百度发布 Unlimited-OCR：告别逐页扫描，开启长文档一键转录时代

核心事件

百度近期发布了 Unlimited-OCR 模型，该技术声称仅需一次前向传播（Forward Pass）即可完成数十页文档的精准转录。这一突破旨在解决当前端到端 OCR 模型在处理长文档时，受限于自回归生成机制导致的逐个 Token 转录效率低下、计算成本高昂的行业痛点。

• ▶ 技术范式演进： 区别于传统 OCR 逐行或逐页处理的模式，Unlimited-OCR 通过优化视觉编码与文本解码的交互，实现了并行化的高效输出。
• ▶ 工业级吞吐量： 该模型支持一次性处理数十页文本，极大提升了企业级文档数字化和 RAG（检索增强生成）系统的预处理速度。
• ▶ 成本效益优化： 单次前向传播意味着更低的推理延迟和算力消耗，为大规模文档理解提供了更具性价比的解决方案。

八卦洞察

在多模态大模型（LMM）竞相卷“理解力”的当下，百度选择在“生产力”工具层面进行降维打击。目前主流的 GPT-4o 或 Gemini 虽然具备极强的视觉识别能力，但在处理数百页的法律合同或技术手册时，其自回归生成的特性会导致推理成本呈指数级增长。Unlimited-OCR 的出现，标志着 AI 视觉识别正从“通用识别”向“工业级高通量处理”转型。百度此举显然是在抢占企业级 AI 基础设施的生态位，尤其是在对成本极其敏感的大规模数字化转型市场。

行动建议

对于重度依赖 RAG 架构的企业，建议密切关注 Unlimited-OCR 的开源动态或 API 接口，这可能将文档入库成本降低一个数量级。开发者应评估该模型在复杂排版（如多栏、表格、混合图表）下的鲁棒性，以确定其是否能完全替代现有的“OCR + LLM 清洗”流水线。同时，算力服务商应关注此类非典型自回归模型对推理引擎优化的新需求。