本报讯 （记者向炎涛）近日，云知声智能科技股份有限公司（以下简称“云知声”）正式推出Unisound U1-OCR文档智能基础大模型。作为首个工业级文档智能基座，该模型凭借“性能领先、可信可验、开箱即用、高效部署、强适配”五大核心优势，打破传统文档处理边界，树立起行业新标杆。

　　据介绍，文档智能是指利用人工智能技术自动阅读和理解文档影像，并进行内容的读取、理解、分类及关键信息提取。传统视觉方案（OCR 1.0）仅能识别文字，新一代多模态方案（OCR 2.0）具备端到端版面理解能力和文字识别能力。而Unisound U1-OCR则正式开启OCR 3.0时代——在理解版面的基础上，进一步洞察文档深层语义，实现自动分类与业务级信息抽取，完成了从“字符感知”到“文档认知”的质的飞跃。

　　Unisound U1-OCR核心优势在于突破了传统模型“只读文字、不懂排版”的瓶颈，能够像人类专家一样“看懂”复杂文档。为适应OCR 3.0时代对于文档业务级结构化抽取的新要求，Unisound U1-OCR采用ViT+LLM架构，其中视觉编码器部分采用NaViT架构，实现文档分辨率动态处理，模型参数规模3B量级，兼顾模型计算效率与文档深层语义信息理解的能力要求。

　　云知声方面表示，Unisound U1-OCR开启OCR 3.0时代，标志着AI从单纯“识字”跃迁至“理解业务逻辑”。公司将以多模态文档为知识入口，赋予机器自主推理与证据溯源能力，推动AI从感知走向认知。未来，云知声期待构建能像人类一样阅读、思考并解决复杂问题的通用智能体，让每一份文档都成为通往AGI的智慧阶梯。

（文章来源：证券日报）