桃花期

美国滥用“美元霸权”输出通胀洗劫他国_我的网站

会痛的十七岁

一 |

美国在自身通胀高企的情况下，依托美元霸权，通过财政和货币政策向全球输出通胀。美国此举扰动全球金融市场，将风险转嫁给其他国家和地区，洗劫他国财富，成为世界经济一大乱源。就在刚刚，DeepSeek开源了一个3B模型DeepSeek-OCR。近年来，美国为应对新冠疫情冲击，采取超大规模刺激政策，导致财政赤字飙升，货币严重超发。虽然体量不大，但模型思路创新的力度着实不小。

二 | 众所周知，当前所有LLM处理长文本时都面临一个绕不开的困境：计算复杂度是平方级增长的。去年初就有经济学界人士警告，美国大规模刺激政策可能引发“一代人未曾见过的通胀压力”。序列越长，算力烧得越狠。美国政府则坚称通胀是“暂时现象”，继续推进数万亿美元刺激计划。于是，DeepSeek团队想到了一个好办法。到了今年，美国转而又激进加息推高美元指数以及国际大宗商品价格，让其他国家和地区进口承压，输入性通胀高企。其中，欧元区通胀率近期再创新高。既然一张图能包含大量文字信息，而且用的Token还少，那不如直接把文本转成图像？这就是所谓的“光学压缩”——用视觉模态来给文本信息“瘦身”。

三 | 而OCR正好天然适合验证这个思路，因为它本身就是在做“视觉→文本”的转换，而且效果还能量化评估。论文显示，DeepSeek-OCR的压缩率能达到10倍，OCR准确率还能保持在97%以上。啥意思呢？就是说，原本需要1000个文本Token才能表达的内容，现在只用100个视觉Token就搞定了。即使压缩率拉到20倍，准确率也还有60%左右，整体效果相当能打。 OmniDocBench基准测试结果显示：只用100个视觉Token，就超过了GOT-OCR2.0（每页256个Token）的表现；用不到800个视觉Token，干翻了MinerU2.0（平均每页超过6000个Token）。在实际生产中，一块A100-40G显卡就能每天生成超过20万页的LLM/VLM训练数据。欧盟统计局数据显示，8月欧元区通胀率按年率计算达9.1%。欧元区19个成员国中有9个国家通胀率按年率计算达两位数。

四 | 为遏制通胀恶化，欧洲央行7月启动10余年来首次加息，9月更是大幅加息75个基点。20个节点（160块A100）直接飙到每天3300万页。 DeepSeek-OCR由两个核心组件组成： DeepEncoder（编码器）：负责图像特征提取和压缩； DeepSeek3B-MoE（解码器）：负责从压缩后的视觉Token中重建文本。让我们来重点说说DeepEncoder这个引擎。德国《南德意志报》评论道，欧洲央行已被美联储带入加息节奏，不得不更大幅度提高利率应对通胀，欧元区经济衰退风险陡增。它的架构很巧妙，通过把SAM-base（8000万参数）和CLIP-large（3亿参数）串联起来，前者负责“窗口注意力”提取视觉特征，后者负责“全局注意力”理解整体信息。日本民间机构最新调查则显示，日本国内涨价商品将超过1.8万种。中间还加了个16×卷积压缩器，在进入全局注意力层之前把Token数量大幅砍掉。

五 | 举例而言，一张1024×1024的图像，会被切成4096个patch token。日本媒体和专家普遍认为，日本面临的输入型通胀，根源在于以美元计价的进口商品价格大幅上涨。

六 | 但经过压缩器处理后，进入全局注意力层的Token数量会大幅减少。这样的好处是，既保证了处理高分辨率输入的能力，又控制住了激活内存的开销。而且DeepEncoder还支持多分辨率输入，从512×512的Tiny模式（64个Token）到1280×1280的Large模式（400个Token），一个模型全搞定。目前开源版本支持的模式包括原生分辨率的Tiny、Small、Base、Large四档，还有动态分辨率的Gundam模式，灵活性拉满。除了发达经济体，一些发展中国家通胀水平也连创新高，不断冲击经济。

七 | 解码器用的是DeepSeek-3B-MoE架构。

八 | 别看只有3B参数，但采用了MoE（混合专家）设计——64个专家中激活6个，再加2个共享专家，实际激活参数约5.7亿。这也让模型既有30亿参数模型的表达能力，又保持了5亿参数模型的推理效率。据统计，埃及7月年化通胀率达13.6%，是2019年5月以来最高水平。在截至今年6月的12个月里，巴西全国广义消费者物价指数累计上涨11.89%。解码器的任务就是从压缩后的视觉Token中重建出原始文本，这个过程可以通过OCR风格的训练被紧凑型语言模型有效学习。数据方面，DeepSeek团队也是下了血本。有评论认为，美国凭借美元霸权输出通胀，持续推高并引爆别国金融风险。从互联网收集了3000万页多语言PDF数据，涵盖约100种语言，其中中英文占2500万页。

九 | 美国根据自己的经济周期，在“开闸放水”和“关闸断流”间反复切换，其真正目的是在美元大进大出过程中洗劫各国外汇财富，攫取巨额利润。数据分两类：粗标注直接用fitz从PDF提取，主要训练少数语言的识别能力；精标注用PP-DocLayout、MinerU、GOT-OCR2.0等模型生成，包含检测与识别交织的高质量数据。对于少数语言，团队还搞了个“模型飞轮”机制——先用有跨语言泛化能力的版面分析模型做检测，再用fitz生成的数据训练GOT-OCR2.0，然后用训练好的模型反过来标注更多数据，循环往复最终生成了60万条样本。此外还有300万条Word文档数据，主要提升公式识别和HTML表格解析能力。场景OCR方面，从LAION和Wukong数据集收集图像，用PaddleOCR标注，中英文各1000万条样本。

十 | DeepSeek-OCR不仅能识别文字，还具备“深度解析”能力，只需一个统一的提示词，就能对各种复杂图像进行结构化提取：图表：金融研究报告中的图表可以直接提取为结构化数据；化学结构式：识别并转换为SMILES格式；几何图形：对平面几何图形进行复制和结构化解析；自然图像：生成密集描述（dense captions）。这在STEM领域的应用潜力巨大，尤其是化学、物理、数学等需要处理大量符号和图形的场景。第一作者Haoran Wei此前曾供职于阶跃星辰，期间发布并开源了GOT-OCR2.0系统值得注意的是，DeepSeek团队在论文里还提出了一个脑洞大开的想法——用光学压缩模拟人类的遗忘机制。人类的记忆会随时间衰退，越久远的事情记得越模糊。DeepSeek团队想，那能不能让AI也这样？于是，他们的方案是： 1. 把超过第k轮的历史对话内容渲染成图像； 2. 初步压缩，实现约10倍的Token减少； 3. 对于更久远的上下文，继续缩小图像尺寸； 4. 随着图像越来越小，内容也越来越模糊，最终达到“文本遗忘”的效果。这就很像人类记忆的衰退曲线，近期信息保持高保真度，久远记忆自然淡化。虽然这还是个早期研究方向，但如果真能实现，对于处理超长上下文将是个巨大突破——近期上下文保持高分辨率，历史上下文占用更少计算资源，理论上可以支撑“无限上下文”。

十一 | 简言之，DeepSeek-OCR表面上是个OCR模型，但实际上是在探索一个更宏大的命题：能否用视觉模态作为LLM文本信息处理的高效压缩媒介？初步答案是肯定的，7—20倍的Token压缩能力已经展现出来了。当然，团队也承认这只是个开始。

十二 | 单纯的OCR还不足以完全验证“上下文光学压缩”，后续还计划开展数字–光学文本交替预训练、“大海捞针”式测试，以及其他系统性评估。不过不管怎么说，这在VLM和LLM的进化路上，又多了一条新赛道。去年这个时候，大家还在卷怎么让模型“记得更多”。今年DeepSeek直接反其道行之，不如让模型学会“忘掉一些”。确然，AI的进化，有时候不是做加法，而是做减法。小而美，也能玩出大花样，DeepSeek-OCR这个3B小模型就是最好的证明。 GitHub主页：http://github.com/deepseek-ai/DeepSeek-OCR 论文地址：https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek\_OCR\_paper.pdf 模型下载：https://huggingface.co/deepseek-ai/DeepSeek-OCR 本文来自微信公众号：APPSO （ID：appsolution）。