欧洲 AI 主权架构：硬件无关的治理设计

近期一份关于欧洲 AI 主权治理的技术披露提出了一种「执行终局性」架构，其核心主张是：AI 治理不应依赖特定硬件或云区域，而应通过一套可验证的授权域来实现跨司法管辖区的可控部署。该方案刻意与英伟达 H100/H200 机密计算、AMD SEV-SNP 等具体技术保持距离，强调架构层面的硬件无关性。

硬件无关设计的核心逻辑

披露文件明确指出，架构要求的是「受保护的授权域」，而不是某一类处理器、加速器或 TEE 供应商。受保护域可以是 TEE、HSM、安全飞地、安全元件、机密计算模块、硬件根控制模块，或功能等价的密码学隔离执行域。换言之，英伟达机密计算和 AMD SEV-SNP 仅是可能的实现底座，而非架构前提。

这一区分对应两类问题：机密计算回答的是「该工作负载或执行环境是否运行在预期的受保护状态」，而执行终局性治理则追问「在已知受保护状态下，该计算或输出是否具备跨过下一关键边界所需的权限」。因此，远程证明可作为执行终局性的输入谓词，而非最终授权决策。

部署模式示例

一种典型部署可将授权控制器置于 AMD SEV-SNP 机密虚拟机、HSM 或其他受保护的 CPU 侧环境中，由常规 GPU 在外部执行推理。在推理触发前，受保护控制器完成以下步骤：

接收调用标识符与受保护策略上下文；
获取候选模型/检查点/编排身份；
派生或验证候选 ALF；
验证相关计算平面证明或服务凭证；
评估过期与吊销状态；
生成新的调用标识符或随机数；
释放有界调度令牌、模型访问凭证、解密密钥或 API 授权。

使用 H100/H200 级机密计算则可在信任链中加入硬件级 GPU 度量，进一步强化信任根。整体安全强度取决于实现的信任边界，而非是否选用特定 GPU。

高吞吐量下的运行时信号采集

架构并不要求将每个 GPU 操作、张量值、token、激活或注意力状态持续流式传输到受保护域，那样会引入不必要的可观测性与性能负担，并削弱高性能推理与有界治理执行之间的架构分离。文件将运行时行为治理描述符定义为「治理相关检测点」产生的事件，例如策略评估、工具调用、检索操作、安全处理、工作流分支、配置状态、输出分类与时间戳。

可扩展单元不是「每条 GPU 指令 → TEE」或「每个生成 token → HSM」，而是「安全相关状态转换 → 有界治理事件」。例如，一个高吞吐量推理系统可在内部处理数千次 token 生成操作，仅发出规格化的事件，例如：

MODEL = ALF_27
PURPOSE = P3
TOOL_CALL = T7
RETRIEVAL_CLASS = R2
POLICY_NODE = PASS
SAFETY_STATE = S4
OUTPUT_CLASS = O2
DESTINATION_CLASS = EU_AUTHORIZED

这些值可被规范化成确定性的每次调用描述符，而非保留完整的推理轨迹。文件还明确提供了确定性序列化、规范排序、规范化表示等机制，以确保跨实现的一致性。

小结

这份披露呈现了一种刻意保持硬件中立、并将高性能推理与有界治理执行严格分离的架构思路。对于关注欧洲 AI 监管落地、跨司法辖区部署以及机密计算工程实践的读者而言，其在授权域定义、执行终局性概念与运行时事件模型上的具体表述，提供了一套可操作的工程参考。