最近，北京工业大学的学生利用百度深度开源框架PaddlePaddle为平谷的桃农，制造了一台智能桃子分拣机，可以根据桃子的颜色、大小、光亮等诸多特征，为其实现分拣。
而开发者利用深度开源框架，将AI技术运用到农业生产并不是第一次，早在去年就有日本开发者Koike运用到了谷歌的深度开源框架TensorFlow，开发了黄瓜分拣机。
而这也不免让外界认为，PaddlePaddle只是在跟风TensorFlow做了一个类似项目而已，但实际上如果对比这二者的细节，则可以发现这两大开源框架有着明显的差异。
PaddlePaddle和TensorFlow，反映了百度谷歌开源方向的不同
1）开发者成本高低设计的不同
日本开发者在用TensorFlow进行不同分类的黄瓜图像录入时，其用到了7000张照片，依靠全家成员耗时三个月最终才完成了录入工作。而北工大PaddlePaddle的分桃项目这边，用到了6400张照片，但是所有数据的采集和标注，只用了一个人不到一天时间完成，相比于TensorFlow减轻了巨大的工作量。
这是由于PaddlePaddle完善了采集数据、标注数据两个特别耗时的步骤，并借助机械领域相关经验，为开发者做出了一个极易操作的低成本解决方案。
2）官方介入深度的不同
7000张黄瓜照片耗费三个月才录入完成，实际上以谷歌的能力，完全可以帮助开发者，设计出一套更便捷的录入系统，减少其成本，但谷歌并没有这样做，反而将黄瓜分拣项目进行各种营销宣传。
而PaddlePaddle这边，则寄予了更多的官方帮助，在北工大学生发现识别率不准确后，及时向GitHub的管理人员进行反馈，而当值班人员发现该问题后，就及时寄予了回复以及解决，因此，百度方面更为积极的介入到开发者的开发过程中。
3）战略轻重的不同
在开源方面，谷歌有着广撒网的基因，其更倾向于打造更多的开源项目，以占领未来市场，安卓的成功更让其相信这一点。
而谷歌旗下拥有至少超过60个的开源项目，TensorFlow只是其中之一，并没有太多精力对其进行额外的拓展。
而百度虽然是国内开源最多的公司，虽然不能像谷歌那样在各个领域面面俱到，但这反而是百度的优势，其可以对开源项目进行更专注的投入，抬高其战略重要性。
因此，PaddlePaddle则更为务实，除了提供基本的框架源码之外，还提供了整体解决方案，融合机械领域的相关经验，直接为开发者提供跨行业的解决能力，可以更好的融合，并进一步实现商业化落地。
