事项：
　　 2025年10月20日，DeepSeek团队开源视觉文本压缩模型DeepSeek-OCR，通过光学压缩技术实现多模态文档的高效解析与跨语言处理。
　　评论：
　　DeepSeek-OCR实现高效近无损文本图像处理。DeepSeek-OCR是一款创新型多模态模型，其核心创新在于提出“上下文光学压缩”（Contexts OpticalCompression）技术，通过将文本转化为图像实现高效信息压缩。模型架构分为视觉编码器DeepEncoder和轻量级解码器DeepSeek3B-MoE两部分。DeepEncoder基于SAM+CLIP双结构设计，通过局部窗口注意力和双层16倍卷积压缩模块，显著减少视觉token数量（如1024×1024图像仅需256个token）；解码器则采用混合专家（MoE）机制，推理时仅激活5.7亿参数，兼顾高效与性能。其主打优势包括：10倍压缩比下实现97%近无损解码精度、单A100 GPU日处理20万页数据的超高效率，以及在OmniDocBench基准中以100视觉token超越竞品256token的卓越表现。
　　 DeepSeek-OCR的多模态架构在高低分辨率下均保持高效压缩性能。DeepSeek-OCR的创新性体现在三方面：首先，DeepEncoder支持多分辨率模式，从轻量Tiny到高保真Gundam，可自适应不同复杂度任务；其次，其数据引擎覆盖3000万页多语言文档及图表、化学式等OCR 2.0数据，赋予模型跨模态解析能力；最后，训练流程采用两阶段策略——先独立训练DeepEncoder完成视觉压缩，再联合训练完整模型优化解压能力。实验显示，模型在Fox基准的10倍压缩下精度达97%，20倍压缩仍保持60%，验证了光学压缩的可行性。此外，Gundam-master模式通过600万条数据微调，进一步提升了超高分辨率输入的处理能力。模型在处理不同类型文档时展现出差异化需求，这种灵活性使其在实际应用中能根据不同场景动态调整计算资源。
　　 DeepSeek-OCR以视觉压缩赋能多领域文档智能处理与跨语言分析。DeepSeek-OCR的实用价值体现在三领域：一是为LLM/VLM预训练提供高效数据生成方案，如在金融报告中自动提取图表结构化信息；二是支持STEM领域专业化解析，如将化学式转化为SMILES格式；三是突破长上下文算力瓶颈，通过视觉token替代文本token减少计算开销。模型还具备多语言兼容性（支持近百种语言）和通用视觉理解能力（如图像描述、目标检测）。团队指出，该技术为大模型优化信息表达方式提供了新思路，未来或可通过选择性压缩模拟人类遗忘机制，实现更智能的长文本处理。值得注意的是，该模型在20个A100节点上日处理3300万页数据的吞吐能力，以及对小语种（如阿拉伯语、僧伽罗语）的良好支持，使其在全球化商业部署中具有显著优势，这种"视觉即压缩"的范式可能重塑未来大语言模型的输入方式。
　　投资建议：建议关注AI细分景气方向：
　　国产算力：阿里巴巴、寒武纪、海光信息、中科曙光、景嘉微、龙芯中科等。
　　企业服务：1）办公：金山办公、合合信息、福昕软件；2）多模态：海康威视、快手、三六零、虹软科技；3）ERP：金蝶国际、用友网络、聚水潭；4）OA：泛微网络、致远互联；5）编程：卓易信息；6）营销：迈富时、明源云。
　　应用场景：1）金融：大智慧、同花顺、恒生电子、第四范式、宇信科技、京北方、中科金财；2）教育：科大讯飞、视源股份、新开普、佳发教育；3）法律：华宇软件、金桥信息；4）医疗：阿里健康、卫宁健康、讯飞医疗科技、晶泰控股；5）电商：焦点科技；6）安全：深信服；7）工业：华大九天、中控技术、中望软件、索辰科技；8）军用：中科星图、太极股份、能科科技等。
　　风险提示：技术进展不及预期；模型落地不及预期；商业落地不及预期。