一家企业的合同明确排除中国软件和模型，却要处理大量版式不一的检测报告与材料证明；可选方案随之收窄到 OlmOCR 2、Gemma、LiteParse 和 Tesseract，这条限制值得供应链与技术团队认真评估。

这是什么

场景属于本地文档处理：先识别扫描件，再按页拆分报告，提取批号、合金等字段，最后写入数据库。中文用户熟悉的 PaddleOCR 和 Qwen 因合同限制被排除；OlmOCR 2 本身又基于 Qwen 微调，模型来源问题并未真正消失。

本地运行（数据只在自己的设备或服务器中处理）能降低敏感文件外传风险，但不能自动消除开源许可证、模型来源和客户审计要求。企业还要说明用了哪些组件、训练数据来自哪里，以及供应商是否接受。

行业怎么看

我们注意到，讨论中的首选仍是基于 Qwen 的 OlmOCR 2 等方案，说明中文文档识别生态的集中度很高；Tesseract、Gemma 和 Docling 类工具可以补位，但面对票据、表格和复杂印章时，效果与部署成本需要逐项验证。

风险也很明确：若合同把“中国模型”定义得过宽，基于 Qwen 微调的模型可能同样受限；业务部门若等到采购或验收阶段才追问来源，替换成本会明显上升。另一方面，模型血缘并不等于数据一定出境，许可证、权重来源与实际数据处理位置应分开审查。

对普通人的影响

对企业 IT：文档系统选型不能只比较识别准确率，还要提前记录模型来源、许可证和客户审计口径，并准备非中国模型备选。

对个人职场：处理采购、质检和合规文件时，数据不出本地会更有吸引力，但“开源”不等于“合同可用”，专业判断正在成为采购人员的必要能力。

对消费市场：如果更多企业采用类似限制，扫描件整理、票据归档和合同抽取服务会形成更严格的供应商名单，用户也会更关注服务背后的模型与数据来源。