AI产品｜全球第一的OCR模型背后：百度如何用‘小模型’开启AI理性时代？

AI创智记

10/19

全球权威榜单OmniDocBench V1.5最新排名显示，百度最新模型“PaddleOCR-VL”以92.6分夺得综合性能第一，参数仅0.9B的“小模型”战胜了参数量数十倍于己的对手。在人工智能领域“更大即更好”逐渐成为主流思维的今天，百度却走了一条不同的路。PaddleOCR-VL的登顶，向世界展示了一条更高效、更实用的技术发展路径。01四大核心能力全线SOTA，超轻参数模型的全面突破在全球...

网页链接

免责声明：投资有风险，本文并非投资建议，以上内容不应被视为任何金融产品的购买或出售要约、建议或邀请，作者或其他用户的任何相关讨论、评论或帖子也不应被视为此类内容。本文仅供一般参考，不考虑您的个人投资目标、财务状况或需求。TTM对信息的准确性和完整性不承担任何责任或保证，投资者应自行研究并在投资前寻求专业建议。

热议股票

{"basename":"/hans","ssrTDKData":{"titleTemplate":"%s - 老虎证券","title":"老虎证券全球投资理财平台| 一站式投资美股新股港股A股","description":"老虎证券助您一站式投资美股，新股，港股，A股等全球金融理财产品。新加坡华人最信赖的在线投资平台，现在加入即享低费用，24/5 无时差炒美股投资理财！","keywords":"老虎证券,老虎证券开户,老虎券商,老虎证券官网,老虎证券app,tigertrade老虎证券,股票,炒股,新加坡股票交易平台,投资,投资理财","social":{"ogDescription":"老虎证券助您一站式投资美股，新股，港股，A股等全球金融理财产品。新加坡华人最信赖的在线投资平台，现在加入即享低费用，24/5 无时差炒美股投资理财！","ogImage":"https://c1.itigergrowtha.com/portal5/static/media/og-logo.be62fbe1.png","ogUrl":"https://www.itiger.com/hans/news/2576407621"},"companyName":"老虎证券"},"pageData":{"isMobile":false,"isTiger":false,"isTTM":true,"region":"SGP","license":"TBSG","edition":"fundamental"},"isCrawlerRequest":true,"__swrFallback__":{"@#url:\"https://stock-news.skytigris.cn/v3/news\",params:#id:\"2576407621\",edition:\"fundamental\",auth_exemption:1,,,undefined,":{"share":"https://ttm.financial/m/news/2576407621?lang=zh_CN&edition=fundamental","thumbnail":"","is_english":false,"pubTime":"2025-10-19 20:41","share_image_url":"https://static.laohu8.com/9a95c1376e76363c1401fee7d3717173","id":"2576407621","market":"hk","top_or_hot":-1,"title":"AI产品｜全球第一的OCR模型背后：百度如何用‘小模型’开启AI理性时代？","media":"AI创智记","content":"<div>\n<p>全球权威榜单OmniDocBench V1.5最新排名显示，百度最新模型“PaddleOCR-VL”以92.6分夺得综合性能第一，参数仅0.9B的“小模型”战胜了参数量数十倍于己的对手。在人工智能领域“更大即更好”逐渐成为主流思维的今天，百度却走了一条不同的路。PaddleOCR-VL的登顶，向世界展示了一条更高效、更实用的技术发展路径。01四大核心能力全线SOTA，超轻参数模型的全面突破在全球...</p>\n\n<a href=\"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251019204302a4682546&s=b\">网页链接</a>\n\n</div>\n","source":"tencent","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>AI产品｜全球第一的OCR模型背后：百度如何用‘小模型’开启AI理性时代？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\nAI产品｜全球第一的OCR模型背后：百度如何用‘小模型’开启AI理性时代？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-10-19 20:41 北京时间&nbsp;&nbsp;&nbsp;<a href=http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251019204302a4682546&s=b><strong>AI创智记</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>全球权威榜单OmniDocBench V1.5最新排名显示，百度最新模型“PaddleOCR-VL”以92.6分夺得综合性能第一，参数仅0.9B的“小模型”战胜了参数量数十倍于己的对手。在人工智能领域“更大即更好”逐渐成为主流思维的今天，百度却走了一条不同的路。PaddleOCR-VL的登顶，向世界展示了一条更高效、更实用的技术发展路径。01四大核心能力全线SOTA，超轻参数模型的全面突破在全球...</p>\n\n<a href=\"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251019204302a4682546&s=b\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"LU0543330566.HKD","symbol_name":"TEMPLETON BRIC \"A\" (HKD) ACC","start_time":0,"source_url":"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251019204302a4682546&s=b","article_id":"2576407621","we_media_id":null,"thumbnails":[],"rights":{"source":"tencent","url":"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251019204302a4682546&s=b","rn_cache_url":null,"customStyle":"body{padding-top:10px;}#news_title{font-weight:bold;#titleStyle#;}#news_description span{font-size:12px;#descriptionStyle#;}.footer-note{#statement#}","selectors":".mod-LoadTzbdNews, body","filters":".relate-stock, .hot-list, .recom-box, .wx-sou","directOrigin":true},"url":"https://stock-news.laohu8.com/highlight/detail?id=2576407621","pubTimestamp":1760877675,"columns":[],"sourceInfo":{"source_id":"tencent","name":"腾讯"},"weMediaInfo":null,"summary":"全球权威榜单OmniDocBench V1.5最新排名显示，百度最新模型“PaddleOCR-VL”以92.6分夺得综合性能第一，参数仅0.9B的“小模型”战胜了参数量数十倍于己的对手。PaddleOCR-VL的成功，验证了工程主义导向在AI时代的价值。这种“小模型”趋势并非技术退步，而是AI发展进入理性阶段的标志。对于OCR这种“边界清晰、结果可量化”的任务，专用模型往往比通用大模型更具优势。未来AI发展可能会形成分层格局：通用大模型负责宽泛的认知任务，专用小模型处理垂直领域的特定问题。","collect":0,"end_time":0,"defaultTopTitle":"qq.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"89888":"百度集团-SWR","LU0543330566.HKD":"TEMPLETON BRIC \"A\" (HKD) ACC","LU0163747925.USD":"EASTSPRING INVESTMENTS ASIAN EQUITY A ACC","LU0307460666.USD":"EASTSPRING INVESTMENTS CHINA EQUITY \"A\" ACC","BK1588":"回港中概股","LU0315179316.USD":"EASTSPRING INVESTMENTS ASIAN DYNAMIC \"A\" (USD) ACC","HK0000306685.HKD":"TAIKANG KAITAI CHINA NEW OPPORTUNITIES FUND \"A\" (HKD) INC","LU0823426480.USD":"法巴中国股票经典Dis","BK1095":"互动媒体与服务","LU0588546209.SGD":"Eastspring Investments - China Equity Fund AS SGD","BK1615":"港股-互联网","LU0823426308.USD":"法巴中国股票基金","HK0000320223.HKD":"TAIKANG KAITAI CHINA NEW OPPORTUNITIES FUND \"A\" (HKD) ACC","LU0856984785.SGD":"HSBC GIF MANAGED SOLUTIONS ASIA FOCUSED GROWTH \"ACH\" (SGDHDG) ACC","LU0762542818.HKD":"HSBC GIF MANAGED SOLUTIONS ASIA FOCUSED INCOME \"AM\" (HKD) INC","LU0229945570.USD":"TEMPLETON BRIC \"A\" (USD) ACC","LU1048588211.SGD":"Blackrock Asian Dragon A2 SGD-H","SG9999014674.SGD":"Nikko AM All China Equity A SGD","LU1328615791.USD":"FULLERTON LUX FUNDS - ALL CHINA EQUITIES \"I\" (USD) ACC","LU0072462343.USD":"贝莱德亚洲巨龙基金","BK1587":"次新股","LU1048596156.SGD":"Blackrock Asian Growth Leaders A2 SGD-H","SG9999002828.SGD":"Eastspring Investments Unit Trusts - Dragon Peacock A SGD","SG9999002463.SGD":"LionGlobal China Growth SGD","LU0708995583.HKD":"TEMPLETON CHINA \"A\" (HKD) ACC","LU0051755006.USD":"摩根大通中国A (dist)","LU0456827905.SGD":"JPMorgan Funds - China A (acc) SGD","LU0762541174.USD":"HSBC GIF MANAGED SOLUTIONS ASIA FOCUSED INCOME \"AM2\" (USD) INC","BK1609":"ChatGPT概念","LU0831093199.SGD":"HSBC GIF MANAGED SOLUTIONS ASIA FOCUSED INCOME \"AM3\" (SGDHDG) INC","LU0326950275.SGD":"Schroder ISF China Opportunities A Acc SGD-H","LU0320764599.SGD":"FTIF - Templeton China A Acc SGD","LU0052750758.USD":"富兰克林中国基金A Acc","LU1023057109.AUD":"BGF CHINA \"A2\" (AUDHDG) ACC","LU0630378429.USD":"HSBC GIF ASIA PACIFIC EX JAPAN EQ HD \"AM2\" (USD) INC","LU2778985437.USD":"ALLIANZ CHINA FUTURE TECHNOLOGIES \"A\" (USD) INC","LU0640798160.USD":"EASTSPRING INVESTMENTS GLOBAL EMERGING MARKET DYNAMIC \"A\" (USD) ACC","LU2039709279.SGD":"MANULIFE GF DRAGON GROWTH \"AA\" (SGDHDG) INC","LU0197773160.USD":"HSBC GIF ASIA PACIF EX JAPAN EQ HD \"AC\" ACC","IE0034224299.USD":"PINEBRIDGE ASIA EX JAPAN EQUITY \"A\" (USD) ACC","LU0762540952.USD":"HSBC GIF MANAGED SOLUTIONS ASIA FOCUSED INCOME \"AC\" (USD) ACC","LU0359201612.USD":"贝莱德中国基金A2","09888":"百度集团-SW","LU0287142896.SGD":"Fidelity China Focus A-SGD","LU0173614495.USD":"富达中国焦点A","LU0197773673.USD":"HSBC GIF ASIA PACIF EX JAPAN EQ HD \"AS\" (USD) INC","BIDU":"百度","LU0039217434.USD":"HSBC GIF CHINESE EQUITY \"AD\" INC","LU0417516738.SGD":"Allianz Hong Kong Equity AT Acc SGD","LU0228367735.SGD":"Eastspring Investments - Asian Equity Fund AS SGD"},"translate_title":"AI products | Behind the world's number one OCR model: How does Baidu use'small models' to open the era of AI rationality?","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"89888":0.6,"09888":0.9,"BIDU":0.6},"content_text":"全球权威榜单OmniDocBench V1.5最新排名显示，百度最新模型“PaddleOCR-VL”以92.6分夺得综合性能第一，参数仅0.9B的“小模型”战胜了参数量数十倍于己的对手。在人工智能领域“更大即更好”逐渐成为主流思维的今天，百度却走了一条不同的路。PaddleOCR-VL的登顶，向世界展示了一条更高效、更实用的技术发展路径。01四大核心能力全线SOTA，超轻参数模型的全面突破在全球权威文档解析评测榜单OmniBenchDoc V1.5中，PaddleOCR-VL以92.6分的优异成绩取得综合性能全球第一。该模型在文本识别、公式识别、表格理解与阅读顺序四项核心能力上全线获得SOTA（当前最先进水平）评价。令人惊叹的是，取得这一成就的模型参数量仅为0.9B（9亿），与主流大模型动辄数十亿甚至上百亿的参数量形成鲜明对比。它不仅超越了GPT-4o、Gemini-2.5 Pro等通用多模态大模型，还击败了MonkeyOCR-Pro-3B、MinerU2.5等专业OCR模型。在具体性能指标上，PaddleOCR-VL实现了文本编辑距离仅0.035、公式识别CDM91.43、表格TEDS93.52、阅读顺序预测误差值0.043的纪录级表现。这些数字代表着模型在字符识别准确性、复杂结构理解方面的卓越能力。更令人印象深刻的是其推理效率：在单张A100 GPU上，PaddleOCR-VL每秒可处理1881个Token，推理速度较 MinerU2.5提升14.2%，较 dots.ocr 提升253.01%。这种高性能与高效率的结合，正是当前AI产业应用最需要的特性。02两阶段混合架构，专精型模型的技术创新PaddleOCR-VL的成功并非偶然，而是其创新架构设计的必然结果。与传统端到端方案不同，它采用了两阶段混合架构。第一阶段由PP-DocLayoutV2模型负责版面检测与阅读顺序预测，精准定位文档中的文本、表格、公式、图表等元素。第二阶段由PaddleOCR-VL-0.9B识别并结构化输出各元素内容。这种分工明确的架构带来了显著优势。与端到端方案相比，它在复杂版面中表现更为稳定和高效，能有效避免多模态模型常见的幻觉与错位问题。PaddleOCR-VL融合了NaViT动态分辨率视觉编码器与ERNIE-4.5-0.3B语言模型，在精度与效率上取得双重突破。NaViT风格的动态分辨率视觉编码器支持原生分辨率处理，避免图像缩放失真，保持细节和全局结构。模型支持109种语言，覆盖中文、英语、法语、日语、俄语、阿拉伯语、西班牙语等多语场景。这种广泛的语言支持能力，使其具备了真正的全球化应用潜力。03超越传统OCR，像“人”一样理解文档与传统OCR仅能逐行识别文字不同，PaddleOCR-VL的核心突破在于其能够像人类一样读懂并理解复杂版面结构。对于复杂的多栏排版、图文混排、甚至从右至左的竖排古籍，PaddleOCR-VL都能精准解析，并自动还原符合人类阅读习惯的顺序。它能够精准区分标题、正文、图片与图注，确保信息无遗漏、逻辑不混乱。在表格处理方面，PaddleOCR-VL不仅能提取文字内容，还能理解表格的逻辑结构，包括合并单元格等复杂情况，并直接输出结构化的HTML或Markdown代码。对于数学公式，它能精准识别并转换为标准的LaTeX表达式。模型在面对复杂文档、手写稿、历史档案识别等高难度场景时表现稳定。这一能力对于古籍数字化、档案信息化等工作具有重要价值，为知识保存和传承提供了技术保障。04轻量化设计的产业意义，从技术优势到应用价值PaddleOCR-VL的轻量化设计具有深刻的产业意义。在AI应用日益广泛的今天，计算成本、部署难度和运行效率成为决定技术能否大规模落地的关键因素。传统大模型需要昂贵的高性能显卡才能运行，而大多数普通企业的生产线上可能只有普通电脑或服务器。PaddleOCR-VL的轻量架构使其能够在资源受限的环境中顺利部署和运行。这种特性使得PaddleOCR-VL特别适合政企文档管理、知识检索、档案数字化、科研信息抽取等文档智能任务。这些场景通常涉及大量文档处理，对成本和效率极为敏感。模型的结构化输出能力还能与RAG（检索增强生成）系统深度结合，为大模型提供高质量知识输入。这使得PaddleOCR-VL成为AI知识处理新阶段的重要基础设施，连接了传统文档数字化与现代大模型应用。在产业自动化中，高精度、低成本的OCR是规模化的关键。没有可靠的文字识别技术，大规模可持续自动化就无从谈起。PaddleOCR-VL的出现，正是满足了这一核心需求。05百度AI战略的深层布局，工程主义导向的技术哲学PaddleOCR-VL的成功是百度长期坚持工程主义技术哲学的成果。与其他公司追逐参数竞赛不同，百度选择了一条注重实际应用效果的技术路径。百度构建了从底层框架到顶层应用的完整技术栈。飞桨（PaddlePaddle）深度学习框架是PaddleOCR-VL的技术基础，作为全球首个产业级深度学习开源开源框架，已服务超过43万家企业，凝聚了1808万开发者。这种“框架+模型+应用”的全栈布局，使百度能够更好地协调不同层次的技术优化，实现系统性能的最大化。PaddleOCR-VL作为文心4.5的衍生模型，充分体现了百度在基础模型与垂直应用结合方面的战略思考。百度始终强调技术的产业落地价值。PaddleOCR自2020年开源以来，下载量已突破900万，被5.9k个开源项目直接使用。这种广泛的社区采纳，反过来又促进了技术的持续改进和优化。在“人工智能+”行动全面铺开的背景下，百度这种以解决实际问题为导向的技术路线，更符合产业数字化转型的需求。PaddleOCR-VL的成功，验证了工程主义导向在AI时代的价值。06“小而精”趋势的行业启示，AI发展的理性回归PaddleOCR-VL的登顶代表了一个重要趋势：AI发展正从一味求大向“小而精”回归。面对庞大模型的高能耗、高成本问题，产业界开始重新思考模型效率的重要性。当参数规模增长到一定程度后，边际效益递减规律开始发挥作用。 这种情况下，专而精的轻量化模型反而在特定领域展现出更大优势。这种“小模型”趋势并非技术退步，而是AI发展进入理性阶段的标志。当技术成熟度提高后，市场自然会区分不同场景的需求，选择最合适的技术方案。对于OCR这种“边界清晰、结果可量化”的任务，专用模型往往比通用大模型更具优势。轻量模型的兴起也为AI普惠化提供了可能。当模型可以在普通硬件上运行时，更多中小型企业甚至个人开发者就能享受到AI技术带来的红利。这种低门槛化，对AI技术的广泛传播和应用创新具有重要意义。未来AI发展可能会形成分层格局：通用大模型负责宽泛的认知任务，专用小模型处理垂直领域的特定问题。这种分工协作的生态体系，比单一模型包打天下更为健康可持续。///未来，随着“人工智能+”行动深入实施，AI技术将深度融入千行百业。百度PaddleOCR-VL的成功启示我们，中国在AI应用技术领域已具备定义技术方向和制定行业标准的能力。通用大模型解决认知问题，专用小模型处理垂直需求——这种分工协作的生态体系，可能正是AI技术真正融入产业的关键所在。","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"symbols":[],"gpt_button":0,"need_auth":false,"code":"91000000","status":"200"}}}