不是因为客户刚好用的是鲲鹏所以只适配鲲鹏，而是不管客户用啥，OCR引擎都能部署。见过太多案例，产品卖完人就不见了，出了问题只能干瞪眼。不是说不让用开源，但你要清楚后果：开源代码的合规审计是个无底洞，涉密项目和金融机构不可能接受”来历不明”的代码。你需要做的是：拿自己的真实业务数据，在自己的服务器环境里，实际部署跑一遍。文档扫描件、手机拍的斜角照片、老旧档案、带印章的发票——这些真实场景里的”脏数据

不过好消息是，鸿蒙的开发工具链比几年前的Android生态要友好。我们前后大概花了三到四个月，把证件识别SDK和护照阅读器的鸿蒙版本搞定了，目前已经有了完整的演示Demo。鸿蒙现在覆盖的不只是手机，还有平板和桌面PC，而且政企客户采购鸿蒙设备的比例在上升——信创环境下，鸿蒙PC很可能成为一个重要阵地。从实测来看，在鸿蒙手机上的OCR识别速度跟Android版本基本持平，有些场景甚至略快一点——可能

才是真正见分晓的地方。我们目前在两个国产GPU平台上做了完整的OCR性能测试：海光K100-Ai（其实就是深算一号，x86路线的GPGPU）和华为昇腾Atlas 300I Pro（达芬奇架构的NPU）。昇腾310P在NPU专属任务（比如纯推理、矩阵运算密集的场景）上表现不错，但在需要灵活编程的通用OCR pipeline里，受限于CUDA生态的缺失，适配起来确实更费劲一些。国产GPU连续跑上十几个

才是真正见分晓的地方。我们目前在两个国产GPU平台上做了完整的OCR性能测试：海光K100-Ai（其实就是深算一号，x86路线的GPGPU）和华为昇腾Atlas 300I Pro（达芬奇架构的NPU）。昇腾310P在NPU专属任务（比如纯推理、矩阵运算密集的场景）上表现不错，但在需要灵活编程的通用OCR pipeline里，受限于CUDA生态的缺失，适配起来确实更费劲一些。国产GPU连续跑上十几个

我有一次拿着一张二十年前的手写账本，试着用手机拍了拍，看能不能识别出来。结果出乎意料——大部分内容识别出来了，准确率能有七八成。当时就好奇，印刷体好认，手写字那么乱，计算机到底是怎么识别的？

手机扫描一张名片，联系人信息自动填进通讯录；用相机对着英文菜单拍一下，翻译结果立刻出来；银行柜台把身份证往感应区一放，信息秒填表单……这些场景背后，都是同一项技术在工作：OCR。

你在酒店办入住，前台把护照往机器里一放，不到一秒，屏幕上就出现了你的姓名、国籍、证件号。这个过程看起来理所当然，但背后的准确率保障，是几十年工程积累的结果。证件识别的准确率通常宣称在99.8%以上。这个数字是怎么来的，又意味着什么？

GPT-4V出来之后，我见过一种说法：OCR要被大模型取代了。把一张图片丢给大模型，它能直接读出里面的文字，还能理解意思，比传统OCR强多了，OCR还有什么用？这个问题值得认真回答，因为它触及了AI技术演进中一个很常见的误区。

有一类工作，二十年前需要整屋子的工程师，今天一块芯片就能搞定。这就是OCR——光学字符识别，简单说就是让机器看懂文字。你以为这是个新技术？错了，它比大多数人以为的要老得多。

OCR行业有一个”硬骨头”：多语言识别。英文只有26个字母，识别难度相对小。中文有7000多个常用汉字，困难度上了一个台阶。但这些跟阿拉伯文、泰文、蒙古文、藏文比起来，又都是小儿科了。