Private AI Compute引入服务端安全记忆

用安全的服务端记忆推进 Private AI Compute

AI 正变得更强，也更懂你。它能记住要紧的事，理解你周围的世界，也能按你的指令行动。隐私和信任是这一切的基础，它们确保你的数据始终私密且受保护，让 AI 系统能跨设备持续提供更连贯的协助。

今天我们要讲讲，怎么把私有的服务端记忆（server-side memory）放进我们的 Private AI Compute 平台。这个突破解决了一个困扰现代 AI 许久的两难问题。既要让助手跨设备保持长期连贯，又不能丢掉通常只有设备端处理才有的那份严格隐私标准。

把设备端隐私带到云端规模的记忆

借助这项新的技术能力，一个全新的持久记忆层会像云端的数字保险库一样运转。它把你需要的协助信息封存在专用加密存储里，而解锁这些信息所需的密钥只放在你自己的设备上。这样一来，包括 Google 在内的任何人都拿不到你的数据。

下图展示了 Private AI Compute 的这次更新是如何运作的。当 AI 模型需要取信息来帮你时，一条经过身份验证的端到端加密通道会把你的设备连到云端一个受保护的隔离环境。这个空间，也叫「安全飞地（secure enclave）」。它会在隔离内存里临时解密你的数据来处理请求，保存新产生的上下文，然后立刻重新加密。整个过程下来，信息给人的感觉就像从没离开过你的设备。

硬件强制隔离的安全飞地、加密通道，再加上由设备派生密钥（device-derived encryption keys）保护的每用户数据库（per-user databases）。三者一起发力，确保你的数据完全私密，也始终由你掌控。

要走到这一步，其实是被 AI 时代的算力需求逼出来的。过去，本地设备端处理一直是隐私的黄金标准。但前沿 AI 模型需要的算力，往往远超任何单一设备能给的极限。要让个人助手用上先进的 AI，就得想办法用上云端的算力，同时又让个人数据感觉像从未离开过设备一样。

为此，我们之前推出了 Private AI Compute 平台，让用户能在硬件隔离的云端飞地里处理复杂任务。到目前为止，这套技术以及业界的类似方案都是严格「无状态（stateless）」的，任务一结束，所有上下文就清空。比如让 AI 保存一份个人事实和偏好的清单，这种权宜之计远远撑不起人们对个人 AI 那种丰富又连贯的期待。要做出那种水平的协助，就得在工程上想办法，让云端规模的 AI 能跨时间、跨设备地安全保留上下文。

建立信任，展望未来

想象一下，你可以在笔记本上调出之前在智能眼镜上查看过的装配说明，也可以在手机和网页之间继续一段复杂的对话。Private AI Compute 就是为了让这种无缝衔接的协助成为可能，它把需要记住的那些东西安全地封存起来。不过，用户对这套系统隐私性的信任也同样重要。

建立这种信任，要从透明开始。所以这次我们不仅更新了技术白皮书，还会发布一份防篡改的服务器软件公共记录。运行 Private AI Compute 的设备能在发送任何个人数据之前，先验证我们的软件是不是原版、有没有被改过。除此之外，我们还会分享技术方法的最新进展，包括一家领先网络安全公司做的独立审计结果。把这些资源都摆出来，是想邀请整个隐私社区一起来验证 Private AI Compute 的各项保护措施。

给 Private AI Compute 加上私有的持久记忆，正好说明了深度个性化的协助也可以从设计上就是私密的。欢迎大家来审阅更新后的 Private AI Compute 技术摘要（Technical Brief），看看我们的系统架构、安全证明和验证协议。

致谢

这项研究由 Google DeepMind、Platforms & Devices、Core 与 Cloud 团队共同完成。我们还要感谢 Four Flynn、Jay Yagnik 和 David Kleidermacher 对本工作的高层支持（executive sponsorship）。

（译注：executive sponsorship 指公司高管在行政与资源层面对项目的背书与支持。）