OCR 识别服务的部署配置

OCR（光学字符识别）是少数不依赖显卡也能跑得像样的 AI 业务，部署思路因此可以更省。 CPU 推理为什么可行 常见 OCR 模型的检测加识别两段计算量都不大，4 核 CPU 处理一张 A4 幅面的图片通常在两三秒内完成，8 核能压到一秒左右。对发票、单据、证件这类批量处理场景，识别延迟本来就不是第一要求，吞吐量才是，CPU 路线的性价比明显更高。只有手写体、复杂版面或超大分辨率图，才需要考虑上 GPU。 用队列做削峰 OCR 业务的请求往往成批到达：财务月底集中扫票，运营早上批量传图。直接压到识别进程上，CPU 会被打满，后续请求接连超时。标准做法是中间加一层任务队列，接口层只管收图入队，识别进程按自己的节奏消费，处理完写结果表。队列深度要进监控，积压超过阈值就说明该扩容了，这个信号比用户投诉来得早。 部署配置建议 起步用 4 核 8G 的机器，识别进程按 CPU 核数减一开工作线程，留一核给系统。图片原图和识别结果分目录存放，原图按天归档，定期转压缩格式；识别结果入库后，原图保留期按业务合规要求定，别默认永久保存。批量处理的吞吐对网络也有基础要求，机器放在线路稳定的机房，识别高峰才不会卡在上传环节。 机型怎么选 顺云的高防云服务器 S4-8G 这类 8G 内存档位适合作为识别主机，批量票据场景对公网防御有基础要求，高防系列更省心；图片量特别大的，再单独挂数据盘放原图归档。 先让单张识别跑通，再接队列和批量，最后按积压量扩容。顺序对了，每一分配置都不会浪费。