OCR是最早應用于企業降本增效的AI技術之一，目前已廣泛應用在金融、保險、醫療、交通、教育等諸多行業。
OCR是最早應用于企業降本增效的AI技術之一，可以對企業在經營過程中產生的大量的文檔、表格、圖片等非結構數據進行識別與提取，使其快速轉變為計算機文字，幫助降低數據存儲量、支撐企業檔案循環分析。目前已廣泛應用在金融、保險、醫療、交通、教育等諸多行業。
隨著實踐的不斷深入，企業對OCR模型的需求呈現越來越多元化的趨勢。以廣東省農村信用社聯合社(以下簡稱“廣東省農信聯社”)的日常業務為例，工作人員需要人工識別和錄入大量不同類型的手寫文字，包括辦理存取款業務時的簽名識別、預留簽名印鑒的簽名比對、支票、解款、匯款等業務的手寫憑證等。
傳統OCR廠商組合式的服務存在算法普適性不強的問題，當面對不同的識別場景，開發人員需要重新對數據進行標注并訓練一個新的模型，這使得OCR服務的開發維護成本居高不下，也無法滿足業務快速發展的要求。
另一方面，缺乏高質量的手寫字體標注數據是提升OCR手寫字體識別模型精度的最大挑戰之一。相較于通用印刷體，手寫字體存在不規則、連筆、潦草等特點。OCR技術對手寫字體的識別難度遠超印刷體。在數據方面，對手寫字體的模型訓練也無法參照印刷體的訓練方式，即通過大量合成數據提高算法精度。
為解決廣東省農信聯社面臨的業務需求多元化、數據量少的難題，華為云盤古金融OCR大模型通過獨有的對比學習與掩膜圖像建模相融合的自監督學習方法，能夠學習并充分利用大規模的無標簽OCR數據，只需要傳統方式十分之一的標注量，就可以訓練出高精度的手寫字體識別模型。在華為云與廣東省農信聯社的聯創實踐項目中，相較業界的小模型開發方式，盤古金融OCR大模型可以將字段識別精度從83.9%提升至91.0%。
此外，通過盤古金融OCR大模型，廣東省農信聯社可以實現用一個模型覆蓋多個通用的文字識別場景。例如，在柜面手寫單據業務場景中，盤古金融OCR大模型可以自動識別出日期、賬號、戶名、開戶行、大小寫金額等手寫信息，將原有的“人工錄兩錄一?！焙喕癁椤跋到y自動一錄，人工一錄一?！?。對于柜外清、VTM/STM上無紙化的簽字圖片，盤古金融OCR大模型可以識別簽名的具體文字或簽名的動態數據矢量文件，完成靜態簽名和動態簽名對比。
華為云盤古金融OCR大模型已在十一項經典數據集(如IIIT5K， SVT， IC13, IC15, SVTP， CUTE等)測試中取得顯著的精度提升。與原本領先的文字識別算法相比，盤古金融OCR大模型的精度平均提升5%以上。
面對當下越來越廣泛的移動辦公場景，業界移動端OCR算法普遍以犧牲算法精度的方式換取運行速度。華為云盤古金融OCR大模型可以平滑蒸餾出體積相差1000倍的大、中、小模型，滿足在多種設備上高效運行的使用條件，覆蓋金融、零售、電商、地產等行業的新型單據、卡證、表格的識別需求。
此外，華為云盤古金融OCR大模型能夠提供二次訓練能力，企業可在通用模型基礎上快速訓練出適應業務場景的新模型，讓企業自主掌握OCR服務構建能力。降低模型定制成本，縮短業務上線周期，幫助更多企業從傳統人工作業環節中解放出來，創造更大的生產力和價值，為金融行業數字化變革注入源動力。
（華為）
