关于我们 Private AI Compute 架构的技术更新：它将支持持久的跨设备 AI 记忆，同时保持与设备端相同的隐私标准。
AI 正变得越来越强大、越来越直观：记住重要的事，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，要确保随着 AI 系统不断演进、跨设备提供更连续的协助，你的数据依然保持私密并受到保护。
今天，我们分享如何将私有的服务器端记忆引入 Private AI Compute 平台。这一突破解决了现代 AI 中一个由来已久的两难问题：如何让助手在多台设备之间拥有长期的连续性，同时坚守通常只有设备端处理才能达到的严格隐私标准。
让云端规模的记忆具备设备端级别的隐私
借助这项新的技术能力，一个新的持久记忆层将能够像云端的安全数字保险库一样运作。在这一模式下，协助你所需的信息被封存在专用的加密存储中，而解锁所需的加密密钥只保存在你的个人设备上，因此除你之外的任何人，包括 Google，都无法访问你的数据。
下图展示了 Private AI Compute 的这次更新将如何运作。当 AI 模型需要访问信息来协助你时，一条经过认证的端到端加密通道会把你的设备连接到云端一个受保护的隔离环境。这个空间，即“安全飞地（secure enclave）”，会在隔离的内存中临时解密你的数据以处理请求，保存新的上下文，并立即重新加密，让你的信息保持私密，就像从未离开过你的设备一样。
这一演进是满足 AI 时代算力需求的必然要求。长期以来，本地的设备端处理一直是隐私的黄金标准，但前沿 AI 模型往往需要远超任何单台设备所能提供的算力。要把先进的 AI 带给个人助手，就必须解决如何利用云端算力，同时让个人数据像从未离开过设备一样受到保护。
为此，我们此前推出了 Private AI Compute 平台，让用户可以在硬件隔离的云端飞地中处理复杂任务。迄今为止，这项技术以及业内的类似方案都是严格“无状态”的，也就是说任务一结束，所有上下文就会被清除。让 AI 保存一份个人事实和偏好清单之类的变通做法，不足以支撑人们对个人 AI 所期待的丰富而连续的体验。要实现这种程度的协助，就需要设计出一种方式，让云端规模的 AI 能够跨时间、跨设备安全地保留上下文。
建立信任，展望未来
想象一下，你在笔记本电脑上调出之前通过智能眼镜看过的装配说明，或者在手机和网页之间接着进行复杂的对话。Private AI Compute 的设计目标就是让这种无缝的协助成为可能，同时把它需要记住的内容安全地锁起来。但用户对该系统隐私性的信任同样重要。
建立这种信任要从透明开始。因此，在更新技术白皮书的同时，我们还将公开发布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，将能够验证我们的软件是真实且未被改动的。此外，我们还更新了所采用的技术方法，其中包括一家领先网络安全公司的独立审计结果。通过分享这些资料，我们邀请更广泛的隐私社区来验证 Private AI Compute 的保护机制。
为 Private AI Compute 加入私密、持久的记忆，表明深度个性化的协助也可以在设计上就是私密的。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、安全性证明和验证协议。
致谢
这项研究由 Google DeepMind、Platforms & Devices、Core 和 Cloud 团队共同开发。我们还要感谢 Four Flynn、Jay Yagnik 和 David Kleidermacher 对这项工作的高层支持。