只有需求这种能力共享的AI项目越多，深度学习平台的“共享”价值才更能凸显。
作为全球GDP排名第二，制造业第一，服务业蓬勃发展的东方大国，中国产业的智能化需求催生出全球最为庞大的深度学习需求，飞桨的出现和壮大是必然。
而反过来，飞桨本身也必须适应这种庞大、多样化的共享需求，其中既有能力上的广泛适应需求（不能偏科），也有系统上的集中承载需求（要能扛得住）。
飞桨的一个领先的技术优势之一，就是支持超大规模深度学习模型的训练。根据官宣，目前飞桨突破了超大规模深度学习模型训练技术，是世界首个支持千亿特征、万亿参数、数百节点，攻克了超大规模深度学习模型在线学习难题，且实现了万亿规模参数模型实时更新的开源大规模训练平台。
能力与需求“握手”，中国大本营是飞桨国际化竞逐的底气。
2、产业的“跃迁式”发展，让中国更需要深度学习平台
除了应用的广泛，如何让应用更便捷实现，是所有深度学习平台竞逐的重点，无论是PyTorch 1.3还是Tensorflow 2.0的版本更新，都打出了易用、好实现这张牌。
而这件事放到眼下的中国，情形更为特殊。
中国金融科技的发展，是在原本传统的金融业基础上跨越而来，反而领先了国外。而中国的产业演化也在经历同样的过程，从十分传统到十分智能的大跨度式跳跃，快速开发与部署的需求更为强烈。
但是，AI这件事必须投入大量人力物力去钻研，不论是传统领域，还是做服务的创业企业都很难支撑。
当飞桨打出“开发便捷的产业级深度学习框架”旗号时，也就是在契合这样的需求，其采用基于编程逻辑的组网范式，对于普通开发者而言更容易上手，符合他们的开发习惯，同时，平台支持声明式和命令式编程，简言之就是兼具开发的灵活性和高性能。在这种情况下，飞桨亦实现了网络结构自动设计，模型效果超越人类专家。
这些属性无疑能帮助那些需要跃迁式发展的企业在AI领域快速使用深度学习的成型算法，解放出更多精力放在重要业务上。
3、已有丰富的案例落地，产生AI领域的低成本知识裂变价值
先来看一个案例。
“红脂大小蠹”长期侵害中国植被森林区，对生态影响很大，过去的解决办法是人力翻山越岭巡查，找到害虫聚集区采取措施。除了专业人才需求大，也容易出现巡查漏洞，贻误治虫时机。
嘉楠捷思、百度飞桨和北京林业大学共同合作研发出了智能害虫检测系统解决了这个林业的痛点问题，利用搭载AI芯片的摄像头模组进行虫子的检测与识别，分析病虫害当中虫子的种类，以及害虫集中在哪个层面，以进行针对性的防治。
