翻译工具行业的第一次革命是 1990 年代中期 Trados 带来的「翻译记忆」——它定义了过去 30 年所谓 CAT（Computer-Assisted Translation）工具的基本范式。
第二次革命是 2010 年代的云协作 CAT——MemoQ、Phrase、Memsource 把翻译项目从桌面搬到云端，解决了多人协同的问题。但它们的产品核心并没有变：还是「记忆 + 术语 + 分段」的那一套。
正在发生的第三次革命，不再是「把 AI 接进 CAT」，而是「用 LLM 重新设计 CAT 的每一个原子环节」。分段不再只是基于句号和断点，而是根据语义理解；TM 召回不再只是基于字符相似度，而是基于向量检索；术语注入不再只是简单替换，而是由模型在生成时感知风格与语境。
过去译者最头疼的「把 AI 的输出风格锁定」这件事，在 LLM-native 的架构里变成了可以工程化解决的问题：一份足够好的风格指南，加上针对当前项目的术语库与参考样例，可以把 LLM 的输出稳定在一个可交付的区间里。
这一轮革命的赢家不一定是今天的老牌 CAT 厂商。它们固然有客户、有数据，但产品架构的替换成本很高。对新玩家来说，这是 30 年难得一见的重新洗牌窗口。