我要投稿

一眼读完一本书？别笑，真有人在干这事

发布日期：2025-10-21 10:15:28 浏览次数： 1541

作者：AI范儿

微信搜一搜，关注“AI范儿”

这两天 AI 圈子又炸锅了！

一个叫 DeepSeek-OCR 的新玩意儿，被好多人喊做“ AI 的 JPEG 时刻”。听着就挺酷炫，但到底啥意思？跟咱有啥关系？

今天就来用大白话聊聊。

你有没有想过——AI 有可能学不会的一项技能，居然是：扫一眼就能读完一本书。

听着是不是有点像科幻小说那味？

但今天咱聊的，不是玄幻，而是真实存在的新技术——光学压缩（Optical Compression）。

它的目标就是让 AI “一眼看完”，真的像人一样看图识世界。

AI 最大的老毛病：太能“卷”了

AI 界一直有个头疼的大难题：超长文本太难处理。

比如 GPT-4，强是强，但你要是给它扔一本几百页的小说，它就要开始“烧脑”了。

而且这可不是“多一倍字，多一倍计算”这么简单——是平方级增长。

简单说，字越多，AI 就越累，钱包也越疼。

这点我特别懂，毕竟我读完一本大部头的书，前面都忘光了。

AI 也差不多，它读着读着就把前面的关键细节给丢了。

突破点：别读字了，看图！

解决办法居然特别“人性化”——别再一个字一个字读了，直接拍照！

是的，这就是光学压缩的灵感：把整页、甚至整本书拍成一张图，让 AI 直接去“看图识文”。

▲ 传统的文本处理和光学压缩的文本处理

这张图片就不只是图片，而是一个信息密度爆炸的压缩包。

咱们平时不都说“一图胜千言”嘛？一张图片能顶好多文字。AI也是这个理儿。

一张扫描的文档图片，它包含的信息量，比你把这些文字一个字一个字打进去，要“轻”得多，也更“紧凑”。

AI 只需处理少得多的视觉符号，就能理解整本书的内容。

效率提升那叫一个离谱，真·降维打击。

真·技术派登场：DeepSeek OCR

光有想法不够，得有人真做出来。

于是 DeepSeek 团队推出了个新模型——DeepSeek OCR。

它的任务就一个：验证光学压缩到底靠不靠谱。

它的原理也简单：

第一步：用 Deep Encoder 压缩，把一整页文字变成一张浓缩图；

第二步：再用解码器“解压”，把文字原封不动还原回来。

▲ DeepSeek-OCR 包好压缩和解压两部分

整个模型的三个死目标：

1️⃣ 要能看超高清文字图；

2️⃣ 要超级省资源；

3️⃣ 用尽可能少的视觉符号表达尽可能多的信息。

每一条都精准命中“算力贵、效率低”的痛点。

效果有多炸？看数据

有个数据我看到都惊了：压缩 10 倍，还能保持 97% 准确率。

这基本就是无损压缩。

更狠的是，压到 20 倍，准确率还有 60%。

这效率，简直是“拿命在压”。

▲ DeepSeek-OCR 压缩比和精度

同场对比时，其他模型处理同样文档要几千个 token，而 DeepSeek OCR 只要一百来个。

▲ DeepSeek-OCR 用最少的 token 实现了顶尖的性能

这就叫——花最少的钱，办最大的事。

我突然想到：AI 也该学会“遗忘”

讲真，这技术让我想到一个挺哲学的问题。

我们的大脑，其实也是种“光学压缩”系统。

新记忆清晰得像高清照片，旧记忆慢慢糊成低清图。

你十年前的午饭吃了啥？肯定不记得，也没必要记。

也许 AI 也该这样——

记住重要的，模糊掉次要的。

不是过目不忘才聪明，学会遗忘，可能才更像人。

所以我想把这个问题留给你：

👉 对 AI 来说，“遗忘”到底是 bug，还是一种高级功能？

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-10-21

有效的 Context 工程（精读、万字梳理）｜见知录 004

2025-10-21

Agent与Workflow的技术落地实践与思考

2025-10-21

从大脑解码 AI，对话神经网络先驱谢诺夫斯基

2025-10-21

“AI优先”的时代必然性：揭秘企业坚定投资AI的真实商业回报

2025-10-21

AI Coding实践：CodeFuse + prompt 从系分到代码

2025-10-20

万字长文深度解析最新Deep Research技术：前沿架构、核心技术与未来展望

2025-10-20

端到端的多模态文档解析模型-DeepSeek-OCR架构、数据、训练方法

2025-10-20

Prompt 工程进阶——让 DeepSeek 学会你的测试风格

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

DeepSeek-V3.1 发布，迈向 Agent 时代的第一步

2025-08-21

DeepSeekV3.1 提到的 UE8M0 FP8 Scale 是什么？下一代国产芯片设计？

2025-08-21

DeepSeek V3.1 测评

2025-08-19

新版 GPT-5 刚刚发布，最卷 AI 连肝代码 7 小时，编程工具大洗牌开始了

2025-09-16

WAIC 2025 观察：大模型进入“效率与场景”决胜期

2025-07-29

AI大家说 | 下一代AI创业的机会在哪里？定价趋势是什么？

2025-09-08

阿里发布下一代企业级智能体开发框架AgentScope 1.0

2025-09-17

DeepSeek突然更新V3.1：实测后才发现的亮点与槽点

2025-08-19

实测 Sora 2 ：AI视频的“ChatGPT时刻”来了？八大场景教你解锁各种玩法（附邀请码）

2025-10-02

RagFLow v0.20.X全面解析！双向MCP、Agentic智能体...这次真的起飞了！（附长图）

2025-09-29

大家都在问

几乎都在挂羊头卖狗肉，AI Agent的泡沫现在到底有多大？

2025-10-20

AIOps探索：做AIOps智能体，是直接调用公共大模型还是要部署私有大模型？

2025-10-20

Agent 热潮下，语料如何成为 AI 落地与 ISV 变现的关键燃料？

2025-10-19

一文搞懂SFT vs RLHF：阿里、字节、腾讯都怎么用?

2025-10-18

Claude Skills 会替代 MCP 吗？

2025-10-18

从spec-kit到OpenSpec：规格驱动开发如何解决项目迭代痛点？

2025-10-18

大模型会替代搜索引擎么?

2025-10-16

OpenAI“隐秘客户榜”曝光：谁在烧掉上万亿Token？

2025-10-16

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB