王海峰提到的深度学习的通用性特点，以及深度学习框架及平台的发展，正在推动人工智能标准化、自动化和模块化，进入工业大生产阶段，就是在针对这个问题。其解决方式本质是通过深度学习框架，让AI在“深层”也实现“框架能力”的通用性（对应地，AI已经在“表层”实现“应用能力”的通用性），如此，专属领域的AI应用也可以被“批量生产”。
由此，也不难理解PaddlePaddle同时在峰会上发布的中文名字“飞桨”——AI发展到了这个阶段，深度学习已经急速划动AI潮流、帮助AI跃迁进入“工业大生产”时代。
这里通过百度PaddlePaddle平台案例来理解。
在林业管理中，红脂大小蠹是非常严重的害虫灾害，过去，林业管理系统需要通过人力监测来预报和治理虫情，现在，北京林业大学在百度PaddlePaddle支撑下研发的智能虫情监测系统，30分钟可完成原本研究院一周的观察工作量，大大提升了灾害防治的效率；
此外，百度曾基于PaddlePaddle深度学习能力完成了一个“AI控烟”监测项目，数万张吸烟动作图片进行了43次深度学习模型训练，能够以较高的准确率完成吸烟人群的识别。
这些案例与人脸识别不同，都具备极强的“个案”色彩，其需求是独特而少有的，传统AI平台在应用层并不能提供对应的解决方案，开发者必须借助深度学习平台自主开发、训练和部署应用。
反过来，这些“个案”的生产实际上建立在框架能力的通用性基础之上，图像识别的深度学习还能以同样的姿势生产出更多有关“识别”的个性化AI应用。
如果类比人类历史上的工业发展变革，深度学习框架实际上也提供了“标准化、自动化、模块化”的生产平台，只不过生产的东西变成了“AI应用”。
抢占智能时代的“操作系统”，百度PaddlePaddle竖起中国深度学旗帜
按王海峰的观点，深度学习框架下接芯片、大型计算机系统，上承各种业务模型、行业应用，是“智能时代的操作系统”。
这也可以理解为，AI深度学习之战，就是抢占智能时代“操作系统”的战争，而“操作系统”的价值不言而喻，这也给了“技术派”百度更充分的底气。
至少在现阶段，凭借深度学习领域的三个“唯一”，百度PaddlePaddle已树立中国深度学习的一面旗帜，打造了一套运行良好的“操作系统”。
1、唯一具备深度学习所需的前置技术积淀
解决问题（AI应用），与教一个人如何“解决问题”（深度学习自构建AI应用）有着维度上的不同。
