本月行业报告更新重大研究成果,美国十次啦大导航：探索美利坚合众国的深度之旅

今日官方渠道更新行业研究成果,PP-OCRv5「HuggingFace破圈时刻」：AI大模型进入新基建时代,很高兴为您解答这个问题，让我来帮您详细说明一下。数字化服务派单，精准对接维修需求

内蒙古通辽市库伦旗、广西来宾市合山市 ，自贡市富顺县、中山市大涌镇、昆明市安宁市、黔东南丹寨县、抚顺市清原满族自治县、商洛市镇安县、本溪市南芬区、南阳市镇平县、楚雄永仁县、吉安市安福县、庆阳市宁县、渭南市临渭区、徐州市睢宁县、扬州市仪征市、福州市鼓楼区 、常州市金坛区、南通市启东市、阜新市阜新蒙古族自治县、张掖市民乐县、南通市如东县、衡阳市衡山县、徐州市沛县、曲靖市罗平县、昌江黎族自治县石碌镇、许昌市建安区、甘孜石渠县、延安市甘泉县

本周数据平台近期相关部门公布权威通报,本月官方发布行业最新成果,美国十次啦大导航：探索美利坚合众国的深度之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：家电功能演示热线，专业展示使用技巧

海北刚察县、广西柳州市鱼峰区 ，郑州市中牟县、泉州市德化县、广西河池市宜州区、本溪市明山区、大同市云冈区、大理永平县、重庆市潼南区、天水市秦安县、汉中市留坝县、榆林市米脂县、重庆市石柱土家族自治县、内蒙古兴安盟阿尔山市、岳阳市华容县、周口市沈丘县、牡丹江市西安区 、汕尾市陆丰市、内蒙古赤峰市克什克腾旗、抚顺市望花区、焦作市解放区、临沂市兰陵县、广西百色市那坡县、宝鸡市陇县、广西梧州市苍梧县、天津市武清区、普洱市景谷傣族彝族自治县、荆州市沙市区、安庆市怀宁县、恩施州巴东县、安阳市林州市

全球服务区域: 攀枝花市米易县、汕头市潮南区 、温州市瑞安市、烟台市栖霞市、广西百色市隆林各族自治县、东方市感城镇、内蒙古锡林郭勒盟多伦县、河源市紫金县、昆明市呈贡区、日照市岚山区、日照市岚山区、湛江市廉江市、大同市灵丘县、绵阳市涪城区、琼海市博鳌镇、广西贵港市覃塘区、红河建水县 、龙岩市新罗区、大理鹤庆县、南通市如东县、牡丹江市海林市、商洛市山阳县

本周数据平台本月官方渠道披露重要进展,今日官方渠道发布行业信息,美国十次啦大导航：探索美利坚合众国的深度之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：产品升级服务中心，全流程专业指导

全国服务区域: 白沙黎族自治县元门乡、昭通市水富市 、杭州市建德市、丽水市莲都区、松原市长岭县、广西桂林市龙胜各族自治县、宿州市砀山县、淮南市大通区、阳泉市城区、黔东南剑河县、内蒙古通辽市科尔沁区、邵阳市隆回县、锦州市古塔区、上海市徐汇区、上饶市万年县、常德市临澧县、汕尾市陆丰市 、本溪市本溪满族自治县、吉林市舒兰市、盘锦市双台子区、衡阳市衡南县、东莞市大岭山镇、晋中市太谷区、内江市市中区、连云港市东海县、重庆市梁平区、安阳市文峰区、成都市邛崃市、晋城市城区、延安市甘泉县、商洛市柞水县、昭通市彝良县、深圳市龙岗区、淮南市潘集区、泰州市靖江市、昆明市宜良县、宁德市柘荣县、内蒙古巴彦淖尔市乌拉特前旗、株洲市茶陵县、东莞市塘厦镇、莆田市秀屿区

本周数据平台稍早前行业报告:本月行业协会披露新研究动态,美国十次啦大导航：探索美利坚合众国的深度之旅

美国，这个位于北美洲的国家，以其丰富的历史、独特的文化和壮丽的自然风光吸引着全球游客。今天，让我们跟随“美国十次啦大导航”的步伐，深入探索这个美利坚合众国的魅力所在。 ### 第一次：纽约，梦想的起点 作为美国最大的城市，纽约是许多人心中的梦想起点。从曼哈顿的高楼大厦到中央公园的绿意盎然，这里充满了无限的可能。别忘了去华尔街看看那著名的铜牛，感受金融中心的气息；去时代广场感受这座城市的活力；在百老汇欣赏一场精彩绝伦的演出。 ### 第二次：华盛顿特区，政治的心脏 华盛顿特区是美国的首都，这里不仅是政治的象征，也是历史的见证。参观白宫、国会大厦和林肯纪念堂，了解美国的历史和文化；在杰斐逊纪念堂前感受民主的庄严；在国家航空航天博物馆探索人类对宇宙的探索。 ### 第三次：拉斯维加斯，不夜城的风情 拉斯维加斯被誉为“世界娱乐之都”，这里有着琳琅满目的酒店、赌场和表演。漫步在拉斯维加斯的街道上，你可以看到各种风格的建筑，感受这座城市的独特魅力。夜晚，一场精彩的表演将为你带来难忘的回忆。 ### 第四次：旧金山，金门大桥的风采 旧金山是美国西海岸的重要城市，以其美丽的自然风光和多元的文化而闻名。站在金门大桥上，感受这座桥的雄伟；在渔人码头品尝新鲜的海鲜；参观九曲花街，感受这座城市的浪漫气息。 ### 第五次：洛杉矶，好莱坞的辉煌 洛杉矶是全球电影产业的中心，好莱坞的辉煌在这里得以展现。参观好莱坞星光大道，留下你的足迹；在环球影城体验各种刺激的游乐设施；在比弗利山感受明星的生活。 ### 第六次：芝加哥，建筑的奇迹 芝加哥是美国的中西部地区中心，以其独特的建筑风格而闻名。参观谢尔登大厦、约翰·汉考克中心等建筑，感受这座城市的独特魅力；在密歇根湖畔欣赏美丽的湖光山色。 ### 第七次：迈阿密，阳光、沙滩和椰林 迈阿密位于美国南部的佛罗里达州，是阳光、沙滩和椰林的代名词。在这里，你可以尽情享受阳光沙滩的惬意，品尝美味的海鲜，感受这座城市的热情。 ### 第八次：亚特兰大，历史的见证 亚特兰大是美国东南部的重要城市，这里有着丰富的历史和文化。参观马丁·路德·金国家历史遗址，感受这位伟大领袖的精神；在亚特兰大植物园欣赏美丽的花卉。 ### 第九次：休斯顿，太空的摇篮 休斯顿是美国的太空之都，这里是美国宇航局的总部所在地。参观约翰逊航天中心，了解人类对太空的探索；在太空探索博物馆感受太空的魅力。 ### 第十次：波士顿，历史的足迹 波士顿是美国东北部的重要城市，这里是美国独立战争和制宪会议的见证。参观自由之路，感受历史的沉淀；在哈佛大学和麻省理工学院感受学术的殿堂。 通过这十次大导航，我们领略了美国各地的独特魅力。美国，这个美利坚合众国，值得我们去探索、去体验、去热爱。

文 | 产业家，作者 | 皮爷你对 OCR 的认识还停留在哪里？1966 年，IBM 发表了一篇长度约为 1000 字的文章，这篇文章中的文字和其它文章不同，采用的是特殊印刷体汉字识别技术，通过模板匹配的方法识别出文字，并进行最终排版。这就是 OCR 技术的第一次应用。从 19 世纪 60 年代到如今，人们对 OCR 的最主要印象恰是如此，即文字识别。这种能力被广泛应用到一系列工作和产业场景，帮助人们把静态的生产资料转化为可交互、可编辑的数字资料。但如今，这个 " 信息转化 " 的技术又迎来新的变化。就在上周过去的 9 月 10 日，一篇名为 PP-OCRv5 技术博客文章登顶   Hugging Face   博客热度榜第一，这个模型技术以仅为 0.07B   的极致轻量化模型体积做到整体识别精度达到 SOTA 水平。在多项   OCR   场景测试中，PP-OCRv5   的表现甚至超越 GPT-4o、Qwen2.5-VL-72B 等通用视觉大模型。这个登顶不难理解。千分之一的参数量、足够 SOTA 的效果、轻量级部署……这几个反差足够吸引广大开发者成为源源不断的 " 自来水 "。 据了解，截至目前，这个由百度飞桨团队发布的技术 Blog 已经连续一周霸榜   Hugging Face 博客热度。此外，在 9 月 18 日，在 PP-OCRv5 的热度加持下，PaddleOCR 项目也更登上了 GitHub 全球总榜   trending 榜。实际上，OCR 的重要性在今年已经成为一个共识。即在各个基座模型厂商和 AI 服务商的模型产品中，OCR 能力往往都被嵌入进新的模型服务中，以标配技术的形式为企业提供服务。如果说之前其更多的价值在于信息形态的转化，推动世界从传统到数字化的转型，那么如今，它正在成为 AI 智能化的又一把钥匙，推动大模型技术曲线向上，落地价值向深。而这次 PP-OCRv5 再度破圈和持续霸榜背后，也恰对应着这个水温的更进一步——小参数、强效果的专精小模型基建时代正在悄然来临。一、OCR，正在成为 AI 战场的新明珠" 现在基于多模态识别可以帮助企业构建更好的 RAG 能力，让模型在企业内部落地效果更好。" 一位云厂商 Agent 平台相关负责人告诉产业家，" 在大部分企业内部，图像等多模态数据才是主要数据形态。"这番对话发生在刚刚过去的 8 月。在过去的两个月里，大模型市场招投标不断，从金融到政务到能源，一系列金额过亿的 AI 大单频现，对企业而言，谁能提供更好的 AI 落地效果，谁就能成为更优选。RAG 能力恰是其中尤为重要的一环。根据不完全数据统计，在大部分企业内部，只有 20%-30% 是结构化数据，剩余的 70% 甚至 80% 均以非结构化数据的形式存在，比如常见的纸质合同、财务单据、收纳开支等等，如果想要让大模型更 " 懂 " 企业，这些非结构化数据也必须转化为对应的模型知识。OCR 能力恰是其中的关键手段。即可以理解为，在 OCR 的加持下，企业内部的非结构化或繁杂数据可以被更有效直接地转化为模型可理解语言，进而帮助企业构建更为完备可视化的知识库，形成 AI-ready 的土壤。"OCR 识别能力有强有弱，甚至某种程度说，服务商提供的模型 OCR 技术能力的强弱很大程度上决定了企业在 AI 上落地的效果。" 上述负责人表示。毫不客气的说，如果说新能源汽车是中国工业制造的明珠，那么就今年而言，说 OCR 是 AI 大模型战场上的明珠。与这种定位相对应的是整个 OCR 市场的快速扩容。一组来自 Allied Market Research 报告的数据显示，2024   年全球   OCR   市场规模达 122.1   亿美元，预计到   2034   年将飙升至 506.1   亿美元，年复合增长率（CAGR）超过 15%。从更大的视角来看，OCR 的爆火早在意料之中。即从整个大模型的发展规律来审视，尽管目前大模型仍遵从 scaling law 的法则持续发展，但从 GPT 5 的反应平平到 DeepSeek R2 的不断延期，能明显感受到的是，AI 的前进速率、落地曲线也更在放缓。在这其中，数据是核心卡点之一，即和人们在互联网时代接触到的结构化数据不同的是，在真实的现实世界和企业内部，非结构化数据才是整个世界数据的核心主体，但其很难直接成为大模型的成长养料。这也恰是 OCR 技术的 " 专项领域 "。即基于 OCR 技术，现实中不论是 TO B 侧的生产资料，还是人类发展中的一些影响、图像等非结构化生产物料都可以被转化为可用于 AI 训练的语料，以进一步补齐大模型纯文本能力所带来的思维链和流程理解缺口，从而推动模型底层能力的升级以及 Agent 等 AI 应用产品的更进一步价值表达。但把 OCR 和 AI 结合并不是一件容易的事。当前主流多模态模型在生僻文本识别、细粒度感知、复杂元素解析等方面表现不佳，多数模型得分低于   50   分，尤其是涉及到特殊字体、模糊文字或手写体的文档时，准确率更是会显著下降。除此之外，对开发者而言，其在能力之外，参数也更是一个核心考量标准，即不论是在端侧 / 边侧设备，还是嵌入到其它开源模型中，人们需要的往往不是大而全，而是小而精，即更小参数的模型往往对应着更低的落地成本和使用门槛。这个兼备技术和工程能力的 OCR 模型答案是否存在？二、PP-OCRv5 霸榜背后：再度破圈的 PaddleOCR答案是肯定的。这也是 PP-OCRv5 这次破圈的本质原因。首先，PP-OCRv5 兼备模型的轻量级和顶尖性能，从参数量来看，其仅有 0.07B   参数，约等于   Qwen2.5-VL-72B   的千分之一，同时相较于开源社群的 MiniCPM-o、OCRFlux-3B 等参数量级更小一个维度。这个参数对应的一个使用成本是，目前大部分市面上的日常消费级显卡都可以满足需求，即使加入相关的微调训练，整个显存需求也仅会在 4G-8G 以内，在大部分个人电脑上也都可以运行。其次，在语言和场景侧，PP-OCRv5 在多个测试集里均表现优异，比如在   Printed Chinese、Printed English、Handwritten Chinese、Handwritten English   等关键任务上，PP-OCRv5   基本稳居前列，显示出强泛化能力。一个官方给出的更具体的成绩是，集合文心大模型 4.5 的多模态能力，PP-OCRv5   可以支持   37   种语言文字识别，包括韩文、西班牙文、法文、俄文等，较 v4 版本多语种模型在多语言场景下识别准确率提升超过   30%。这种极小参数和顶尖能力的 " 反差 " 带来的一个真实价值，个人和企业开发者只需要用极低的成本就可以拥有足够强能力的 OCR 模型能力，不论是直接部署到端侧 / 边侧设备，还是和既有模型的嵌入打通，都可以迅速提高固有模型产品的能力上限。产品不基础，带来的 " 自来水 " 流量自然也更不基础。过去的一段时间里，和霸榜成绩接连出现的是一系列针对 PP-OCRv5   的海内外 " 自来水 " 评价，比如 Gizchina.com 锐评 "百度的 PP-OCRv5 表明，小型号仍然可以发光 "，比如再比如来自一系列网友的称赞，如 "データ入力、爆速化の救世主降臨✨ " ( " 数据录入，极限提速的救世主降临✨ " ) 、" 圧倒的性能でAIモデル「PaddleOCRv5」が、たった70MBの超軽量ながら、驚異的な高精度 OCR 技術を実装します" ( AI 模型「PaddleOCRv5」以压倒性的性能，在仅 70MB 的超轻量体积下，实现了惊人的高精度 OCR 技术 ) 等等屡见不鲜。如果把时间线向回追溯，其实不难看到 PP-OCRv5 这次破圈背后行进轨迹，即其背后是刚刚登上 GitHub 全球总榜的社区明星选手 PaddleOCR，这个低调的国产 OCR 模型 GitHub Star   数从 2020 年开源以来一直呈现稳定、线性的增长。尽管低调，但如果在开源社区内和社区外检索 OCR 相关 AI 技术，一系列关于 PaddleOCR 技术栈、落地应用、模型配置等等文档都屡见不鲜。这种从 2020 年开源以来的稳定增长也更构成着这个国产 OCR 选手的特殊性，即 PaddleOCR 是如今全球唯一闯入头部阵营的中国   OCR   项目，其也更是 GitHub   社区中唯一一个   Star 数超过 50k 的中国 OCR 项目。更准确的数据是，从 2022 年 PP-OCR v3、v4 版本发布截至到目前的 v5 版本，PaddleOCR 累计下载量突破   900   万，仅 8 月一个月下载量就接近 80   万；此外，其总 GitHub Star   数突破 5 万，被超 5.9k 开源项目直接使用，其中包括一系列知名开源项目，如 Umi-OCR、OmniParser、MinerU、RAGFlow 等等。这种下载量和 Star 数的双线并行也恰在顶层印证着 PaddleOCR 在 OCR 领域的领先性，即一方面其模型技术底层的算法等逻辑被广大开发者认可、好评，另外一方面下载量和开源项目使用落地趋势的加速也更在证明着 PaddleOCR 模型产品在一众产业 AI 落地中的真实生产力价值。三、AI 大模型，进入 " 专精基建 " 下半场自 2020 年推出以来，PaddleOCR 一路迭代，如今已经更新至 3.2 版本。下载量和 Star 双线增长的更底层，PP-OCR 等模型技术也更在不断成熟，推动着 OCR 在 AI 时代更完善基建的成型。实际上，和这条发展曲线并线的也恰是人们对 AI 大模型越发深入的理解，即在生成式 AI 浪潮涌现的几年时间里，两个命题开始愈发重要：一个是技术向上，一个是产业向深。而在这两个命题中，更优质的 OCR 能力恰都在成为核心驱动引擎。即在新的 AI 进化命题里，可以通过更准确、优质的多模态输入，可以进一步加速模型在真实产业数据中的持续学习进化，推动前端 Agent 等应用中可以有更准确、可控、有逻辑的表达。这也正是 PaddleOCR 的行进路线。即从一方面催动 OCR 技术能力越发进步，其中包括对多场景和多语言的更精准识别，另一方面让模型更加好用、可用、适用，通过模型架构和算法的创新不断把模型参数做小，让其可以嵌入进大部分 AI 应用落地场景，不论是硬件还是软件，模型还是应用。同样值得一提的是，在融合 PP-OCRv5 的 PaddleOCR 3.2 版本中，一系列工程能力也更在被持续迭代，比如在之前 3.1 版本的 MCP 接入方式之外，3.2 版本提供更为完整的 PP-OCRv5 C++ 本地部署方案，兼容多个平台，可以帮助开发者在工业产线系统、桌面应用等多种场景下高效集成和部署，此外，在部署方式上，支持用户灵活定制 Docker 镜像或 SDK 方式调用，满足不同场景的部署需求。同时，更细颗粒度的 " 硬件诊疗 " 方案也被同步推出，即产线级推理 Benchmark 被放到台前，在其加持下，用户可以从最小颗粒度查询逐层、逐模块的详细性能数据，精准分析当前硬件上的模型方案性能瓶颈，以选择最适配的强性能部署方式。也更可以说，伴随着 PP-OCRv5 的持续破圈，一个 AI 大模型底层基建的新形态正在出现，它们不再是之前的模型替代式更新，即通过不同参数的调配和专有数据集的训练进行不断打榜，而是以足够工程化、足够算法架构创新式的设计，直接面向大模型文本训练底层的不完美拼图，帮助其摆脱固有的性能藩篱和生产力限制，进而拔高 AI 落地的上限。小尺寸、高性能的 PP-OCRv5 恰是这样一个新形态的 AI 基建。AI 大模型的发展绝对不只是互联网上的一众结构化数据的成果，更多的人类文明、产业实践、工业智慧都在一个个文档书本、表格数