以安全、服务器端内存推进私有 AI 计算
关于我们私有 AI 计算架构的技术更新，该架构将实现持久、跨设备的 AI 内存，并达到设备端隐私标准。
AI 正变得愈发强大和直观——记住重要事项、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，确保在 AI 系统不断演进、为你的设备提供更持续协助的过程中，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内存。这一突破解决了现代 AI 中长期存在的困境：如何在为助手提供跨设备的长期连续性同时，坚守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内存
借助这项新技术能力，一个新的持久内存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，为你提供协助所需的信息被密封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中受保护的隔离环境。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，使你的信息保持私密，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，该架构确保你的数据完全私密并处于你的控制之下。
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利用云的力量，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，我们此前推出了 私有 AI 计算 平台，允许用户在硬件隔离的云飞地中处理复杂任务。到目前为止，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，例如让 AI 保存个人事实和偏好列表，不足以支持人们期望从个人 AI 获得的丰富、连续体验。要实现这种级别的协助，意味着需要设计一种方法，让云规模 AI 能够安全地跨时间和跨设备保留上下文。
建立信任，展望未来
想象一下，在你的笔记本电脑上打开你之前通过智能眼镜查看过的组装说明，或者在移动端和网页端之间继续复杂的对话。Private AI Compute 旨在让这种无缝协助成为可能——同时将其需要记住的内容安全地锁存起来。但用户对该系统隐私性的信任同样重要。
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改动的。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、持久的记忆，展示了深度个性化协助如何能够做到隐私优先的设计。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、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。