行行查
行业研究数据库
人工智能行业研究:DeepSeek-OCR2整体架构图
- 人工智能
- 大模型
DeepSeek-OCR 2 是一种面向通用光学字符识别(OCR)任务的端到端模型架构,其核心设计旨在通过结合视觉与语言模型的能力,实现对复杂文档内容的高效理解和提取。该架构整体分为输入处理、特征编码、上下文建模和输出生成四个主要阶段。
在输入端,原始图像被划分为 n×16×16 的图像块(patches),这些图像块首先经过一个基于 SAM 和 ViTDet 的 Tokenizer 模块进行初步处理,其中 ViTDet 80M 负责提取视觉特征,并通过卷积层(Conv 16x)进行压缩,以降低计算复杂度并保留关键信息。
随后,压缩后的特征被送入“LM as Vision Encoder”模块,即使用 Qwen2 500M 大语言模型作为视觉编码器,这一创新设计将语言模型的强大语义理解能力引入视觉任务中。该模块内部采用 DeepEncoder V2 架构,支持非因果(non-causal)和因果(causal)两种注意力模式,分别用于全局上下文感知和顺序依赖建模。其中,隐藏层维度为 896,且具备低激活特性,有助于提升模型效率。
在编码完成后,信息被传递至解码器部分,由 DeepSeek-3B(MOE-
关联报告






| 标题 | 时间 | 页数 | 目录 | 下载 |
|---|---|---|---|---|
| 人工智能系列(二):AI驱动下的电子行业新周期 | 2026-10-24 | 35 | ||
| 人工智能行业专题(24):AI短剧:注意力经济新兴市场,AI赋能工业化生产 | 2026-10-26 | 32 | ||
| 人工智能对广域网的影响:思科报告2026 | 2026-10-27 | 26 | ||
| 电力设备与新能源行业周报:特斯拉Optimus量产继续推进,全面实施“人工智能+”行动 | 2026-10-27 | 15 | ||
| 《人工智能能力建设普惠计划》进展报告(2026) | 2026-10-27 | 22 | ||
| 人工智能的物理竞赛:对电力、水和关键矿产的控制正成为人工智能领导地位的决定性因素 | 2026-10-27 | 16 | ||
| 人工智能主线周报:智元发布具身模型,看好智能化 | 2026-11-02 | 19 | ||
| 人工智能行业专题:2026Q3海外大厂CapEx和ROIC总结梳理 | 2026-11-02 | 25 | ||
| 通信及人工智能组行业光互连系列报告(一):FAU,CPO/NPO驱动量价双升 | 2026-11-03 | 22 | ||
| 人工智能及计算机行业行业月报:国家数据集团正式成立,物理AI迎奇点时刻 | 2026-11-07 | 27 |

行研数据库
创投数据库
证券数据库
商业数据库










