夜雨聆风说个有意思的事。
昨天Hacker News（就是全球极客的首页）上，排第一的帖子，432票，是一个百度开源的项目。不是哪个美国大厂，不是什么创业明星，是百度。
项目名叫 Unlimited OCR。上线两天，GitHub 3500多星，讨论区一百多条评论，老外们围着代码看了又看，有人感慨"西方应该学学这些公司"。你想想，百度上一个在HN上引起这种反响的项目是什么时候的事了？
我花了一晚上把这个项目的代码和论文翻了一遍。说人话讲清楚，这玩意儿到底干了件什么事。
AI读长文档的毛病
你肯定遇到过这种情况：把一份几十页的PDF丢给AI让它提取信息，结果前几页还行，越往后越慢，最后直接卡住。
不是AI偷懒。是AI读文档的工作原理决定的。
现在的AI OCR模型（包括DeepSeek之前开源的DeepSeek-OCR），本质上是用一个大型语言模型来做文字识别。这意味着模型每读一个字，就要记下它之前读过的所有字——就像你看一本书，每翻一页都得把前面所有页的内容记在脑子里。人做不到，AI硬做，结果就是内存越吃越多，越读越慢。
论文里写了：随着输出序列变长，KV缓存（就是AI的"短期记忆"）会不断累积，内存消耗跟着涨，生成速度越来越慢。这跟人类不一样——我们抄写一百页文档，不会越往后越慢。但AI会。
所以现在主流的OCR方案，要么把文档拆成一页一页分别处理（费事，还容易串），要么忍受越读越慢的体验。
百度用了个巧招
Unlimited OCR 的解法是：不改大语言模型本身，只改注意力机制。
他们搞了一个叫 Reference Sliding Window Attention（R-SWA） 的东西。说白了就是：不让AI死记硬背整份文档，而是用一个"滑动窗口"去看眼前这一块，同时结合一个固定大小的"参考缓存"来维持上下文。这样不管文档多长，AI的内存占用始终不变。
效果呢？论文说：在标准的32K上下文窗口下，一次前向推理就能转写好几十页文档。
注意这个"一次"——不需要分页，不需要切片，整份文档丢进去，一次性输出。
而且R-SWA这个注意力机制不只能做OCR。论文提到它同样适用于语音识别（ASR）、翻译等场景。也就是说，如果这个思路验证有效，以后所有需要处理长序列的AI任务都可能受益。
△ Baidu Unlimited OCR官方架构图：R-SWA的工作流程
说点实在的
我知道你心里在想什么：OCR又不是什么新技术，我扫描仪自带的不就是OCR吗？
是的，传统OCR存在很多年了。但以前那种OCR跟现在这种AI OCR，完全是两码事。
传统OCR：识别单个字符，遇到模糊的手写字迹、弯曲的表格、印章叠印，基本歇菜。而且它只能告诉你"图片上写了什么字"，不能理解这些字是什么意思。
AI OCR（DeepSeek-OCR, Unlimited OCR这类）：它是用大模型在"读"。不仅能认出字，还能理解上下文——比如它知道"￥10,000"是金额，"2026-06-24"是日期，"合同编号"是标题。
Unlimited OCR更进一步：它能把一本书从头读到尾，不会忘。这就意味着——
① 发票/合同批量处理。 以前要把一沓发票一页页扫描录入，现在整沓丢给AI，一次性读完提取关键字段。
② 档案数字化。 公司积攒了十年的纸质合同、人事档案、技术文档，拍照→丢进AI→输出结构化数据。不需要人工逐页核对。
③ 业务流程自动化。 比如收到客户的PDF报价单，以前要么人肉录入系统，要么拆页处理。现在一份几十页的报价单丢进去，AI一把读完整理成表格。
而且因为是开源的——部署在自己服务器上，数据不用出公司。对很多在乎数据安全的企业来说，这一点比SaaS方案有吸引力得多。
三个信号
第一，百度的AI能力比以前能打了。不是只有文心一言。他们在OCR这个细分领域的积累（之前有PaddleOCR）加上大模型的能力，做出了一个让全球开发者认可的项目。这对国产AI开源来说是个正向信号。
第二，"注意力机制"这个方向还在持续进化。从最初的Transformer全注意力，到滑动窗口注意力，再到现在的基准滑动窗口注意力（R-SWA）——每一次优化都在降低AI推理的成本。这意味着跑AI会越来越便宜。
第三，也是我觉得最重要的：这个解法把"AI读长文档"这个瓶颈往前推了一步。今天解决的是OCR，明天可能解决的是法律文书审阅、医学影像报告、财务审计文件的AI自动化处理。这些东西一旦跑通，很多以前需要人干的"读文档"的活，就真的可以交给机器了。
当然也不是没毛病。目前这个模型还是用DeepSeek-OCR做基座改的，R-SWA的效果在更多场景下是否普适，需要时间验证。但方向是对的。
说穿了就是：以后你公司的发票、合同、档案，拍照就能自动入系统。这一天比你想象得要近。
参考资料
1. GitHub — baidu/Unlimited-OCR（github.com/baidu/Unlimited-OCR） 2. arXiv — Unlimited OCR Works（arxiv.org/abs/2606.23050） 3. Hacker News — 432 points讨论帖（news.ycombinator.com/item?id=48643426） 4. Hugging Face — baidu/Unlimited-OCR（huggingface.co/baidu/Unlimited-OCR）
