1、生态管理：绝对掌控VS广泛开放
谷歌对生态伙伴的选择相对谨慎，强调对平台生态的绝对把控。
比如自动驾驶领域，谷歌的Waymo平台只选择了英特尔作为技术合作伙伴，且双方只在较小范围内合作，谷歌极为注重核心技术端到端的控制；汽车OEM厂商选择了菲亚特克莱斯勒和捷豹路虎，目前停留在以代工形式在OEM厂商产品上装配谷歌的自动驾驶软硬件；出行生态伙伴的选择上，除了战略投资来福车（Lyft），谷歌与安飞士租车（Avis）和汽车国度（AutoNation）均以服务合同的形式进行合作，与合作伙伴之间基本属于供给关系。
百度的策略则更为开放，通过共享各种技术能力构建广泛的生态系统。
自动驾驶领域，百度Apollo平台开放共享了几乎所有的技术能力，这一平台汇集了国内外车企、自动驾驶解决方案提供商以及大出行服务提供商等157家合作伙伴，数量居全球第一，是目前全球涵盖产业最丰富、全面的自动驾驶生态。
这项策略的直接结果是帮助生态伙伴快速获取了重要能力，有效缩短了产品落地的时间。一个典型的案例：金龙客车2018年落地了100辆自动驾驶客车阿波龙，这些客车被发往北京、雄安和厦门等25个城市，比原计划足足提前了2年。
2、产业赋能：全面广泛VS简便易用
产业赋能方面，百度和谷歌也体现出完全不同的思路。
谷歌技术平台追求技术能力的全面性和广泛性，关注技术开发的全流程支持；百度技术平台则强调技术的易用性和全面性，提供商业化支持、人才培养等产业化赋能，强调技术与产业赋能并重。
谷歌TensorFlow将技术能力和应用场景进行了极为细致的梳理；算法支持和部署方式尽可能追求深入广泛与灵活多样，同时在覆盖模型训练、参数调试、打包模型、部署服务等从研究到生产的全流程提供齐备的支持。正是因为这些特点，TensorFlow成为了行业内最受欢迎的深度学习框架之一。
同样定位于技术平台，百度飞桨侧重方向有所不同。它提供了更为便捷的深度学习框架和大规模深度学习模型训练技术，支持万亿级规模参数的模型高效训练及多端平台的部署，针对产业应用开源开放面向多领域的工业级模型库，更好地支撑产业落地。
为了提升智能技术平台的易用性，百度还推出无需代码编写的人工智能建模工具EasyDL，使用者通过页面拖拽操作和少量数据上传即可创造出定制化的人工智能模型。由于飞桨“傻瓜式”的易用特征，使得其在GitHub上仅用11个月就获得5000颗星的评价。
