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上推出了全新的多模态模型DeepSeek - OCR。

这一成果迅速在产业界激起热烈探讨。在华为旗下的学术平台“黄大年茶思屋”上，有技术专家指出，该模型核心构件视觉encoder的高效解码，为光计算和量子计算引入LLM（注：大语言模型）领域提供了明确的技术途径。

10月29日，图灵量子相关负责人接受21世纪经济报道记者采访时称，DeepSeek - OCR技术能更高效地发挥光计算高并行性和低功耗的优势，相信不久后就会出现光计算芯片结合大模型的应用。

光学压缩破局

一直以来，上下文长度是制约大模型性能的关键瓶颈。例如，上下文窗口过小，会使模型无法一次性读取用户之前输入的信息（如文章），影响推理的准确性。

针对这一痛点，业内提出了稀疏注意力、检索增强生成等多种技术来应对。此次，DeepSeek首次提出“上下文光学压缩”（Contexts Optical Compression）技术，通过将文本当作图像处理，实现信息的高效压缩，理论上甚至能实现无限上下文。

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，本质上是对人脑遗忘机制的模拟。简单来说，通过将文本作为图像处理，可实现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倍压缩时能保持97%的解码精度，20倍压缩时仍有60%的精度。而这是实现LLM Memory遗忘机制的关键所在。

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，大幅减少数据分割和组装的操作次数，进而降低整体计算负荷。这种数据的编码机制，减轻了对后端计算硬件（无论是电芯片还是光芯片）在规模和精度上的直接压力。”

进一步而言，针对光计算，该负责人认为，“(此模型)同样也能减少光电转化的次数，从而更有效地发挥光计算高并行性和低功耗的优势，相信很快就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创造条件。

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等计算密集型任务带来了新的可能。

乔楠认为，光计算的核心优势之一是能以极快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过长，光芯片无法做得足够大，现在deepseek - ocr提出了光学编码的原生机制，解决了引入光芯片的最大难题。

在乔楠的设想中，DeepSeek - OCR的DeepEncoder（视觉编码器）部分，会是一个非常适合由光学协处理器执行的模块。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）则可完全交由光计算芯片，实现最优分工。

不过，受技术、制造、生态等多种条件限制，光计算芯片目前仍处于产业化初期。前述图灵量子负责人表示，光芯片目前主要有两个问题需要解决，一是先进光电融合封装，要使光源、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，这是发挥光计算优势的集成。其次整个光计算的软件生态还不够成熟，导致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）开展各方面研究，具备从设计、版图、流片、测试到封装的全流程能力，经过多年的技术迭代和优化，已在TFLN产品方面实现规模化量产。

图灵量子负责人坦言，“光计算芯片已进入产业化的早期阶段，但要在数据中心里与GPU竞争，可能还需要3 - 5年时间来攻克工程、成本和生态方面的难题。”

（文章来源：21世纪经济报道）