你懂 OCR 吗？2025 年之前，可能人人都懂。

但 2025 年之后，你还认为你真的懂 OCR 吗？

是的，随着 AI 大模型研发在架构、记忆、存储等等领域的深水区创新，OCR 重新成为了技术专项。DeepSeek 在研究、智谱在研究、阿里千问和腾讯混元也都在研究……

那么，怎样才能速成 AI 时代的 OCR 呢？

还得是吴恩达老师，火速来了新课程，帮你速通 OCR。

在新课程里，直接提出了一个新方案——智能体文档提取（Agent  Doc  Extraction）。

不仅是 OCR 技术在 Agent 时代的进阶，更是一个统一的智能体工作流。

并且这个方法在 DocVQA 基准测试中的准确率达到了 99.15%。

新课上线，不仅手把手教你跑通本地代码，还给出了在 AWS 上部署的完整线路～

OCR 重新成为技术专项

在介绍 ADE 之前，先来了解一下各大厂近期在 OCR 技术上的密集更新。

如果把目光放回到 2025，就不难发现，吴恩达老师的这门课也是对这一技术深水区回归的及时呼应。

从 10 月份开始，DeepSeek 让这项技术的讨论爆发。

DeepSeek-OCR玩起 " 视觉压缩一切 "，靠专属视觉编码器把万字长文压成百个视觉 token，在 10 倍压缩下仍能保持 97% 的高准确率，单块 A100-40G 显卡每天就能处理 20 万页以上文档。

几乎同一时间，智谱联合清华大学发布了Glyph 框架，异曲同工地通过 " 文本渲染成图 " 的思路，把超长文本转成紧凑图像，轻松突破上下文窗口限制。

后续到了 12 月，智谱 GLM-4.6V 多模态系列正式发布，包含 9B 与 106B 参数版本。

前者在低成本本地 OCR 场景表现突出，支持复杂扫描、笔记与模糊文档；后者凭借 128K 上下文窗口甚至能跨页理解长税表、合同与科研图谱，把 OCR 拉向文档理解与知识抽取层面。

实际上，阿里千问 10 月发布的 Qwen3-VL-30B 等版本也在 OCR 领域有重要升级。

11 月底的时候，腾讯混元也加入了这一轮集中突破，1B 参数的 HunyuanOCR 开源后迅速受到关注。

虽然参数少，却具备处理表格、结构化文档、多语种内容的能力，运行速度快，易部署，很快成为开源热门。

Agent 文档提取新姿势

机器学习大神吴恩达老师显然也意识到了 OCR 的大热趋势，火速出了一版速通课。

虽然不是教你怎么改进 OCR 技术，但教你怎么给 OCR 装上智能体大脑。

首先，课程详细回顾了 OCR 技术的演进。

从最早的规则时代到现在的智能体时代，每一步更新都是在填传统 OCR 的坑。

以前用 Tesseract，全靠人工写规则；后来有了 PaddleOCR，靠深度学习认字儿。

但它们在提取文字时都会把文档 " 压平 "，导致表格结构、图注关系及阅读顺序等关键信息丢失。

这样一来，下游大模型拿到的就都是半成品数据，特别容易出现幻觉。

而课程里的 ADE 方案，相当于给 OCR 加了三大支柱，靠「视觉优先」策略看懂文档布局，用「以数据为中心」保证精准，再凭智能体化主动思考。

搭载 DPT（文档预训练 Transformer）模型后，ADE 工作流将文档视为一个整体的视觉对象，去理解其布局和空间关系。

并且，DPT 模型在 DocVQA 基准测试中取得了 99.15% 的高分，甚至超越人类。

在实战中，ADE 也展现出了极强的鲁棒性。

超过 1000 个单元格的巨型表格、复杂的手写微积分公式，还是带有弯曲印章的证书，甚至是纯图示的安装说明书，它都能精准解析。

在落地层面，ADE 引入的视觉接地技术，不仅能提取文字，还为每个数据块分配唯一 ID 和精确的像素坐标，并能生成局部截图。

这样一来，AI 只要一回答某个数据是多少，你一点就能看到原始文件里对应的地方，做到 " 有图有真相 "。

此外，课程还提供了极具实操价值的云端部署指南，教你怎么把这技术用到云端，在 AWS 上搭个全自动流水线。

把 PDF 传到 S3 存储桶，Lambda 就会自动进行 ADE 解析，把结构化的 Markdown 存好，再让 Bedrock 知识库建索引，最后靠 Strands Agents 做成能记事儿、会推理的行业知识助手。

从认清楚像素里的字，到在云端大规模用起来，只能说，这 3h 的课程，" 学不了吃亏，学不了上当 "～

课程地址：https://www.deeplearning.ai/short-courses/document-ai-from-ocr-to-agentic-doc-extraction/

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

量子位智库 2025 年度「AI 100」榜单正式开启招募！

和我们一起在日新月异的 AI 产品市场中厘清背后脉络，把握未来动向，找到真正代表中国 AI 实力的巅峰力量

一键关注 点亮星标

科技前沿进展每日见