IBM選址在三藩市舉行年度Think大會，而不在賭城，同時宣佈推出Watson Anywhere，可應用於任何的雲平台上運行。IBM利用Kubernetes技術，可令Watson人工智能在任何一種雲環境都可以部署。
Think大會上IBM公佈多雲部署的技術、並進一步擁抱開源。LINUX基金會以及旗下的Cloud Native Computing Foundation，CNCF（雲原生計算基金會）的總部，設於三藩市。以雲運算、容器技術、Kubernetes三者支撐的雲原生（Cloud Native）應用，已成為行業趨勢，開源軟件又令上述標準，無遠弗屆，可在任何公有雲和私有雲執行。Think大會選址三藩市，可謂別具意義。
所謂「雲原生」，非單純的技術問題，而是關乎企業未來創新和IT發展的問題。所謂「雲原生」，泛指近年圍繞「微服務」（Microservices）架構和容器技術，發展起來的技術浪潮，「微服務」甚至可建立「無服務器」（Serverless）架構，開發人員完全不用理會IT基建，可快速部署和測試，動態配置資源，IT基建會自行管理擴充和容錯等。
Kubernetes協調容器的技術，所開發的「微架構」應用，開發人員在本身機器上開發，然後放到「微服務」上執行和迭代。上述的DevOps開發環境，已經是企業追求的目標。CNCF上最重要的是項目，就是Google開源的Kubernetes（K8s）容器協調技術，雲原生應用可在不同雲端執行，全球所有重要的公有雲，包括阿里雲，都已獲Kubernetes認證。
2014年，AWS推出了Lambda，掀起無服務器的浪潮，也就是所謂Function as a Service（FaaS）；其後各公有雲相繼出現Google Cloud Function、IBM BlueMix的OpenWhisk和Azure Functions等。開發人員只要利用Function，就可開發純粹以事件觸動的應用，Amazon語音助手Alexa，就是以FaaS建立。FaaS也可結合Kubernetes，其中包括剛成CNCF的KNative，IBM亦積極參與其中。
多雲大勢所趨
多雲環境肯定是企業大勢所趨，原因是數據分散，遷移和整理數據又不容易，更可能涉及合規和規管。IBM推動Kubernetes，因為研究發展98%企業走向混合雲（Hybrid），甚至多雲（Multi Cloud）的部署，套用Rajaraman說法：「與其移動數據到應用，不如移動應用到數據去。」
AI訓練的模型凖確，必須靠3大要素，包括了算法、運算能力和數據。AI各種算法比較公開，而算力則多較利用昂貴GPU，或者新一代FPGA。
但數據則是最頭痛的問題。AI訓練不採用相關數據，不可能凖確。數據涉及大量敏感資料和監管問題，如何確保在合規的情況下利用數據分析，非常重要。
IBM在AI和深度學習訓練，均有豐富經驗。為了解決數據分散，或者未必一定位於同一地點的數據。去年，IBM推出了IBM Cloud Private（ICP），利用開源的技術，包括了容器、Kubernetes、Cloud Foundry等技術，轉化傳統應用。IBM大中華區企業與商業總裁鄭小聰說，ICP可以讓以往利用IBM中間件，例如Websphere建立的應用，以ICP變成容器化，關鍵技術就毋須重新開發，原本數據中心內Java程式，可移遷至雲端馬上成為容器；而WebSphere Liberty、DB2、MQ等中間件服務，又可以變成容器優化的版本，雲端的應用可通過API連接。企業客戶可通過ICP，以微服務方式，連接其他網上的容器服務。
IBM公佈了利用ICP和Kubernetes等容器技術，幫助企業在任何雲端環境部署AI
ICP轉化傳統應用
IBM大中華硬件系統部總經理侯森說，ICP是IBM中國研究院的成果，其後拓展到全世界。IBM又在ICP上，再加上ICP for Data功能，可連接位於任何位置的數據；從公有雲以至私有雲，ICP for Data有極豐富的連接方式，可轉化數據為Metadata，轉變和搜尋位於不同來源的數據，再利用「資料虛擬化」（Data Virtualization），授權應用程式，檢索和管理數據，完全不需要知道數據的相關技術細節，例如格式化方式或實際儲存位置。
IBM大中華區戰略業務總裁姜錫岫說，IBM並不是簡單解決AI如何訓練AI模型，因為不少企業已掌握了竅門，而集中於客戶痛點，共同設計解決應用AI的實際問題，提高AI透明度和合規性。
ICP for Data是IBM針對AI開發的開源雲原生架構，開源是ICP for Data的核心，Watson Studio則是其中關鍵部分。據IBM內部研究顯示，使用Watson服務的用戶，八成半以Python、R 和TensorFlow等開源語言和框架。
IBM先以ICP for Data，解決了數據分散的難題，再以Kubernetes，部署Watson工具在不同環境，推出了突破的Watson Anywhere。
Watson Assistant可助企業管理客戶和員工的日常查詢，而查詢內容量，通常又是較大和涉及廣泛範圍。Watson Assistant語音助手，以ICP for Data可從私有、公有、甚至多雲環境中尋找答案，以自然語言解答查詢。
Watson Assistant接收查詢時，會知道何時要求對方澄清要求，並懂得何時搜索知識庫，何時建議用戶尋求人手介入，減少誤解提升用戶體驗，已超過15個行業應用，包括汽車、銀行與金融服務、醫療健康、電信、製造業及軟體和技術等。
以往，Watson Assistant要利用IBM Cloud才能部署。不能企業內部署，一直是最大弱點，尤其不少金融機構，受合規問題束縛，數據不能離開企業作訓練。科學園內著名的AI初創「有光科技」（Fano Labs），就是憑可以在內部（On-Premise）部署的性能，短時間AI語音助手市場脫颕而出。
Kubernetes已成為所有雲平台雲原生的應用標準，甚至可在私有雲建立，Watson可部署在任何的雲平台，使用不同的深度學習框架，任何數據存儲的地方都可部署AI。
IBM資料與人工智慧部門總經理Rob Thomas說：「多數大型企業在混合雲環境中存儲資料，需要獲取應用AI技術的選擇權，無論資料存儲在何處。通過打破這種封閉的基礎系統，我們可以説明企業可通過AI加速實現轉型。」
藍色巨人收購了紅帽，未來可以開源技術幫助企業作跨雲的部署
目前，透過Kubernetes可自由部署的Watson服務，除了Watson Assistant，還有Watson OpenScale。
AI利用訓練的模型作出決策，也跟人類一樣，會出現錯誤，甚至是偏見。如何即時解釋AI如何決策，消除數據內的偏見，就是AI其中要解決的問題。例如AI否決一筆款項，是否因數據內對於種族或性別偏見，而拒絕了用戶？用戶能否真正信任AI決定？或者說AI是否公平地作出決定？
AI模型的誤差率，可通過調整數據集來糾正，而誤差率則可能要增加數據集，改善算法、或加上優化器來改變。一般數據科學家要在建立模型的 Pipeline，加入不同算法，再以實際數據測試誤率，一般AI模型都通過多次調整，減少誤差。
不過，如果數據本身帶有偏見，任何算法都不能改變結果。
AI的偏見
OpenScale可確保AI模型並不帶任何偏見，用戶可查詢AI，究竟基於何種凖則作出決定？一般的用戶可理解決定的理由，所有交易均可查核。OpenScale可支援不同AI框架所建立的模型和工具，甚至可監察Amazon Web Service (AWS) SageMaker所訓練出的AI模型。。
OpenScale也可經常查核AI模型預測的凖確性，發現執行時期，產生不合理結果，可根據企業決定的合理性屬性，自動偵測調整，也可對用於重新訓練模型的新資料集，自動提出建議，降低偏差。
IBM也推出了Neural Network Synthesis（NeuNetS），可以採用提供訓練數據（影像或文字）合成訓練模型，隨後可在 Watson Machine Learning 下載，AI模型訓練完成後，一般部署在數據附近作推理。NeuNetS可部署至內容或不同公有雲作AI推理（Inference）。
然後，IBM再利用了容器和Kubernetes技術，企業可在任何雲平台部署企業服務。據IBM雲平台的技術總監Bala Rajaraman說，IBM利用Kubernetes和ICP開放所有技術；包括中間件、DB2、Cognos應用，可通過的ICP作跨雲平台部署。
換句話說， 通過ICP更多工具，IBM中間件用戶可簡化移轉企業應用，至跨雲平台執行的過程，用戶可選擇任何公有雲，或者私有雲以Kubernetes架構，執行IBM的企業應用。
姜錫岫說：「目前的企業只有約2成應用利用了公有雲，不少是較為容易遷移的應用，但最困難是核心和關鍵應用，如何變成Cloud Native，享受快速推出原型和迭代，敏捷式開發的優點，大量應用必須重新開發，正正是IBM強項。IBM在中國Cloud Garage通過設計思考等新的方法學，降低客戶遷移關鍵應用的各項風險。」
IBM大中華區董事長陳黎明說，IBM在中國的Design studio，每日為數以千計政府和企業客戶解決不同業務數碼化問題，以設計思考的方式解決企業痛點。
IBM宣佈推出全新Watson的IBM Business Automation Intelligence，企業可將AI直接應用在應用程式和業務流程內，前線人員馬上可從AI獲得預測結果，增強員工能力，以智慧的方式實現自動化。此外，亦可衡量AI對業務結果的影響程度和有效性。
ICP for Data亦令企業可以利用Watson Studio和Watson Machine Learning等服務。今年稍徵，IBM再將為ICP for Data提供更多的Watson服務，包括Watson Knowledge Studio和Watson Natural Language Understanding。
近期發佈的Forrester Wave 企業洞察平台2019年第一季度報告中，市場調研公司Forrester Research將 ICP for Data評為「領導者」。該報告分析並評價了集合資料管理、分析洞見、應用程式發展工具等功能的企業洞察平台，可見這項IBM中國開發的技術，已臻國際水平。
Forrester Research亦提到：「IBM的預集成能力可以説明客戶在一周或更短的時間內提高生產效率。其機器學習輔助的資料目錄和治理工具也留下了深刻印象。IBM平台運用了Kubernetes，在本地或公共雲中進行部署。」
IBM亦發佈Watson Machine Learning Accelerator，以幫助IBM Watson Machine Learning實現進一步擴展，加速器能夠在Power Systems和x86系統上實現高性能的GPU集群。結合IBM POWER9的GPU記憶體頻寬，提供比競爭解決方案快10倍機器學習培訓。