以安全内存推进机密 AI

📌 One-Sentence Summary

Google 的 Private AI Compute 团队推出了一种持久化的服务端记忆层，使云端 AI 上下文保持加密并由设备密钥控制，将端侧隐私标准扩展到跨设备 AI 助手。

📝 Summary

Google 的 Private AI Compute 团队提出了一种新架构，为其 Private AI Compute 平台增加了持久化的服务端记忆，解决了跨设备 AI 长期连续性与严格隐私之间的张力。该设计将用户数据封存在专用的加密存储中，而加密密钥仅保留在个人设备上，因此即便是 Google 也无法访问这些数据。当模型需要上下文时，一条经过认证的端到端加密通道会将设备连接到硬件隔离的安全飞地，在隔离内存中临时解密数据、处理请求、保存新的上下文，并立即重新加密。该架构结合了硬件强制的安全飞地、双重加密通道，以及由设备派生密钥（KEK、DEK、封装 DEK）保护的单用户数据库。此前，此类云端飞地处理是无状态的，任务完成后即清除上下文，无法满足持续性的个人 AI 需求。为建立信任，Google 发布了更新的技术白皮书、可供设备端验证的防篡改服务器软件公开记录，以及由一家领先网络安全公司进行的独立审计结果。该工作由 Google DeepMind、平台与设备、Core 以及 Cloud 团队共同开发。

💡 Main Points

持久化的服务端记忆将端侧隐私扩展到云端规模的 AI

新的记忆层将用户数据封存在专用的加密存储中，而加密密钥仅保留在个人设备上，使数据对包括 Google 在内的任何其他方都不可访问。这使助手能够跨时间和跨设备保留上下文，同时不牺牲此前仅限于本地处理的隐私保障。

安全飞地与双重加密使云端处理从无状态走向有状态

一条经过认证的端到端加密通道将设备连接到硬件隔离的安全飞地，后者在隔离内存中临时解密数据、处理请求、保存新的上下文，并立即重新加密。单用户数据库由设备派生密钥（KEK、DEK、封装 DEK）保护，因此信息保持私密，如同从未离开设备。

此前的无状态飞地方案无法支持持续性的个人 AI

在此之前，Private AI Compute 及业内类似方案会在任务结束的那一刻清除所有上下文。诸如保存个人事实与偏好列表之类的变通做法，无法满足用户所期待的丰富、连续的体验，这促使人们寻求一种安全的方式来长期保留上下文。

透明度与独立验证被视为用户信任的前提

除了更新的技术白皮书，Google 还发布了其服务器软件的防篡改公开记录，使设备在发送个人数据前能够验证真实性与完整性。它还分享了技术方法以及由一家领先网络安全公司进行的独立审计结果，邀请隐私社区验证这些保护措施。

该能力面向无缝的跨设备协助场景

示例包括在笔记本电脑上调出此前通过智能眼镜查看过的组装说明，或在手机与网页之间继续复杂的对话。Private AI Compute 的设计目标是在实现这种连续性的同时，将其需要记住的内容安全锁存。

💬 Key Quotes

这一突破解决了现代 AI 中一个长期存在的两难：如何让助手跨设备具备长期连续性，同时坚守通常仅限于端侧处理的严格隐私标准。

在这一模式下，协助你所需的信息被封存在专用的加密存储中，而解锁它所需的加密密钥仅保存在你的个人设备上——确保你的数据对包括 Google 在内的任何其他方都不可访问。

本地端侧处理历来是隐私的黄金标准——但前沿 AI 模型往往需要远超任何单一设备所能提供的算力。

直到现在，这项技术——以及业内类似方案——都是严格「无状态」的，意味着任务一结束就会清除所有上下文。

运行 Private AI Compute 的设备将能够在发送任何个人数据之前，验证我们的软件是真实且未被篡改的。

📊 Article Meta

AI Screening： 88

Source： Google DeepMind News

Author： Google Private AI Compute Team

Category： 人工智能

Language： 英文

Read Time： 3 min

Word Count： 713

Tags：

AI 与智能应用 , 数字隐私 , MCP协议 , 平台经济 , AI 数据中心与算力