Google DeepMind 为 Private AI Compute 加入服务端持久化记忆

Google DeepMind 于 9 月 23 日发布 Private AI Compute 架构的技术更新，首次在该平台中引入「服务端持久化记忆」能力，试图在享受云计算算力的同时保留与设备端处理相当的隐私标准。这一更新由 Google DeepMind 联合 Platforms & Devices、Core 与 Cloud 团队共同研发，旨在解决现代 AI 助手中长期存在的一道难题：如何让助手在不同设备间保持长期上下文连续性，又不让用户的隐私为此让步。

把「设备级隐私」带到云端记忆层

按照新架构的设想，Private AI Compute 中将新增一层持久化记忆，工作方式类似「云端的安全保险箱」。存放用户信息的存储空间经过专用加密，而解密所必需的密钥只保存在用户的个人设备上——即便是 Google 自身也无法访问这些数据。

当 AI 模型需要调用相关信息来协助用户时，认证后的端到端加密通道会把设备与云端一个受保护的隔离环境连通。该空间（即所谓的「secure enclave」）会在隔离内存中短暂解密数据以完成请求、把新增上下文保存下来，并立刻重新加密，使数据在整个过程中保持「仿佛从未离开过设备」的状态。该架构由三层机制组合而成：

• 由硬件强制的安全飞地；
• 端到端加密通道；
• 由设备派生的密钥保护的用户级数据库。

回应算力与隐私之间的长期张力

Google 在文章中指出，设备端处理长期被视为隐私保护的「黄金标准」，但前沿 AI 模型所需的算力远超单台设备所能提供。要让个人助手真正具备跨设备、连续性的智能，必须找到一种方式，既能调用云端算力，又让个人数据的安全程度与「从未离开设备」无异。

此前 Google 已推出 Private AI Compute，允许用户在硬件隔离的云端安全飞地中处理复杂任务。但截至目前，该技术以及业内类似方案都严格属于「无状态（stateless）」——任务一结束，上下文随即被清除。简单的折中方案，比如让 AI 保存一份关于用户的事实与偏好的清单，已无法支撑人们对「连续性个人 AI」的期待。实现这种级别的助理，意味着要在工程上打通一条新路径：让云端 AI 既能随时间累积上下文，又能在不同设备间无缝衔接，且全程保持强隐私保护。

以透明度建立信任

Private AI Compute 设想的体验包括：在笔记本电脑上调出此前用智能眼镜查看过的组装说明，或在手机和网页之间无缝接续复杂对话。为让这类连续性助理成为可能，系统需要安全地保存所需记忆，但也要求用户对底层隐私机制建立信任。

Google 表示，信任的基础是透明度。公司在发布更新版技术白皮书的同时，公布了服务器软件的「防篡改公共记录」：任何运行 Private AI Compute 的设备都能在发送个人数据之前，先核验服务端软件的真实性与完整性。此外，Google 还公布了由一家领先网络安全公司开展的独立审计结果，并诚邀隐私社区对相关保护机制进行核查。

文章结尾强调，把「私有、持久化」记忆能力加入 Private AI Compute，展示了深度个性化助理从设计上就可以做到「隐私 by design」。Google 同时邀请社区查阅更新后的 Private AI Compute 技术简报，以及系统架构、安全证明与验证协议。