技術(shù)的權(quán)杖交接，往往發(fā)生在不經(jīng)意間。

整理 | 夢(mèng)依丹

出品 | CSDN（ID：CSDNnews）

GitHub Star 超過(guò) 73.3k，百度 PaddleOCR 正式登頂全球最受歡迎 OCR 項(xiàng)目，超越長(zhǎng)達(dá)近 40 年的行業(yè)絕對(duì)標(biāo)桿——由 Google 維護(hù)的 Tesseract OCR。

截止發(fā)文， PaddleOCR Star 已超 73.7k

大模型時(shí)代的“眼睛”：為什么 OCR 突然變卷了？

在這個(gè)大模型滿天飛的時(shí)代，大家都在卷參數(shù)、卷長(zhǎng)文本。但我們心里都清楚一個(gè)尷尬的現(xiàn)實(shí)：如果你的 RAG 系統(tǒng)，連前置丟進(jìn)去的復(fù)雜 PDF 表格都識(shí)別得錯(cuò)漏百出，后面的大模型再聰明也是“垃圾進(jìn)，垃圾出（Garbage in, Garbage out）”。

OCR 就像是大模型的“眼睛”。眼睛如果高度近視，大腦怎么做決策？

正因如此，你會(huì)發(fā)現(xiàn)一個(gè)清晰的現(xiàn)象：從百度、騰訊、阿里到月之暗面、智譜、小紅書，甚至國(guó)外的 HuggingFace 和 Mistral，國(guó)內(nèi)外巨頭與獨(dú)角獸在 OCR 賽道上迎來(lái)了集體爆發(fā)。

他們搶的不是“認(rèn)字能力”，而是搶占通往現(xiàn)實(shí)世界的高價(jià)值數(shù)據(jù)入口。

以小博大，5M 參數(shù)如何硬剛千億模型？

PaddleOCR 開源于 2020 年，支持超 100 種語(yǔ)言識(shí)別，用戶更是覆蓋了 160 個(gè)國(guó)家和地區(qū)。

PaddleOCR 能在“百模大戰(zhàn)”中脫穎而出，靠的不是盲目堆算力，而是兩套“反直覺”的硬核邏輯。在今年的頂級(jí)視覺會(huì)議CVPR 2026上，其團(tuán)隊(duì)連續(xù)入選的兩篇重磅論文徹底解開了它的秘密：

PP-OCRv5：參數(shù)不一定越大越好

在這個(gè)言必稱“百億/千億參數(shù)”的時(shí)代，飛槳團(tuán)隊(duì)反其道而行之。他們通過(guò)精細(xì)化的“數(shù)據(jù)工程”（量化分析數(shù)據(jù)難度與多樣性），訓(xùn)出了一個(gè)僅有 5M 參數(shù)的模型。但就是這個(gè)極其袖珍的模型，在手寫、多語(yǔ)言等場(chǎng)景下的綜合表現(xiàn)，竟然超越了包括 GPT-4o 在內(nèi)的諸多千億參數(shù)大模型，徹底打破了傳統(tǒng)小模型的性能天花板。

論文地址：https://arxiv.org/pdf/2603.24373v1

PaddleOCR-VL：破解“高分辨率計(jì)算困境”

處理高清文檔時(shí)，大模型的視覺 Token 數(shù)量會(huì)呈二次方爆炸式增長(zhǎng)。飛槳團(tuán)隊(duì)首創(chuàng)了“由粗到細(xì)（Coarse-to-Fine）”架構(gòu)，先用輕量模塊精準(zhǔn)定位有效區(qū)域，再讓核心模型（僅 0.9B 參數(shù)）進(jìn)行處理。這一巧妙設(shè)計(jì)使其視覺 Token 數(shù)量暴降至競(jìng)品的 1/3，卻在 OmniDocBench V1.5 全球權(quán)威榜單上拿下了 94.5% 的 SOTA 成績(jī)，穩(wěn)居全球綜合性能第一。

論文地址：https://arxiv.org/pdf/2603.24326

注：這兩篇論文一作崔程將出席「2026 奇點(diǎn)智能技術(shù)大會(huì)」并現(xiàn)場(chǎng)帶來(lái)「飛槳PaddleOCR最新技術(shù)與產(chǎn)業(yè)實(shí)踐」主題分享

PaddleOCR-VL 在 OmniDocBench v1.5 評(píng)測(cè)中，以最少的視覺 Token 和參數(shù)量實(shí)現(xiàn)了 SOTA（全球領(lǐng)先）性能

從“看清”到“做完”：奇點(diǎn)技術(shù)大會(huì)上的“Agent+OCR”實(shí)戰(zhàn)

在底層模型登頂之后，接下來(lái)的終極命題是：如何將這雙極其銳利的“眼睛”，裝到能夠自動(dòng)干活的 Agent 身上？

這正是企業(yè)數(shù)字化轉(zhuǎn)型與 AI 落地的深水區(qū)。

在即將于 4 月 17-18 日在上海舉辦的「2026 奇點(diǎn)智能技術(shù)大會(huì)」上，我們榮幸邀請(qǐng)到了百度飛槳 PaddleOCR、PaddleX 等套件技術(shù)負(fù)責(zé)人崔程。

崔程不僅參與了飛槳 PP 系列 80 余個(gè)核心模型的研發(fā)，更是 10 余項(xiàng)國(guó)際 AI 競(jìng)賽（包括 CVPR/ICCV 等）的金牌得主。在本次大會(huì)上，他將帶來(lái)題為 《飛槳 PaddleOCR 最新技術(shù)與產(chǎn)業(yè)實(shí)踐》 的重磅分享。

這場(chǎng)分享拒絕紙上談兵，將直接針對(duì)企業(yè)最痛的“復(fù)雜文檔解析”場(chǎng)景，交出一份全鏈路的工程答卷?，F(xiàn)場(chǎng)核心看點(diǎn)包括：

• OCR 現(xiàn)狀與痛點(diǎn)剖析： 從一線業(yè)務(wù)視角，拆解大模型時(shí)代在異形框定位（傾斜、彎折文檔）與復(fù)雜表格理解中的真實(shí)挑戰(zhàn)；

• PaddleOCR 核心技術(shù)解碼： 深入分享支撐 PaddleOCR 登頂?shù)牡讓铀惴ㄟ壿嬇c“數(shù)據(jù)為中心”的優(yōu)化策略；

• PaddleOCR 3.0 重磅升級(jí)： 全面解讀新一代模型與官方 API 的新特性，看它是如何與文心大模型打出“雙向賦能”組合拳的；

• PaddleOCR + Agent 工具解析： 現(xiàn)場(chǎng)演示如何將極致的 OCR 感知能力，深度融合進(jìn) Agent 自動(dòng)化工作流中。從信息抽取到知識(shí)庫(kù)構(gòu)建，手把手教你打造高效率的復(fù)雜文檔自動(dòng)解析引擎。

如果你正在苦惱于大模型的 RAG 數(shù)據(jù)清洗質(zhì)量，如果你想知道如何用最低的算力成本搞定最難的金融/醫(yī)療文檔，這場(chǎng)硬核分享，絕對(duì)不容錯(cuò)過(guò)。

關(guān)于奇點(diǎn)智能技術(shù)大會(huì)

奇點(diǎn)智能技術(shù)大會(huì)是由深耕多年的「全球機(jī)器學(xué)習(xí)技術(shù)大會(huì)」重磅升級(jí)而來(lái)。為了讓這些前沿技術(shù)真正能夠“落地”，本次大會(huì)深度梳理了 12 大核心技術(shù)專題，力求覆蓋從底層 Infra 基礎(chǔ)設(shè)施到頂層 Agent 系統(tǒng)架構(gòu)的全生命周期。

我們不再滿足于宏觀的趨勢(shì)判斷，而是深入到了“智能體工程落地”、“AI 原生軟件研發(fā)”、“AI Infra 基礎(chǔ)設(shè)施與運(yùn)維”、“具身智能與多模態(tài)行業(yè)實(shí)踐”等深水 區(qū)，力求還原那些最真實(shí)的工程決策過(guò)程。

目前大會(huì)全日程已出爐，誠(chéng)邀全球 AI 產(chǎn)業(yè)參與者積極加入，共同捕捉前沿趨勢(shì)，探索產(chǎn)業(yè)升級(jí)路徑，推動(dòng) AI 走向更廣闊的應(yīng)用場(chǎng)景。期待與每一位同行者攜手見證 AI 時(shí)代的新篇章 ！