Google Private AI Compute 团队宣布对其 Private AI Compute 架构进行技术更新，将实现跨设备的持久化 AI 记忆，同时保持通常与设备端处理相关联的严格隐私标准。团队在 Google DeepMind 博客发布的博文中表示，此次更新解决了现代 AI 领域长期存在的一个难题：如何让助手在跨设备之间保持长期连续性，同时使数据获得与本地处理同等的保护。

据该公司介绍，AI 正变得更强、更直观——记住重要事项、理解用户周围的世界，并按照用户的指示行动。Google 表示，隐私和信任是实现这一目标的核心，可确保在 AI 系统逐步发展为在多设备上提供更持续协助的过程中，数据始终私密并受到保护。

将设备端隐私引入云端规模的记忆

这项新能力的核心是一个持久化记忆层，其作用类似于云端的安全数字保险库。在这一模式下，协助用户所需的信息被封存在专用的加密存储中，而解锁所需的加密密钥仅保存在用户的个人设备上——确保除用户之外任何人都无法访问这些数据，包括 Google。

当 AI 模型需要访问信息来协助用户时，一条经过身份验证的端到端加密通道将设备与云端一个受保护的隔离环境连接起来。Google 将这一空间称为"安全隔离区"（secure enclave）。它在隔离内存中临时解密用户数据以处理请求，保存新的上下文，然后立即重新加密，使信息保持私密，"就好像它从未离开过你的设备"。

该架构结合了硬件强制执行的安全隔离区、加密通道，以及由设备派生加密密钥保护的按用户隔离的数据库。Google 表示，这一组合可确保数据完全私密并处于用户控制之下。

该公司将这一变革描述为满足 AI 时代计算需求的必要举措。本地设备端处理历来是隐私保护的黄金标准，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。Google 表示，将先进 AI 引入个人助理，意味着要解决如何利用云端的算力，同时确保个人数据受到仿佛从未离开设备一样的保护。

为此，Google 此前推出了其 Private AI Compute 平台，允许用户在硬件隔离的云端隔离区中处理复杂任务。在此之前，该技术——以及行业内的类似方案——严格来说是"无状态"的，即任务结束的瞬间便清除所有上下文。Google 认为，诸如让 AI 保存一份个人事实和偏好列表之类的变通方法，不足以支撑人们对个人 AI 所期待的丰富、连续的体验。要实现这种程度的协助，需要设计出让云端规模的 AI 在时间和设备维度上保留上下文的方案。

这种无状态限制从来不是 Google 独有的：硬件隔离的云端处理已被整个行业采用，用于以云端规模的资源运行敏感工作负载；而只要这类系统在每次任务后清除上下文，基于云端的 AI 就无法提供与本地软件记忆对等的持久化能力。因此，转向持久化的服务器端记忆是云端 AI 一次值得注意的架构转变——Google 认为这是打造真正跨设备连续体验的个人助理的前提条件。

建立信任，展望未来

Google 展示了潜在的使用场景：在笔记本电脑上调用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延续复杂的对话。Private AI Compute 旨在实现这种无缝协助，同时将其需要记住的内容安全地锁存起来。不过该公司也承认，用户对该系统隐私性的信任同样重要。

Google 表示，建立这种信任始于透明化。除更新版技术白皮书外，该公司还发布了服务器软件的防篡改公开记录。运行 Private AI Compute 的设备在发送任何个人数据之前，都能验证该软件真实且未被篡改。

Google 还提供了对其技术方法的更新说明，其中包括由一家领先网络安全公司进行的独立审计的结果，但未透露该公司名称。Google 表示，通过分享这些资源，欢迎更广泛的隐私社区来验证 Private AI Compute 的保护机制。

"为 Private AI Compute 添加私密、持久的记忆表明，深度个人化的协助也可以在设计上做到私密，"该公司写道，并邀请社区查阅更新版 Private AI Compute 技术简报以及其系统架构、安全性证明和验证协议。

一些实际细节尚未明确：Google 未透露审计公司的名称，公告也未说明持久化记忆功能将于何时向用户开放，以及哪些设备将率先支持该功能。这些空白使得 Google 公开材料的重要性进一步上升——该公司表示，这些材料足以让外部隐私研究人员直接验证其保护机制，而无需依赖 Google 自身的保证。

致谢

这项研究由 Google DeepMind、Platforms & Devices、Core 以及 Cloud 团队共同开发。Google 同时感谢 Four Flynn、Jay Yagnik 和 David Kleidermacher 对这项工作的高层支持。

此次公告紧随 Google DeepMind 此前发布的关于试点全球首个双盲 AI 评估的文章。