21世纪经济报道记者邓浩

　　日前，DeepSeek在人工智能开源社区Hugging Face上发布了一个全新的多模态模型DeepSeek-OCR。

　　这一成果迅速在产业界引发热烈讨论。

　　在华为旗下的学术平台“黄大年茶思屋”上，有技术专家甚至指出，该模型的核心构件视觉encoder的高效解码，为光计算和量子计算在LLM（注：大语言模型）领域的引入提供了明确的技术路径。

　　10月29日，图灵量子相关负责人在接受21世纪经济报道记者采访时表示，DeepSeek-OCR技术能更有效地将光计算高并行性和低功耗优势发挥出来，相信很快便会有光计算芯片结合大模型的应用出现。

　　光学压缩破局

　　一直以来，上下文的长度是困扰大模型性能的重要瓶颈。比如，上下文窗口过小，会导致模型无法一次性阅读用户之前的输入信息（比如文章），影响推理的准确性。

　　针对这个痛点，业内提出了稀疏注意力、检索增强生成等多种技术来应对。这一次，DeepSeek首次提出“上下文光学压缩”（Contexts Optical Compression）技术，通过将文本作为图像来处理，实现信息的高效压缩，理论上甚至可以实现无限上下文。

　　黄大年茶思屋上的技术专家乔楠认为，DeepSeek此次推出的新模型，本质是模拟人脑的遗忘机制。

　　简单而言，通过将文本作为图像处理，可以实现7-20倍的token压缩。以一页文本为例，通常需要2000-5000个文本tokens，转换为图像后仅需200-400个视觉tokens。10倍压缩时保持97%的解码精度，20倍压缩时仍有60%精度。而这是实现LLM Memory遗忘机制的关键点。

　　在乔楠看来，通过将多轮对话中的历史上下文渲染成图像，LLM可以像人一样遗忘。比如近期的对话（如k轮内）保持高分辨率的文本形态；而更早的历史（k轮外）则被压缩成图像。随着时间推移，这些“记忆图像”可以被逐步降采样或缩小（变得更模糊），从而占用更少的Token，模拟人类记忆中“近期信息高保真、远期信息自然褪去”的生物遗忘曲线。

　　上述图灵量子负责人也表示，“DeepSeek-OCR技术将文本渲染为图像后作为视觉信息处理，大幅降低数据分割和组装的操作次数，从而降低整体计算负荷。这种数据的编码机制，降低了对后端计算硬件（无论是电芯片还是光芯片）在规模和精度上的直接压力。”

　　进一步，针对光计算，该负责人认为，“(此模型)同样也可以减少光电转化的次数，从而能更有效地将光计算高并行性和低功耗优势发挥出来，相信很快便会有光计算芯片结合大模型的应用出现。”

　　或触发硬件革命

　　通过将文本问题转化为图像问题，DeepSeek的OCR技术有可能为光计算芯片进入大语言模型铺平道路。

　　光计算芯片被誉为“后摩尔时代”的潜力技术，它利用光速传输、高并行性和低功耗的特性，为AI等计算密集型任务提供了新可能。

　　乔楠认为，光计算的核心优势之一是能以极高速度和极低功耗执行特定计算，如图形处理中常见的傅里叶变换和大规模并行处理。以前引入光计算最大的问题是序列的上下文太长了，光芯片没办法做太大，现在deepseek-ocr提出了光学编码的原生机制，这解决了引入光芯片的最大问题。

　　在乔楠的构想中，DeepSeek-OCR的DeepEncoder（视觉编码器）部分，会成为一个非常适合由光学协处理器来执行的模块。但文本解码（Decoder部分）仍由电子芯片（GPU/NPU）处理。另外记忆的压缩（文本->图像->视觉Token）则可以完全交给光计算芯片，实现最优分工。

　　不过，受限于技术、制造、生态等多种边际条件制约，光计算芯片目前仍处于产业化早期。

　　前述图灵量子负责人就表示，光芯片目前主要还有两个问题需要解决，一是先进光电融合封装，使光源，芯片和探测器件高效集成在芯片上，并确保它们与电子控制单元稳定协作，这是发挥出光计算优势的集成。其次整个光计算的软件生态还不够用成熟，致使大规模开发和优化光计算应用仍存在挑战。

　　据了解，国内主要参与者有曦智科技，图灵量子，光本位等公司，国外有Lightmatter，Lumai，Cerebras Systems等厂家。

　　其中，图灵量子一直围绕薄膜铌酸锂（FTLN）开展各方面的研究，具备从设计，版图，流片，测试和封装全流程能力，经过多年的技术迭代和优化，已在TFLN产品方面已取得规模化量产。

　　图灵量子负责人坦言，“光计算芯片已经驶入了产业化的早期车道，但距离在数据中心里与GPU同台竞技，可能还需要3-5年的时间来攻克工程、成本和生态的难题。”