← 返回 2026-10-04 简报

通过安全的服务端内存技术,推动私有AI计算的发展

Advancing Private AI Compute with secure, server-side memory

语音播报
摘要
事件:Google DeepMind 更新 Private AI Compute 架构,引入服务端内存技术,旨在实现跨设备持久记忆与端侧同等隐私标准。 要点:利用云加密存储与仅存于设备的密钥分离机制;通过端到端加密通道连接安全飞地;数据在隔离内存中临时解密处理后立即重新加密。 影响:解决长期连续性助手与严格隐私的矛盾,让用户获得无缝体验的同时确保数据对包括 Google 在内的第三方完全不可见。

关于我们的私有AI计算架构的技术更新,该架构将实现持久化、跨设备的AI记忆,并符合设备端隐私标准。

人工智能正变得更具能力和直觉——记住重要的信息,理解你周围的世界,并按你的指示行动。隐私和信任是实现这一目标的核心,确保在AI系统不断进化以在你的设备上提供更持续协助的过程中,你的数据保持私密和安全。

今天,我们分享了如何将私有的、服务器端的记忆引入我们的私有AI计算平台。这一突破解决了现代AI中长期存在的难题:如何在维护通常仅限于设备端处理的严格隐私标准的同时,赋予助手跨设备的长期连续性。

将设备端隐私带入云规模记忆

借助这项新的技术能力,一个新的持久化记忆层将能够像云中的安全数字金库一样运作。在该模型下,用于协助你的信息被密封在专用的加密存储中,而解锁所需的加密密钥仅保留在你的个人设备上——确保你的数据对其他人(包括Google)都不可访问。

下图展示了此次私有AI计算架构更新的工作方式。当AI模型需要访问信息以协助你时,一个经过身份验证的端到端加密通道会将你的设备与云中受保护的隔离环境连接起来。这个空间,即“安全飞地”,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,并立即重新加密,使你的信息保持私密,仿佛它从未离开过你的设备。

本条评分 9.4 score-v1
  • 来源权威 9
    注册表 priority=9(Google DeepMind)
  • 时效 0.4
    发布 10.3 天前,已衰减到地板 0.4
  • 多源印证 0
    只有 1 家在报(无旁证)
  • 社区信号 0
    无社区数据(本管线走 RSS,HN 的 hn_fetcher 未接入)
历史
刊期得分排名结果
2026-10-04 9.4 18 入选
2026-10-02 9.4 32 未入选
2026-09-24 11.65 14 入选
原文链接:https://deepmind.google/blog/advancing-private-ai-compute-with-secure-server-side-memory/
来源:Google DeepMind
以上内容由 AI 自动翻译,仅供参考。
← 返回简报