如果以代码托管网站Github的数据来衡量，谷歌的TensorFlow已经占据了压倒性的优势。无论是打星数量、代码修改（Fork）和代码贡献数量衡量，TensorFlow都是排名第二框架的至少两倍以上。
TensorFlow的最大优势在于：灵活性，可用于智能手机，甚至整合入电路板；支持异构分布计算，可用于单机也可用于分布式计算设备；通用性，支持多种编程语言，支持多种深度学习模型库。同样不可忽视的是，谷歌在开源领域对开发者拥有巨大的吸引力。
得益于谷歌提供的TensorFlow、Google.ai以及TPU等全套深度学习框架和基础设施，开发者不用去研究复杂的数学模型、语言模型、图像视觉模型就可以快速实现软硬件的智能化。今天I/O大会主题演讲发布的系列深度学习产品，进一步强化了谷歌在这领域的优势所在。
某种意义上说，谷歌在AI领域的战略延续了Android的成功经验。通过一套完整的、免费的开源平台，引入大量垂直领域的开发者，将原本前沿研究阶段的人工智能技术直接带入到应用层面，而自己的研发力量可以用于更为复杂的创新工作。
谷歌给AI行业带来的巨大冲击，也是微软、IBM、亚马逊和Facebook随后迅速跟进的重要原因。在这场关于未来的竞争中，谁能获得更多的开发者，覆盖到更多的垂直领域，谁就更有可能在AI的行业规范制定中占据更多的话语权和先发优势。
谷歌的收与放
从今日I/O大会的主题演讲，可以清晰的看到谷歌在AI领域的战略布局。谷歌已经完成了Al的初步战略布局，也具备了推动AI行业前行的几大要素：开发框架、开发社区、大计算基础设施和用户数据。作为自我训练能力的神经网络，用户数据是完善和提高深度学习的必需条件。
一方面，通过简化AI开发与设计，谷歌将AI在诸多垂直领域的落地交给了开发者，例如在I/O大会上提到的糖尿病医学诊断研究。而他们在开发和应用基于深度学习的产品，改变具体行业与生活的同时，也给谷歌带来了重要的用户数据，帮助TensorFlow进一步训练。
另一方面，用户与数据本就是谷歌最大的优势所在。除了拥有超过20亿活跃设备的Android平台，谷歌旗下各项跨平台的核心产品服务的用户量也都在数亿甚至十亿级别。通过将AI应用在自己的产品服务中，谷歌不仅能够极大提升自己软件产品的体验，进一步扩大用户量，也能够获得更多、更深入的用户使用数据，用于提升AI性能。
谷歌CEO皮查伊早在去年年底就明确表示，“机器学习是谷歌重新定义产品行为的核心变革力。谷歌希望在旗下所有产品中逐步系统使用机器学习，包括搜索、广告、YouTube和Play商店等等。”
