一、2000 万份档案：一个地市级社保中心的”历史包袱”
2024 年 3 月，某地市级社保中心迎来了一位新主任。上任第一周，他被带到一个地方——档案库。
推开门，映入眼帘的是密密麻麻的密集架，架子上堆满了泛黄的纸质档案。工作人员告诉他：”这是 1995 年到 2020 年的参保单位档案，大约 2000 万份。每年还要新增 80 万份。”
“为什么不用电子档案？” “早期扫描过一部分，但识别准确率太低，没法用。现在还是靠人工查阅。”
问题很快暴露：2024 年 5 月，省社保稽核审计组进驻，要求调取 2018-2023 年所有参保单位的缴费基数申报材料。按传统方式，需要：
2000 万份档案，每份平均 20 分钟，合计 4 亿分钟，折合 760 年。就算投入 100 个人全年无休，也需要 7.6 年。
稽核审计等不了 7 年。社保中心必须找到新的解决方案。
二、技术方案：批量 OCR 的”三个核心挑战”
批量 OCR 和单张 OCR 是完全不同的问题。单张识别追求准确率，批量识别追求吞吐量和成本。
挑战 1：图像质量参差不齐
2000 万份档案，来源复杂：
统一用一套模型处理，效果肯定不行。我们采用了”质量分级 + 模型路由”的策略：
质量分级模型
