Google DeepMind 发布私有 AI 计算新架构：实现跨设备持久内存与云端隐私保护
发布日期：2026年9月23日
来源：Google DeepMind / Google 私人人工智能计算团队
Google 私人人工智能计算团队近日公布其架构的技术更新，旨在将持续的、跨设备的 AI 内存功能引入平台，同时维持严格的设备内隐私标准。这一进展试图解决现代人工智能面临的核心矛盾：如何在利用云端强大算力的同时，确保用户数据在长期交互中保持私密性与连续性。
技术原理：硬件隔离与端到端加密结合
此次更新引入了一个新的持久性内存层，该层在云端充当“安全数字金库”。根据官方描述，存储在此处的信息被密封在专门的加密环境中，而解密所需的密钥仅保留在用户的个人设备上。
当 AI 模型需要调用历史上下文以辅助用户时，系统会建立一条经过认证的端到端加密通道，连接用户设备与云端的受保护孤立环境。数据仅在处理请求期间暂时解密，并在处理完成后立即重新加密。这种机制结合了硬件强制的安全封锁（Hardware-enforced Security Seals）和设备衍生的加密密钥，从而在不牺牲隐私的前提下扩展了 AI 的记忆能力。
背景与挑战：突破“无状态”限制
长期以来，本地设备处理被视为隐私保护的黄金标准，但前沿大模型往往需要超越单一设备算力极限的资源。此前，Google 推出的私人 AI 计算平台虽允许用户在硬件隔离的云封锁中处理复杂任务，但主要采用“无状态”（Stateless）解决方案。这种方式难以支持保存个人事实、偏好清单等丰富且连续的个人助理体验。
新的持久内存架构正是为了弥补这一缺口，使云规模的人工智能能够随着时间推移和跨设备场景，提供更具连贯性的协助服务，例如在不同设备间恢复复杂的对话上下文或查看之前通过智能眼镜获取的信息。
透明度与安全验证
为建立用户信任，Google 同步发布了最新的技术白皮书及服务器软件的防篡改公开记录。运行私人 AI 计算的设备可在发送任何个人数据前，验证云端软件是否真实且未经修改。此外，一家领先的网络安全公司已对该技术方法进行了独立审计，相关结果也已公开。
Google 邀请隐私社区审查更新的私人 AI 计算技术简报，包括系统架构、安全证明和验证协议，以进一步验证其保护措施的有效性。
项目致谢
该研究由 Google DeepMind、平台与设备团队、核心团队及云团队共同开发。执行赞助人为 Four Flynn、Jay Yagnik 和 David Kleidermacher。
