上海
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？
【参考】： https://github.com/deepseek-ai/DeepSeek-OCR
本文由「AI 范儿」出品
感谢你看到这里，如果觉得不错，那就请帮忙点个赞、爱心、转发三连吧，这对我们非常有帮助。如果想第一时间收到推送，也可以给我们加个星标⭐
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
