大量纸质文件需 OCR 识别归档，有何高效软硬件方案？

一、扫描准备

扫描仪：根据扫描量以及纸张大小，购买ADF扫描仪即可（以Epson为例）

SMB网络共享：扫描仪、电脑、OCR设备能访问即可

二、扫描步骤

① SMB内文件夹进行简单分类，方便后续处理

② 如果是带屏幕的扫描仪，扫描可以直接选择储存的网络路径；如果是无屏幕的扫描仪，可以用Document Capture Pro设置不同预设，储存至不同网络路径

③ 扫描成PDF，可以把去空白页、去阴影、纠偏等功能打开，方便OCR软件处理

三、OCR识别

设备：一台具有Nvidia独显的电脑，最好是RTX50系（推荐显存≥12G、Linux部署内存≥32G，WSL2部署内存≥48G，最新A/I家主流级CPU）

OCR软件1-PaddleOCR-VL-1.5：适合单据、手写稿等内容杂乱，手写内容较多内容

OCR软件2-MinerU(vlm-auto-engine)：适合打印合同、公式/化学式多的规整文档

上述两个软件均为本地部署，可按文件夹批量进行文档OCR并输出至指定路径，企业数据比较多的话本地更有成本优势，会议纪要也不适合上传到公网。

不要考虑PDF软件自带的OCR功能，表现和PaddleOCR与MinerU相比非常差劲，如果觉得识别速度慢，可以根据任务类型适当降低精度，或使用核心性能更强的显卡和CPU（使用VLM后端时，CPU只用于文件生成排版，优先堆显卡更有助于速度提升）。

四、内容提取&校验

扫描结果输出为markdown格式，方便后续对接LLM进行进一步信息提取和校验。

五、案例参考

5080Laptop + 9955HX 笔记本电脑，使用MinerU vlm-auto-engine后端OCR识别一本443页的扫描PDF图书（251MB），计算部分耗时如下：

第一轮推理（版面分析与简单块提取）：耗时 2 分 03 秒，输出速度 999 tokens/s；
第二轮推理（密集文本与复杂表格解析）：耗时 2 分 28 秒，共5416 个切片，输出速度 2090.36 tokens/s；
大模型辅助标题排版（LLM aided title）：耗时 36 秒；
文件 I/O 与 JSON/Markdown 生成（CPU 处理）：约 1 分 11 秒。
计算总共耗时6分18秒