机器翻译在实现即时翻译方面取得了很大的进展，但仍存在一些挑战。随着技术的发展，机器翻译系统的实时性逐渐提高。以下是一些主要因素：

  1. 算法和模型：随着深度学习的兴起，神经网络模型在机器翻译领域取得了很大的突破。基于神经网络的翻译模型（如Seq2Seq模型和Transformer模型）不仅在翻译质量上有所提升，而且在速度上也更快。此外，一些优化算法（如beam search）也被用于提高实时性。

  2. 处理能力：随着硬件技术的进步，计算能力大幅提升，使得机器能够更快地进行翻译推理。特别是在GPU（图形处理器）和TPU（张量处理器）等硬件加速器的配合下，机器翻译系统在实时性方面取得了很大的提升。

  3. 数据量和速度：机器翻译的实时性还与可用的训练数据量和处理速度密切相关。更多的训练数据可以提高翻译的准确性和速度。此外，数据预处理和模型优化等技术可以进一步提高实时性。

  虽然机器翻译已取得了很大进步，但仍面临一些挑战。比如：复杂的语言和语境、多义词、专业术语等难题仍然存在，这些因素可能会影响翻译的质量和速度。

  综上所述，机器翻译已经在实现即时翻译方面取得了很大进展，但仍需要进一步的研究和改进来提高实时性，并解决一些仍存在的挑战。