比特币

海南产经新观察：商业航天加速起势,海南产经新观察：商业航天加速起势_我的网站

一 |     　　海南文昌8月26日电 (记者 符宇群 王晓斌)为期3天的2026文昌国际航空航天论坛26日在海南省文昌市结束。一场论坛，多个航天产业项目集中签约、科创平台接连揭牌，一批中外航天产业主体向文昌国际航天城抛出橄榄枝，释放出海南商业航天加速起势的鲜明信号。

二 | 图为2026文昌国际航空航天论坛开幕式上举行的集中签约仪式。

三 |     就在刚刚，DeepSeek开源了一个3B模型DeepSeek-OCR。虽然体量不大，但模型思路创新的力度着实不小。　记者 骆云飞 摄　　坐拥中国首个开放性滨海发射场、全国唯一商业航天发射场，文昌凭借低纬度、射向广、落区安全、海运便捷等先天优势，沿着“以场带产带科、产城融合”的发展路径，重点布局火箭链、卫星链、数据链、航天旅游及“航天+”多元产业，商业航天产业加速集聚。

四 |                    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。序列越长，算力烧得越狠。                             于是，DeepSeek团队想到了一个好办法。　　“海南商业航天发射场已圆满完成21次发射任务，长征十号乙运载火箭在文昌实现全球首次网系回收，卫星超级工厂进入试生产阶段，海南航天数据跨境加工贸易区正式揭牌。”海南省省长刘小明表示，海南商业航天正加速起势，向具有全球影响力的商业航天产业集聚迈进。

五 | 　　当前，文昌正瞄准航班化发射、“百箭千星”中长期目标，商业航天迎来重要发展窗口期。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”。                   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。如今的文昌不再只是一座发射保障基地，而是涵盖火箭总装、卫星制造、数据交易、文旅观礼等多元业态的产业新城。　　随着可重复使用火箭技术逐渐成熟，文昌在回收、检测、复用环节的区位优势加速释放，产业集聚效应持续增强。                             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。

六 | 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。立足海南自贸港全岛封关运作新机遇，抢抓重复使用火箭产业化新风口，一批早已瞄准文昌的中外企业加快布局脚步。图为海南航天数据跨境加工贸易区在2026文昌国际航空航天论坛开幕式上揭牌成立。　记者 骆云飞 摄　　此次论坛上，文昌国际航天城管理局与17家商业航天产业链企业签署合作协议，覆盖火箭回收保障、卫星测控、动力试验、航天文旅、产融服务等多个领域。海南航天集团也与多家金融、文旅机构达成合作。                   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。

七 | 20个节点（160块A100）直接飙到每天3300万页。来自东南亚、欧洲等地的海外航天企业代表受访时纷纷表达落地合作意愿，看好文昌发射资源与自贸港政策叠加红利。　　南非派拉林克航天公司(PyraLink Aerospace)是一家非洲民营商业发射初创企业，专注本土轨道运载火箭研发。该公司首席执行官塔托·劳伦斯·马吉拉表示，有意向在文昌设立企业、迁入研发业务，期待深化非洲与中国航天产业合作。　　千机变(杭州)科技有限公司是一家基于遥感数据研发空天AI模型的企业。该公司创始人王玉松带着航天AI算法合作意向参会，他透露，目前已在多个方向与相关机构达成初步共识，后续计划在文昌落地人工智能研发公司。

八 | 　　业内人士指出，未来商业航天爆发点不在火箭本身，而在于在轨服务、深空探测和太空算力；前端应用越发达，对全产业链的需求就越强，商业航天才能真正形成可持续的闭环。                             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。海南的挑战不在“造”和“发”，而在“用”。应用端打开，万亿赛道才是活水。

九 | 　　海南正把“发射优势”转化为“数据优势”，让商业航天从“造火箭、发卫星”走向“用数据、卖服务”。

十 |                         让我们来重点说说DeepEncoder这个引擎。

十一 | 论坛上，海南航天数据跨境加工贸易区、中泰共建“智算星群联合实验室”揭牌成立，推动文昌在航天数据流通领域迈出新步伐。　　在星测未来科技(北京)有限责任公司创始人曹德志看来，当前海外业务正成为中国商业航天企业新的拓展方向之一，海南自贸港为企业走向国际提供独特的平台优势，刚成立的海南航天数据跨境加工贸易区在促进企业开展海外卫星应用服务业务领域有先行先试的利好。　　“此次公司与海南数据与应用研究中心签约合作，基于雷达卫星在轨智能识别技术为泰国提供针对洪涝灾害的检测服务。                   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。

十二 | ”曹德志希望依托文昌的业务打造标杆案例，长远助力企业航天技术与服务出海。　　中外航天企业奔赴文昌布局的热潮，是海南自贸港培育商业航天新质生产力的写照。                   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。                   举例而言，一张1024×1024的图像，会被切成4096个patch token。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。

十三 |                              解码器用的是DeepSeek-3B-MoE架构。国家航天局总工程师李国平表示，将全力支持海南省“向天图强”，加速聚集火箭制造、卫星制造、数据应用等产业，推动商业航天市场常态化业务运行，打造中国商业航天的创新高地。

十四 |                    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。                   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。

十五 |                    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。                   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。                             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）。

十六 |                         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”。                             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。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）。

十七 |

Current article:http://xcswx.shuazhepenxingshuaisenqienai.buzz/news/20260826_829299.html

Published on:10:50:11