Advancing Private AI Compute with secure, server-side memory

2026年9月23日 责任与安全

Google私有AI计算团队

关于私有AI计算架构的技术更新，该架构将实现符合设备端隐私标准的持久化跨设备AI内存。

AI正变得越来越强大和直观——记住重要信息，理解周围世界，并按照您的指示行动。隐私和信任是实现这一目标的核心，确保随着AI系统不断发展，为您提供跨设备持续协助时，您的数据始终保持私密和安全。

今天，我们分享如何将私有服务器端内存引入Private AI Compute平台。这一突破解决了现代AI长期存在的一个难题：如何在保持通常仅限于设备端处理的严格隐私标准的同时，为助手提供跨设备的长期连续性。

将设备端隐私扩展到云规模内存

借助这项新的技术能力，新的持久化内存层将能够像云中的安全数字保险库一样运行。在此模式下，用于协助您的信息将被密封在专用的加密存储中，而解锁这些信息所需的加密密钥则仅存储在您的个人设备上——确保即使Google也无法访问您的数据。

下图展示了Private AI Compute的此次更新将如何运作。当AI模型需要访问信息来协助您时，设备将通过认证的端到端加密通道连接到云中的受保护隔离环境。该空间（或"安全飞地"）会在隔离内存中临时解密您的数据以处理请求，保存任何新上下文，并立即重新加密，使您的信息始终保持私密，仿佛从未离开过您的设备。

通过结合硬件强制的安全飞地、加密通道以及由设备派生的加密密钥保护的每个用户数据库，该架构确保您的数据始终保持完全私密并由您掌控。

这种演进对于满足人工智能时代日益增长的计算需求至关重要。历史上，本地设备处理一直是隐私保护的黄金标准，但前沿人工智能模型往往需要远超单个设备所能提供的计算能力。将先进的人工智能引入个人助手，意味着需要解决如何在利用云算力的同时，确保个人数据的隐私性不亚于数据从未离开设备的情况。

为此，我们之前推出了Private AI Compute平台，使用户能够在硬件隔离的云加密舱中处理复杂任务。此前，这项技术以及业界类似方案均为严格的"无状态"设计，即任务结束后会立即清除所有上下文信息。通过让AI保存个人事实和偏好的列表等变通方案，无法满足人们对个人AI所期待的丰富连续体验。要实现这种程度的辅助功能，需要工程化实现云规模AI在跨设备和时间维度上安全保留上下文信息的能力。

构建信任，展望未来

想象一下，在笔记本电脑上查看之前通过智能眼镜浏览过的组装说明，或在移动端与网页端之间继续复杂的对话。Private AI Compute的设计目标就是让这种无缝辅助成为可能——将需要记忆的关键信息安全地存储在隔离区域。但用户对系统隐私的信任同样至关重要。

构建这种信任需要从透明度开始。因此，除了更新技术白皮书外，我们还发布了服务器软件的防篡改公共记录。运行Private AI Compute的设备在发送任何个人数据前，都能验证我们的软件真实且未被篡改。此外，我们还更新了技术方法说明，包括领先网络安全公司独立审计的结果。通过共享这些资源，我们邀请更广泛的隐私保护社区验证Private AI Compute的安全防护机制。

为Private AI Compute增加私有持久化内存功能，展示了个人助手如何通过设计实现深度隐私保护。我们邀请社区审阅更新后的Private AI Compute技术简报，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、Platforms & Devices、Core和Cloud团队联合开发。我们还要感谢Four Flynn、Jay Yagnik和David Kleidermacher对这项工作的高管支持。