

以我们在汽车金融领域实施的一个项目为例,场景是搭建横跨多品牌的汽车销售网络的联盟链,涵盖汽车从主机厂制造出厂到完成最终销售。汽车销售是交易行为,直接用区块链的交易功能实现汽车所有权/占用权的转移在流程体验上更为顺滑自然,但是现阶段想要推广落地则会面临政策上的风险,因此我们将实施分为两步:

第一步建链,主要包括:

  • 实现汽车资产上链
  • 交易节点的登记和身份确认
  • 记录汽车交易过程中产生的债
  • 集成银行系统,模拟交易主体之间的现金交易来更新债的信息

第二步则是等到可合法流通的电子货币产生后,再接入联盟链直接完成交易。

场景确认之后需要确定参与主体,也就是联盟链第一步需要部署的节点。这更多是一个业务问题,比如在我们这个案例中,我们需要梳理出所有参与汽车销售的主体,包括:不同品牌的主机厂、各区域销售公司、经销商、金融公司,考虑到汽车的运输,还可能会加上海运和物流公司。

上链数据识别

确认了参与主体,接下来我们要确认将哪些数据上链。对于汽车的销售来说,我们需要分析清楚的问题是车在什么时候转移,车在什么主体之间用什么样的规则转移,车在转移的过程中伴随了什么数据的变化。在分析这块业务的时候,我们尝试了事件风暴,分析了在各个法律参与实体之间发生车转移的业务事件,然后进行了事件排序,通过事件析出数据,包括交易参与方,车的详细信息,车的所有权和占用权以及债等等。

(图10 上链数据识别)

智能合约的设计

智能合约的概念最早在1994年由尼克萨博提出,是一种旨在以信息化方式传播、验证或执行合同的计算机协议。随着以太坊的流行,智能合约的概念也逐渐为大众熟知,未来随着技术的发展,围绕智能合约的想象空间将会越来越大。

智能合约是对上链数据演化过程的封装。对于复杂的金融类合约,往往涉及多种数据的同时改变,以经销商通过汽车金融公司贷款批发车为例,一个可能的合约模板是规定车辆转移的同时产生两笔债,一笔由经销商指向汽车金融公司,另一笔由汽车金融公司指向区域销售公司,以及注明还款截止日期。这个合约强制链上数据变化的同时,交易多方节点必须参与合约合法性的验证和签名。

可以看出,智能合约和现实场景下的买卖合约有很强的相似性。因此,业务上我们所定义的“如果……,当……时,就发生……”这样的场景,就可以通过智能合约来实现。

平台架构

区块链平台一般位于底层(技术上也可以将区块链理解成另一种数据的存储方式),上层应用所产生的数据通过API传送到区块链平台层,也通过API读取区块链平台上记录的账本。设计上,我们对区块链平台也同样进行了分层:上层是rest API层,将平台的能力进行抽象暴露给业务;中间是合约层,提供合约执行各种业务;最底层是账本层,分布式账本记录每笔交易发生的事实,可追溯、不可篡改。

(图11 平台分层架构)

传统的平台,通过API的方式暴露服务从而获得价值输入,但是区块链平台的核心资产其实在最底层的账本中。基于这些交易事实和债务或者支付记录,我们可以很方便清算各个法律实体的数字资产,计算实时的债务信息,进行车辆的价值溯源,而且未来结合大数据分析和AI,更有可能打造出一个完整的供应链生态。

5. 总结

通常来说,中心化解决方案相对于区块链这种去中心化的解决方案,既便宜又高效。那么也就意味着,区块链技术必定是用于传统中心化技术方案难以真正解决的商业场景,又或者是它的发展能带来更好的社会秩序。只有这样,区块链技术才能真正产生价值。我们希望通过这篇文章,分享我们对区块链在汽车金融这样一个细分行业和场景中的经验,给同样在尝试或想要尝试应用区块链的企业提供一些参考。

参考文档:

  • 工信部,2018 年中国区块链产业白皮书
  • Brant Carson, Giulio Romanelli, Patricia Walsh, Askhat Zhumaev (2018). Blockchain beyond the hype. Mckinsey.
  • 华兴资本&逐鹿资本,中国汽车金融研究(2017)

更多精彩商业洞见,请关注微信公众号:ThoughtWorks商业洞见

Share

翻译这件小事

加入ThoughtWorks一年半,在前辈们的牵线搭桥之下,非常机缘巧合的参与了两本书的翻译,虽然加起来10多万字,远远未到“足以谈翻译这件事”的地步,还是希望在本文中从经验的角度分享出一些真实简单的感受,给想要入坑的伙伴们一些参考。

翻译的目的和价值是什么?

答案肯定因人而异。就我本人来说,一开始是误打误撞纯粹图个名,后来发现翻译几乎就是比精读更精读的阅读一本书,你需要了解作者提到的各种术语,知道举证案例背后的事实,有的时候为了一句话,查资料越跑越远像是发现新大陆。在这个过程中,且不论最终翻译的质量如何,一定会对原作的每一句话形成深刻的理解,因为你需要不断去思考作者为什么这么说,才能保证译文的准确性。至于花上这么长的时间精读一本书是否值当,那就取决于这本书本身了,所以这里首先建议有尝试意向的人,一定要选择自己感兴趣的领域内容,这对于克服懒惰这个天敌意义重大。

“有了Google Translate,还需要人工翻译么?”在机器学习技术红起来之后,很多人对翻译这件事情的价值理解就打了个更大的折扣,如果从前人们还相信书籍的翻译出版有“信达雅”的标准,现在大多数人估计认为翻译无非就是把Google Translate的译文随便调整下,能通畅地表达就行了。其实没错,还真就是这样的。

从某种意义上来说,Google翻译确实大大拉低了翻译的门槛,这倒不是因为翻译的要求降低了,而是因为机器翻译大大提升了翻译的效率。翻译一直以来都是一门对技术敏感度非常高的学科,计算机辅助翻译(Computer Aided Translate,简称CAT)的技术发展已经超过三十年,翻译实践很早就从纯人工行为转向了人工和信息技术相结合的策略。随着机器学习技术的兴起和语料库的不断扩充和完善,机器翻译已经成为译者倚赖的工具,这没有什么不好意思承认的,发明和改善工具,原本就是为了提高生产效率。当然,这里不打算讨论机器翻译是否会完全替代人工翻译这个话题,感兴趣的可以回复交流,写这篇博客的目的还是为了说回翻译这件事情本身。

翻译是什么?

通常我们所讨论的翻译就是将某一语言的言语产物转换到另一语言当中。更广义来说,它还可以包括语言和非语言符号之间的转换,比如转换为手语,以及一种语言中不同变体之间的切换,例如从文言文到白话文的翻译。但是究其根本,翻译的核心终归是在译文中完整准确地表达原文的意思。如果将人工翻译的过程拆解开,那就是阅读原文,理解原文,输出译文。

理解原文

关于翻译的理论研究成果非常丰富,关于翻译实践的技巧也很多,但是这些无一都是聚焦在“输出”这个环节上的。而实际上,对原文的理解才是翻译的源头。这一点有多重要以及有多难,从事文学翻译的译者最有发言权。

我们通常接触的原著作一般是非文学领域的,例如技术书籍或是商业分析等等。这类比较偏标准化文本的著作,出于其本身的写作目的,通常都是为了说清楚某个问题、介绍某种方法,或是表达某个观点,大体都是表意清晰客观,语言规范且较少存在歧义的。在上下文和逻辑的帮衬下,要准确理解原文并不会太难。如果碰上句式结构复杂,拿不准断句和原意的时候,Google Translate 就可以派上用场了。以英译中来看,谷歌翻译的译文虽然无法直接拿来用,但是不得不承认,机器学习输出的译文对原文的理解准确度是非常值得肯定的。并且,谷歌翻译对专业术语或是一些惯用表达的译语,很大程度上可以帮助提升效率。

也千万切记,Google Translate的释义并不是完全make sense的,所以一定要不断联系上下文来看整体表达是否切意,对不通之处要寻求各种帮助来弄懂。如果译者自己都没有弄明白作者在说什么,只是语焉不详地照搬原表达,不知何以然,那么读者的混乱程度只会更高。

输出译文

准确理解原文之后,接下来就是译语的转化了。如果说上一个阶段要求的是对原语言的理解力,那么这一阶段需要的就是目标语言的写作能力了。写作能力越高,对目标语言的掌控力越高,在理解准确的前提下,当然也就可以更为精准地还原原文的意思。是的,道理大家都懂,可是写作能力这件事儿不是看几本书就能立刻得到提升的,这是一个需要不断练习和打磨的技能。大家可以参加一些写作工坊,尝试“21天持续写作”等方式,来持续提升自己的写作能力。

直译还是意译?

进行译文创作(如果翻译这件事情真的存在“创”作的话),永恒的问题就来了,到底是选择意译还是直译?

一般来说,比较遵照原文语言结构的译法就是直译,脱离原文语言结构的束缚,只翻译意思的译法就是意译。逐字翻译、直译、意译和解释翻译之间并没有非常清楚的界限,但是四者的顺序反映出了一个自由度提升的过程。直译好还是意译好,其实并没有一个高下之分。不同的人就有不同的翻译风格,直译能保留更多原作的味道和比喻,但是经常被人吐槽“翻译腔”,其实就是表达方式过于西化;而意译就像滤镜,对于目标语言的融合度更高,更符合读者的阅读习惯,但是也会丢失更多原作的风格,读者离原作也就更远一些。

直译和意译的选择并非绝对,对于非文学翻译来说,尤金奈达的“功能对等”的理论非常适合。我们的目的是将原作的知识和信息准确、清晰地传达给目标语言的读者(以读者为中心),首先是重现意义,然后是风格。那么我们能得到这样的优先级排序:准确、易读/易懂、尽可能还原作者的风格(例如幽默)。如果直译的结构十分不符合中文的表达习惯,那么我们应该在保证意思准确的前提下,选择意译。

一些实用的小Tips

这里有些简单的技巧,可以为我们在处理特定结构的表达时提供参考:

1.不要受困于词性

对词性的敏感(名词、动词、形容词等)在翻译过程中很容易束缚住表达。因为词性的概念建立在语言的表层结构上,而英汉两种语言的表层结构恰好差别很大。执着于词性的对应会严重影响意义的表达,例如:

  • It took a long Presidential drive to get them talk again. (在总统不顾路途遥远,驱车前往调停后,双方才恢复了对话。)这句话的上下文是叙利亚外长和以色列总理访美期间谈判陷入僵局,美国总统前往调停,译语里改变了long, Presidential, drive, talk等词的词性。为了确保可读性,一定要跳出词性在英语学习过程中建立起的牢固概念。特别是使用Google Translate辅助时,机器翻译大体还是遵从了词性的对应,译者必须有意识地进行调整。

2.拆解句子结构,分合移位

切分、合并、移位是翻译中很常用的方法。目的是将原语言更自然地用目标语言表达出来,可以对原文进行切分、合并或是调整词组/从句的顺序。

  • My father was not wrong in judging me too young to manage business of importance. (我父亲认定我太年轻,办不了大事。他算是没说错。)原本很简单的一句话,译成中文后成了两句,但是表达的层次更清晰也更自然。再比如 Thank you for your advice and counsel 译为“谢谢你的忠告”,因为两个词实际是一个意思,重复只是一种语言手段,翻译可以考虑合并。

如果想要表达更通俗易懂,可以尽量使用短句。短句是否一定就是好,这点尚存争议,也取决于译者风格。句子越短,意味着对原文的拆解越彻底,译者发挥的自由度越高,也更有利于读者的理解与阅读,比如本段的表达。但与此同时,这种译法表达错误的几率也偏高,且更容易损失原文的味道。

3.被动语态的处理

被动语态是英语的惯用表达,例如 I was told that…中文里虽也有被动结构,比如上面这句话就可以翻作“我曾被告知……”,但是实际应用场景中,除非特意强调,例如“他被捕了“,通常并不会颠倒主谓宾。我们需要意识到,大多数情况下,被动结构本身并没有什么意义。特别是在技术类书籍中,因为没有特定的主语,所以被动结构成了常规表达方式,翻译时什么时候应该转为主动,什么时候应该沿用被动取决于译者当下的判断,并没有直接的判断标准。可以注意以下两点:

  • 被动转主动时,汉语中可以不需要主语;
  • 即便使用被动语态,被字有时也是可以省略的,例如“广告随处可见”;就算无法省略,汉语中还有其他助词可以表示被动,例如:受、遭、让、叫,等等,尽量避免“被”字连篇。

4.增词不增意,删词不减意

增词通常出于两种目的:一是用更多的词解释清楚原意,例如前面提到过的long Presidential drive;二是增加上下文之间的衔接词,比如“而且”、“所以”、“于是”等等,使表意更通畅。

减词的目的是改善汉语行文,例如 He shakes his head 就没有必要翻译为“他摇着他的头”,“他的”两个字就可以去掉。英文中因为严格的语法结构,其实很多代词、连词和介词都不需要逐词翻译出来,减掉不影响表达的词是保证汉语简洁的常用手段。

所以不论增词还是减词,目的都是使表达更符合汉语的表达习惯,而不是对原文的意思进行增减,在保证含义准确的前提下,译者自己可以把控这个度。

5.校对

翻译完成后一定要自己校对一遍!这点很重要!很多在翻译时觉得挺正常的表达,在最后校对时会觉得完全不通。校对一般脱离原稿,这时的目的除了修改错别字以外,最重要的就是调整表达。把自己当作一个陌生的读者,看译文是否达意。

写在最后

总结来说,对于偏标准化的专业类书籍,翻译没有所谓的门槛,是一种人人都可以尝试的学习方式。最大的障碍只有懒惰和不求甚解(其实是一回事)。马上又要到大量书籍等待认领的时候了,分享一些个人建议:

  1. 正如前面提到过的,选择的原著最好是自己感兴趣的领域;
  2. 翻译的效率高低与专注度正相关,因此翻译的时间尽量不要打得太碎;
  3. 针对专业书籍,最好创建并维护一个术语表,保证译语统一,特别是多人合作的情况下;
  4. 如果原作的格式较多,推荐使用markdown编辑器,Ulysses或者MacDown都不错;
  5. 魔鬼都在细节里,翻译过程中这点尤甚。格式、注释、术语等等细节问题尽量不要积压到最后一起处理,每一次的任务结束都尽量保证完整性和准确性,因为最后校对阶段极有可能不会再逐句对照原文检查。

最后,引用张玳老师在引荐《精益扩张》这本书的翻译工作时说过的话:“翻译是比较累的活,经济收入也不成正比,但是能带来名誉,锻炼语言,也可以磨练心志。”希望所有正在这条路上受苦受累的人,最终都能有所收获并乐在其中。


更多精彩洞见,请关注微信公众号:思特沃克

Share