TL;DR：
百度推出的 Unlimited OCR 通过引入“参考滑动窗口注意力”（R-SWA）机制，将原本随文档长度线性膨胀的 KV 缓存锁定为恒定常数，实现了从“分段拼接”到“一镜到底”的长文档解析范式转换，标志着 OCR 从基础字符识别向认知型数据提取引擎的跨越。
技术突破：从“无限增长”到“有界认知”
长期以来，端到端 OCR 的发展一直受困于“记忆的诅咒”。以 DeepSeek OCR 为代表的先进模型虽然在单页识别上达到了人类水平，但面对数十页的长篇 PDF，它们不得不采用“for 循环”式的逐页处理方案。这种工程化补丁在本质上是断裂的，因为它将长文档强行切割，不仅导致跨页上下文丢失，更因 KV 缓存随着解码长度无止境膨胀，引发推理延迟的指数级攀升。
百度推出的 Unlimited OCR 则是一场算法意义上的“减法革命”。其核心 R-SWA 机制的精妙之处在于，它通过“参考段”与“解码滑动窗口”的解耦，模拟了人类阅读过程中的“软遗忘”逻辑：模型始终保持对全局视觉特征的参考，但只将当前的阅读焦点（滑动窗口）存入显存。12
这种设计将 KV 缓存由随序列增长的线性复杂度，转化为一个有界的常数。对于算力资源而言，这意味着在处理 1 页或 40 页文档时，推理压力几乎保持恒定。这不仅是性能指标的优化，更是大模型在长程任务推理中，如何平衡“记忆密度”与“计算成本”的经典范式转移。
商业敏锐度：从“工具”到“数据生产力”
在企业数字化转型的视野中，OCR 过去被视为一种“识别工具”。然而，随着大模型对非结构化数据的深度解析能力增强，OCR 正在重构为 AI 时代最重要的“数据入口”。1
- 生态卡位：随着企业内部沉睡的 PDF 合同、票据、报告等海量文档被转化为机器可理解的 Token，模型解析长文档的能力直接决定了企业数据资产的价值挖掘深度。1
- 效率边界的突破：Unlimited OCR 实现的“一镜到底”式解析，不仅提升了 35% 的推理吞吐量（TPS），更重要的是解决了格式一致性与逻辑连贯性问题。这为金融、医疗、法律等文档密集型行业提供了一个低延迟、高可靠的生产力底座。13
社会与哲学视角：技术的“拟人化”迭代
Unlimited OCR 的演进隐喻着 AI 发展的一个重要趋势：从追求“全知全能的完美记忆”向“具身认知的动态遗忘”转变。
人类阅读的本质并非对所有历史信息的精确复写，而是基于注意力的选择性留存。R-SWA 机制通过技术手段强制模型放弃对冗余信息的僵化记忆，这种“学会遗忘”的策略，实际上是 AI 对人类认知神经科学的一种工程化映射。1
未来趋势：迈向真正的“无限”解析
尽管目前 Unlimited OCR 仍受限于预填（prefill）阶段的上下文窗口，但其展示的潜力已预示了未来的演进路径：
- 架构进化：短期内，将上下文窗口从 32K 扩展至 128K 及以上已在规划中。1
- 认知翻页：长期目标是构建“预填池”机制，允许模型像人翻书一样，按需从大容量存储中调取特定的 KV 片段，从而突破物理上下文的硬性约束。1
- 跨模态泛化：由于 R-SWA 本质上是通用的参考注意力机制，该架构极有可能迁移至语音识别（ASR）、长程翻译及复杂的代理（Agent）工作流中，成为构建长程智能系统的底层组件。12
Unlimited OCR 所揭示的不仅是一个 OCR 的优化方案，更是一场关于“如何让模型更聪明地管理记忆”的深刻实验。随着这一机制的成熟，AI 处理物理世界海量长篇信息的门槛将大幅降低，一个文档不再是单纯的图像，而是被 AI 实时读取、理解并转化为行动的连续知识流。