本月行业协会披露新研究动态,《博德之门增强版：经典RPG的华丽重生之旅》

刚刚行业报告发布新变化,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。以旧换新服务中心，全流程指导

北京市西城区、漳州市龙海区 ，抚州市乐安县、直辖县天门市、红河开远市、东莞市清溪镇、凉山会东县、陇南市徽县、菏泽市牡丹区、中山市古镇镇、宁波市海曙区、绵阳市三台县、铜川市耀州区、青岛市城阳区、曲靖市麒麟区、丽江市玉龙纳西族自治县、屯昌县乌坡镇 、内蒙古呼伦贝尔市陈巴尔虎旗、马鞍山市当涂县、中山市神湾镇、六盘水市钟山区、南充市南部县、广西梧州市苍梧县、盐城市东台市、泉州市惠安县、合肥市蜀山区、菏泽市单县、台州市玉环市、苏州市姑苏区

可视化操作指导热线,本月行业协会发布重要信息,《博德之门增强版：经典RPG的华丽重生之旅》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电使用教学专线，新手快速入门指导

牡丹江市海林市、广西柳州市柳北区 ，烟台市莱州市、广西百色市隆林各族自治县、东莞市中堂镇、辽阳市弓长岭区、海口市琼山区、扬州市高邮市、上饶市弋阳县、鹤岗市萝北县、延安市洛川县、平凉市崇信县、榆林市府谷县、广西梧州市岑溪市、达州市万源市、衡阳市耒阳市、营口市大石桥市 、无锡市惠山区、重庆市南岸区、马鞍山市当涂县、天津市西青区、马鞍山市和县、广州市番禺区、荆州市松滋市、巴中市通江县、达州市渠县、嘉峪关市新城镇、广州市番禺区、重庆市北碚区、文昌市文城镇、忻州市河曲县

全球服务区域: 潍坊市寿光市、嘉兴市海盐县 、平凉市泾川县、遵义市赤水市、潮州市潮安区、汕尾市陆丰市、铜仁市碧江区、福州市闽侯县、佳木斯市抚远市、海北刚察县、南充市仪陇县、茂名市化州市、台州市温岭市、宜宾市叙州区、镇江市京口区、宁夏银川市兴庆区、宿迁市宿城区 、黄冈市红安县、阿坝藏族羌族自治州茂县、玉溪市新平彝族傣族自治县、清远市连山壮族瑶族自治县、天津市宝坻区

可视化故障排除专线，实时监测数据,本月行业协会传达最新研究成果,《博德之门增强版：经典RPG的华丽重生之旅》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电24小时服务热线，紧急故障优先处理

全国服务区域: 安庆市怀宁县、曲靖市陆良县 、太原市迎泽区、宝鸡市眉县、庆阳市庆城县、宁德市寿宁县、南平市浦城县、内蒙古鄂尔多斯市准格尔旗、白银市景泰县、平顶山市鲁山县、淄博市沂源县、直辖县仙桃市、韶关市新丰县、贵阳市开阳县、东莞市凤岗镇、运城市永济市、忻州市五寨县 、南京市浦口区、晋中市祁县、辽阳市弓长岭区、福州市鼓楼区、大庆市龙凤区、舟山市岱山县、武威市天祝藏族自治县、张掖市民乐县、吕梁市柳林县、合肥市肥东县、宁波市奉化区、大同市左云县、临高县调楼镇、攀枝花市东区、北京市通州区、兰州市永登县、驻马店市遂平县、镇江市京口区、西双版纳勐腊县、阜阳市颍州区、杭州市拱墅区、黑河市嫩江市、洛阳市宜阳县、大连市旅顺口区

本周数据平台今日官方渠道公布最新动态:本月研究机构发布新研究成果,《博德之门增强版：经典RPG的华丽重生之旅》

自1998年问世以来，《博德之门》便以其丰富的剧情、独特的角色扮演体验和引人入胜的奇幻世界赢得了全球玩家的喜爱。这款经典的角色扮演游戏（RPG）在游戏史上留下了浓墨重彩的一笔。如今，随着《博德之门增强版》的问世，这款经典之作得以华丽重生，再次引发了一波复古风潮。 《博德之门增强版》是对原版游戏的一次全面升级，不仅保留了原版游戏的核心玩法和经典剧情，还在画面、音效、操作等方面进行了大幅优化。这款增强版游戏由知名游戏开发公司Larian Studios负责制作，他们曾成功打造了《博德之门》系列中的《龙与地下城：暗黑破坏神》和《博德之门：阴影之路》等作品。 在画面方面，《博德之门增强版》采用了全新的3D引擎，使得游戏画面更加细腻、真实。玩家可以在游戏中欣赏到更加精美的场景、角色和道具，仿佛置身于一个充满奇幻色彩的奇幻世界。此外，游戏还增加了动态天气系统和昼夜更替效果，让玩家在游戏中感受到更加真实的世界氛围。 在音效方面，《博德之门增强版》同样进行了全面升级。游戏中的音乐、音效和配音都经过了精心制作，为玩家带来了更加沉浸式的游戏体验。尤其是游戏中的配音演员，他们的表演生动传神，让玩家仿佛置身于一个充满戏剧冲突的故事中。 在操作方面，《博德之门增强版》对原版游戏进行了优化，使得游戏更加易于上手。玩家可以通过简单的操作来控制角色，进行战斗、解谜和探索。此外，游戏还增加了自动寻路功能，让玩家在游戏中更加轻松地探索未知的世界。 《博德之门增强版》在剧情方面同样保留了原版游戏的核心元素。玩家将扮演一位初入博德之门的新手，开始一段充满冒险和挑战的旅程。在游戏中，玩家将结识各种各样的角色，与他们并肩作战，共同对抗邪恶势力。游戏中的剧情跌宕起伏，充满了悬疑和惊喜，让玩家沉浸其中，难以自拔。 值得一提的是，《博德之门增强版》还增加了许多新内容。例如，游戏新增了多个支线任务和隐藏剧情，让玩家在游戏中拥有更多的探索空间。此外，游戏还增加了多种新的角色和种族，让玩家在角色扮演方面有更多的选择。 总的来说，《博德之门增强版》是一款值得玩家期待的经典RPG作品。它不仅完美继承了原版游戏的经典元素，还在画面、音效、操作等方面进行了全面升级，为玩家带来了更加优质的游戏体验。对于那些怀念经典RPG的玩家来说，《博德之门增强版》无疑是一次难忘的重生之旅。 在《博德之门增强版》的陪伴下，玩家们将再次踏上那段充满奇幻色彩的冒险旅程。让我们一起期待这款经典RPG的华丽重生，感受那份属于我们的青春回忆。

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