通过安全服务器端内存推进Private AI Compute

# 通过安全服务器端内存推动私有AI计算 来源：https://deepmind.google/blog/advancing-private-ai-compute-with-secure-server-side-memory/ 2026年9月23日 责任与安全 关于私有AI计算架构的技术更新，该架构将实现具备设备级隐私标准的跨设备持久化AI记忆。 AI正变得更加强大和智能——它能记住重要事项，理解周围世界，并按你的指令行动。隐私与信任是实现这一切的核心，确保随着AI系统不断演进以提供更持续的跨设备辅助时，你的数据能得到私密保护。 今天，我们将介绍如何为私有AI计算（https://blog.google/innovation-and-ai/products/google-private-ai-compute/）平台带来私密的服务器端记忆。这一突破解决了现代AI长期存在的两难问题：如何在遵循通常仅限于设备端处理的严格隐私标准下，赋予助手跨设备的长期连贯性。 ## 将设备端隐私带入云规模内存 凭借这项新技术能力，新的持久化内存层将能在云端充当安全的数字保险库。在此模式下，用于协助你的信息被密封在专用的加密存储中，而解锁所需的加密密钥仅保存在你的个人设备上——确保即使Google也无法访问你的数据。 下方的图表展示了此次私有AI计算更新的工作方式。当AI模型需要访问信息以协助你时，一条经过认证的端到端加密通道将你的设备连接到云端受保护的隔离环境。该空间或“安全飞地”会在隔离内存中临时解密你的数据以处理请求，保存任何新上下文，并立即重新加密，使你的信息保持私密，仿佛从未离开你的设备。 展示从用户客户端通过用于推理和服务器端内存的安全飞地，再到内存存储的安全数据流的架构图，图中包含加密通信通道和密钥管理（KEK、DEK和封装的DEK）。展示安全数据流的架构图，从用户客户端通过两个安全飞地（推理管线和服务器端内存），到内存存储，下方附有加密通信通道和密钥管理（KEK和DEK）的详细信息。 通过结合硬件强制执行的安全飞地、双重加密通道以及由设备派生加密密钥保护的每用户数据库，该架构确保你的数据完全私密且受你控制。 这一演进对于满足AI时代的计算需求是必要的。历史上，本地的设备端处理一直是隐私的黄金标准——但前沿AI模型通常需要远超单一设备所能提供的计算能力。将先进AI应用于个人助手，意味着需要解决如何在利用云能力的同时，确保个人数据能像从未离开你的设备一样受到保护。 为此，我们先前推出了私有AI计算（https://blog.google/innovation-andai/products/google-private-ai-compute/）平台，允许用户在硬件隔离的云飞地中处理复杂任务。迄今为止，该技术——以及行业内的类似解决方案——严格来说是“无状态”的，意味着任务结束的瞬间就会清除所有上下文。变通方法，如让AI保存个人事实和偏好列表，不足以支持人们期望个人AI提供的丰富、连续的体验。实现这种级别的辅助，意味着需要设计一种方法，让云规模的AI能够安全地随时间跨设备保留上下文。 ## 建立信任，展望未来 想象一下，在笔记本电脑上调出你之前通过智能眼镜查看的组装说明，或者在手机和网页之间继续进行复杂的对话。私有AI计算旨在实现这种无缝辅助——安全保存它需要记住的信息。但用户对该系统隐私性的*信任*同样重要。 建立信任始于透明度。因此，我们在更新技术白皮书的同时，发布了服务器软件的防篡改公共记录。运行私有AI计算的设备将能够验证我们软件的真实性和完整性，然后才会发送任何个人数据。此外，我们还提供了关于我们技术方法的更新，包括一家领先网络安全公司独立审计的结果。通过分享这些资源，我们邀请更广泛的隐私社区来验证私有AI计算的保护措施。 在私有AI计算中添加私有的、持久化的记忆，展示了个人助理如何从设计之初就是私密的。我们邀请社区审查更新后的私有AI计算技术简报（https://services.google.com/fh/files/misc/private_ai_compute_technical_brief.pdf）以及我们的系统架构、安全证明和验证协议。 ## 致谢 这项研究由Google DeepMind、平台与设备、核心与云计算团队共同开发。我们还要感谢Four Flynn、Jay Yagnik和David Kleidermacher对这项工作的行政支持。 ### 试点全球首个双盲AI评估