DeepSeeK OCR - 왕자의 귀환

오늘은 DeepSeek-OCR이라는 새로운 시각 기반 AI 기술에 대해 이야기해보려고 합니다.
올해 4월에 DeepSeek로 인해 미국 AI 관련 하락으로 인해 증시가 크게 흔들린적이 있는데. 다시 또 OCR 기술로 중국이 화려하게 등장하고 있습니다. 

DeepSeek_OCR 이 이제 인공지능이 단순히 글자를 인식하는 수준을 넘어 문서 전체를 ‘이해’하는 단계로 진화하고 있습니다.
 

Q.기존 OCR은 무엇이 문제였나요?

• 기존 OCR 기술은 이미지를 단순히 텍스트로만 변환했습니다.
• 글자의 형태나 위치, 배경 맥락은 무시되었죠. 예를 들어 글자의 색상, 볼드체, "인용부호"등 
• 또한 복잡한 표나 그래프가 들어간 문서를 처리하기엔 한계가 있었습니다.

Q. DeepSeek-OCR은 어떻게 다른가요?

• DeepSeek-OCR은 글자 모양, 색상, 위치, 주변 맥락까지 함께 인식합니다.
• 즉, “읽기(reading)”가 아니라 “이해(understanding)”에 가깝습니다.
• AI가 사람처럼 문서의 구조를 보고 파악하는 셈이죠.

Q. 어떤 방식으로 효율성을 높였나요?

• 일반 AI는 텍스트를 수천~수만 개의 토큰(token) 으로 분리해 계산하지만,
  DeepSeek-OCR은 문서를 하나의 이미지 토큰(image token) 으로 압축합니다.
• 이 덕분에 처리 속도는 10배 이상 빨라지고,
  더 많은 데이터를 훨씬 저렴하게 다룰 수 있습니다.

Q. 시각 정보 기반의 문서 이해란 무엇인가요?

• DeepSeek-OCR은 문서 내의 글자 크기, 굵기, 표, 그래프 등 시각 요소를 한 번에 처리합니다.
• 단순한 문자 추출이 아니라 ‘제목–본문–표–그래프’의 관계를 스스로 정리합니다.
• 최종적으로 Markdown 같은 구조화된 텍스트로 변환하여 활용도를 높입니다.  

Q. 이 기술이 가져올 변화는 무엇일까요?

• 기존 LLM은 문맥 길이에 한계가 있었지만, 이미지 기반 입력 덕분에 훨씬 긴 문서를 처리할 수 있게 되었습니다.
• 안드레 카파시와 일론 머스크가 말하듯, “AI의 본질은 언어가 아니라 빛(시각)”입니다. 
• 사람도 글자로 이해하는것보다 시각적으로 기억하는게 더 효율적이듯.