Google 为 Private AI Compute 引入安全服务端持久记忆
Advancing Private AI Compute with secure, server-side memory
Google Private AI Compute 团队公布新的服务端持久记忆能力，让 AI 助手在跨设备场景下保留上下文，同时维持端侧级别的隐私标准。该方案把数据封存在加密存储中，解密密钥仅保存在用户个人设备上，模型需要访问时通过端到端加密通道连接受硬件保护的 secure enclave，在隔离内存中临时解密、写入新上下文后立即重新加密。
Google 公开了 Private AI Compute 的持久化服务端记忆方案，读者可了解云端 AI 如何在保留跨设备上下文的同时维持端侧级隐私。
2026年9月23日 责任与安全
Google 私有 AI 计算团队
关于我们的私有 AI 计算架构的技术更新，该架构将实现持久、跨设备的 AI 记忆，并达到设备端隐私标准。
AI 正变得愈发强大和直观——记住重要信息、理解你周围的世界，并按你的指示行动。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、在你的各类设备上提供更持续的协助，你的数据始终私密且受到保护。
今天，我们将分享如何为我们的 私有 AI 计算平台带来私密的服务器端记忆。这一突破解决了现代 AI 中长期存在的两难困境：如何让助手在跨设备间拥有长期连续性，同时维持通常仅限于设备端处理的严格隐私标准。
将设备端隐私带入云规模记忆
借助这项新技术能力，一个新的持久记忆层将能够像云中的安全数字保险库一样运作。在这种模式下，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——确保你的数据对任何其他人（包括 Google）都不可访问。
下图展示了私有 AI 计算的这一更新将如何运作。当 AI 模型需要访问信息来协助你时，一条经过身份验证的端到端加密通道会将你的设备连接到云端一个受保护的隔离环境。该空间，即“安全飞地”，会在隔离内存中临时解密你的数据以处理请求，保存任何新的上下文，并立即将其加密，让你的信息保持私密，如同从未离开你的设备。
通过结合硬件强制的安全飞地、加密通道，以及由设备派生加密密钥保护的每用户数据库，这一架构确保你的数据完全私密并处于你的掌控之下。
这一演进对于满足 AI 时代的计算需求是必要的。本地设备端处理历来是隐私的黄金标准——但前沿 AI 模型所需的计算能力往往远超任何单一设备所能提供。将先进 AI 引入个人助手，意味着要解决如何在利用云端算力的同时，确保个人数据仍能像从未离开你的设备一样受到保护。
为此，我们此前推出了 私有 AI 计算平台，让用户能够在硬件隔离的云飞地中处理复杂任务。迄今为止，该技术——以及业内类似解决方案——严格来说是“无状态”的，意味着任务一结束就会清除所有上下文。变通方法，比如让 AI 保存一份个人事实和偏好列表，不足以支撑人们期望从个人 AI 获得的丰富、连续的体验。要实现这种级别的协助，就需要设计出一种方法，让云规模 AI 能够随时间推移、跨设备安全地保留上下文。
建立信任，展望未来
想象一下，你在笔记本电脑上打开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。私有 AI 计算旨在让这种无缝协助成为可能——将它需要记住的内容安全锁存。但用户对该系统隐私的信任同样重要。
建立这种信任始于透明度。因此，在更新技术白皮书的同时，我们还发布了一份防篡改的服务器软件公开记录。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经篡改的。此外，我们还提供了技术方法的更新，包括一家领先网络安全公司进行的独立审计结果。通过分享这些资源，我们邀请更广泛的隐私社区来验证 Private AI Compute 的保护措施。
为 Private AI Compute 添加私密、持久的内存，展示了深度个性化助手如何能够做到设计上即私密。我们邀请社区查阅更新后的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、平台与设备、核心和云团队共同开发。我们还要感谢 Four Flynn、Jay Yagnik 和 David Kleidermacher 对这项工作的管理层支持。
来源：Google DeepMind · deepmind.google