DeepSeek-OCR 2重磅發布：AI學會「人類視覺邏輯」，以因果流解讀圖片

華爾街見聞

01/27

DeepSeek發布新一代光學字符識別系統，通過讓AI以類似人類的邏輯順序理解圖像，在視覺識別領域實現技術突破。這一進展可能重塑文檔處理、圖表分析等依賴複雜視覺理解的應用場景。27日，DeepSeek發布了DeepSeek-OCR 2系統。該系統採用名為DeepEncoder V2的新方法，使AI能夠像人類一樣按照邏輯順序「看」圖像。這項技術的核心創新在於改變了傳統AI處理圖像的方式。...

網頁鏈接

免責聲明：投資有風險，本文並非投資建議，以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請，作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考，不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證，投資者應自行研究並在投資前尋求專業建議。

熱議股票

{"basename":"/hant","ssrTDKData":{"titleTemplate":"%s - 老虎證券","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":"老虎證券,老虎證券開戶,老虎券商,老虎證券官網,老虎證券app,tigertrade老虎證券,股票,炒股,新加坡股票交易平臺,投資,投資理財","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/hant/news/1109241486"},"companyName":"老虎證券"},"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:\"1109241486\",edition:\"fundamental\",auth_exemption:1,,,undefined,":{"share":"https://ttm.financial/m/news/1109241486?lang=zh_TW&edition=fundamental","thumbnail":"https://static.tigerbbs.com/760056d3ed9e8c1a595c0d9f2094cc4d","is_english":false,"pubTime":"2026-01-27 13:54","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"1109241486","market":"us","top_or_hot":-1,"title":"DeepSeek-OCR 2重磅發布：AI學會「人類視覺邏輯」，以因果流解讀圖片","media":"華爾街見聞","content":"<div>\n<p>DeepSeek發布新一代光學字符識別系統，通過讓AI以類似人類的邏輯順序理解圖像，在視覺識別領域實現技術突破。這一進展可能重塑文檔處理、圖表分析等依賴複雜視覺理解的應用場景。27日，DeepSeek發布了DeepSeek-OCR 2系統。該系統採用名為DeepEncoder V2的新方法，使AI能夠像人類一樣按照邏輯順序「看」圖像。這項技術的核心創新在於改變了傳統AI處理圖像的方式。...</p>\n\n<a href=\"https://wallstreetcn.com/articles/3764241\">網頁鏈接</a>\n\n</div>\n","source":"lsy1762389672944","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>DeepSeek-OCR 2重磅發布：AI學會「人類視覺邏輯」，以因果流解讀圖片</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: 12.5px; color: #7E829C; margin: 0;}\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\">\nDeepSeek-OCR 2重磅發布：AI學會「人類視覺邏輯」，以因果流解讀圖片\n</h2>\n<h4 class=\"meta\">\n<p class=\"head\">\n<strong class=\"h-name small\">華爾街見聞</strong><span class=\"h-time small\">2026-01-27 13:54</span>\n</p>\n</h4>\n</header>\n<article>\n<div>\n<p>DeepSeek發布新一代光學字符識別系統，通過讓AI以類似人類的邏輯順序理解圖像，在視覺識別領域實現技術突破。這一進展可能重塑文檔處理、圖表分析等依賴複雜視覺理解的應用場景。27日，DeepSeek發布了DeepSeek-OCR 2系統。該系統採用名為DeepEncoder V2的新方法，使AI能夠像人類一樣按照邏輯順序「看」圖像。這項技術的核心創新在於改變了傳統AI處理圖像的方式。...</p>\n\n<a href=\"https://wallstreetcn.com/articles/3764241\">網頁鏈接</a>\n\n</div>\n\n<div class=\"bt-text\">\n\n\n<p> 來源：<a href=\"https://wallstreetcn.com/articles/3764241\">華爾街見聞</a></p>\n<p>為提升您的閱讀體驗，我們對本頁面進行了排版優化</p>\n\n\n</div>\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"DXYZ","symbol_name":"Destiny Tech100 Inc","start_time":0,"source_url":"https://wallstreetcn.com/articles/3764241","article_id":"1109241486","we_media_id":null,"thumbnails":["https://static.tigerbbs.com/760056d3ed9e8c1a595c0d9f2094cc4d"],"rights":{"source":"lsy1762389672944","url":"https://wallstreetcn.com/articles/3764241","rn_cache_url":null,"directOrigin":true},"url":"https://stock-news.laohu8.com/highlight/detail?id=1109241486","pubTimestamp":1769493254,"columns":[],"sourceInfo":{"source_id":"lsy1762389672944","name":"华尔街见闻"},"weMediaInfo":null,"summary":"27日，DeepSeek發布全新DeepSeek-OCR 2模型，採用創新的DeepEncoder V2方法，讓AI能夠根據圖像的含義動態重排圖像的各個部分，而不再只是機械地從左到右掃描。這種方式模擬了人類在觀看場景時所遵循的邏輯流程。最終，該模型在處理佈局複雜的圖片（如文檔或圖表）時，表現優於傳統的視覺-語言模型，實現了更智能、更具因果推理能力的視覺理解。","collect":0,"end_time":0,"defaultTopTitle":"wallstreetcn.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"DXYZ":"Destiny Tech100 Inc","MSFT":"微软"},"translate_title":"DeepSeek releases DeepSeek-OCR 2, AI can \"see\" a picture in the same logical order as humans","themeId":"3c650c8d672f70f8f1306411590e67e4","isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"DXYZ":2,"MSFT":2},"content_text":"DeepSeek發布新一代光學字符識別系統，通過讓AI以類似人類的邏輯順序理解圖像，在視覺識別領域實現技術突破。這一進展可能重塑文檔處理、圖表分析等依賴複雜視覺理解的應用場景。27日，DeepSeek發布了DeepSeek-OCR 2系統。該系統採用名為DeepEncoder V2的新方法，使AI能夠像人類一樣按照邏輯順序「看」圖像。這項技術的核心創新在於改變了傳統AI處理圖像的方式。DeepEncoder V2讓AI基於圖像含義動態重新排列圖像片段，而非傳統的從左到右剛性掃描。這種方法模仿了人類追隨場景邏輯流的方式。根據DeepSeek公布的技術報告，DeepSeek-OCR 2在多項關鍵指標上展現出顯著優勢。在OmniDocBench v1.5基準測試中，該模型取得了91.09%的成績，相較於前代DeepSeek-OCR提升了3.73%。值得注意的是，該模型在保持極高精度的同時，嚴格控制了計算成本，其視覺Token數量被限制在256至1120之間，這一上限與Google的Gemini-3 Pro保持一致。 在實際生產環境中，該模型在處理在線用户日誌和PDF預訓練數據時的重複率分別下降了2.08%和0.81%，顯示出極高的實用成熟度。模擬人類視覺的「因果流」邏輯根據DeepSeek公布的技術報告，現有的視覺語言模型（VLMs）通常採用固定的光柵掃描順序（光柵掃描順序）處理圖像切片，即機械地從左上角掃描至右下角。DeepSeek團隊指出，這種方式引入了不必要的歸納偏差，與人類視覺感知背道而馳。 人類在閲讀複雜文檔、表格或追蹤螺旋線條時，視線是受語義理解驅動的「因果流」，後一次注視往往因果依賴於前一次注視，而非單純的空間座標移動。受此認知機制啓發，DeepSeek-OCR 2的核心組件DeepEncoder V2被設計用於賦予編碼器因果推理能力。通過引入可學習的「因果流查詢」（Causal Flow Queries），模型能夠在進入LLM解碼器進行內容解釋之前，先在編碼階段就對視覺信息進行智能重排序。這實際上構建了一個兩級級聯的1D因果推理結構：首先由編碼器在語義上重組視覺Token，隨後由解碼器對有序序列進行自迴歸推理。 這種設計不僅符合光學文本、表格和公式的非線性佈局特徵，還有效彌補了2D圖像結構與1D語言建模之間的鴻溝。棄用CLIP架構，轉向LLM式編碼器DeepEncoder V2在架構上實施了重大變革，將DeepEncoder中原有的CLIP組件替換為緊湊的LLM式架構（具體為Qwen2-0.5B）。為了實現並行處理，新架構引入了一組可學習的查詢向量，稱為「因果流Token」，並將原始視覺Token作為前綴拼接到序列中。該架構採用了一種定製化的注意力掩碼（Attention Mask）策略：視覺Token部分：保留雙向注意力機制，確保模型能夠像CLIP一樣擁有全局感受野，捕捉圖像的整體特徵。因果流Token部分：採用因果注意力機制（類似Decoder-only LLM），每個查詢Token只能關注之前的Token。通過這種設計，視覺Token保持了信息的全局交互，而因果流Token則獲得了重排序視覺信息的能力。DeepSeek-OCR 2採用了多裁剪策略（Multi-crop strategy），根據圖像分辨率不同，最終輸入LLM的重排序視覺Token總數在256到1120之間。這一數量級顯著低於部分競品高達6000以上的Token消耗，在保證高性能的同時大幅降低了計算開銷。性能顯著提升與生產環境驗證在OmniDocBench v1.5的綜合評估中，DeepSeek-OCR 2表現優異。數據顯示，在同樣的訓練數據源下，新模型相較於DeepSeek-OCR基線模型取得了3.73%的性能提升。特別是在閲讀順序（Reading Order）的編輯距離（Edit Distance）指標上，DeepSeek-OCR 2從0.085顯著降低至0.057，這直接驗證了DeepEncoder V2在邏輯重排序方面的有效性。除了基準測試，DeepSeek還披露了該模型在實際生產管線中的表現。DeepSeek-OCR 2主要服務於DeepSeek-LLMs的在線OCR服務及PDF預訓練數據處理。在沒有真值（Ground Truth）的生產環境中，重複率（Repetition Rate）是衡量質量的核心指標。數據顯示，在處理在線用户日誌圖像時，DeepSeek-OCR 2將重複率從6.25%降低至4.17%;在PDF數據生產中，重複率從3.69%降至2.88%。這表明新模型在生成高質量、低冗餘的文本數據方面具備極高的實用價值。通向原生多模態與真正的2D推理DeepSeek-OCR 2的發布不僅是一次OCR性能的升級，更具有深遠的架構探索意義。DeepEncoder V2初步驗證了使用語言模型架構作為視覺編碼器的潛力。這種架構天然繼承了LLM社區在基礎設施優化方面的成果，如混合專家（MoE）架構和高效注意力機制。DeepSeek團隊認為，這為邁向統一的全模態編碼器提供了一條有希望的路徑。未來，單一編碼器可能通過配置特定模態的可學習查詢，在同一參數空間內實現對圖像、音頻和文本的特徵提取與壓縮。DeepSeek-OCR 2所展示的「兩個級聯的1D因果推理器」模式，通過將2D理解分解為「閲讀邏輯推理」和「視覺任務推理」兩個互補子任務，或許代表了實現真正2D推理的一種突破性架構方法。","kind":"news","is_publish_news":true,"is_publish_highlight":true,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"corporation","news_rank":0,"symbols":[],"gpt_button":0,"need_auth":false,"code":"91000000","status":"200"}}}