文档智能（Document AI）指对 PDF、扫描件、票据、报告等文档进行自动理解与信息提取的技术集合，输出结构化数据（JSON/表格）或直接回答文档相关问题。它把传统 OCR“识别文字”推进到“理解内容”。
技术栈
- 版面分析：识别标题、段落、表格、图画的布局结构
- OCR/文字识别：印刷体已很成熟，手写体与复杂版式仍在攻坚
- 多模态大模型：当前的主力路线——VLM 直接“看图”理解文档，无需拆解成多个小模型（GPT-4o、Qwen-VL、专用 DocVLM 等）
- 信息抽取：按预定义字段（发票号、金额、签署方）输出结构化结果
典型应用
财务报销（发票自动录入）、合同审查（关键条款比对与风险提示）、招投标（标书要点提取）、科研（论文数据抽取）、档案数字化。
与大模型的组合
长文档可先用文档 AI 做分块与摘要，再交给 LLM 做问答与推理；对格式高度固定的场景（发票、身份证），小模型+规则反而更稳更便宜。选型时先看准确率要求和文档多样性。