Google DeepMind为Private AI Compute加入服务端持久记忆
该架构把加密密钥留在用户设备上，云端安全隔区只在处理请求时临时解密数据，目标是让跨设备AI记忆在不用本地算力的情况下保持端侧级别的隐私。
AI解读：Google DeepMind公布的是Private AI Compute平台的一项技术更新：在云端增加持久记忆层，让AI助手能跨设备记住上下文，同时把解密密钥留在用户自己的设备上。
要解决的问题很具体。此前云端隐私计算方案都是“无状态”的，任务一结束就清掉全部上下文，AI只能靠保存偏好列表这类变通办法维持连续性，体验很有限。
对用AI助手处理跨设备任务的人，这意味着在手机、浏览器和可穿戴设备之间延续同一段对话或同一份资料成为可能，而且不必把前沿模型塞进本地设备。但文章没有给出上线时间、支持的产品和性能数据，实际效果仍需等产品落地验证。
Google同时发布了可防篡改的服务端软件公开记录和独立安全公司的审计结果，设备在发送个人数据前可先验证软件未被改动。对隐私敏感的开发者来说，这项设计是否可信，取决于后续能否被外部独立复核。
Google DeepMind于 2026 年 9 月 23 日发布技术更新，说明将如何把“私有服务端记忆”引入其Private AI Compute平台。该平台此前已允许用户在硬件隔离的云端安全隔区中处理复杂任务，但只能处理无状态请求——任务结束即清除全部上下文。
新架构的目标是让AI助手在云端保留持久上下文，同时维持通常只有端侧处理才有的隐私标准。Google称，信息被封存在专门的加密存储中，解锁所需的加密密钥仅保存在用户个人设备上，因此数据对包括Google在内的其他方不可访问。
密钥留在设备端，云端隔区只做临时解密
按照Google描述的工作流程：当AI模型需要访问信息时，会通过一条经过认证的端到端加密通道，把用户设备连接到云端受保护的隔离环境。该环境即“安全隔区”，在隔离内存中临时解密数据以处理请求，保存新增上下文后立即重新加密。
该架构由三部分组成：硬件强制的安全隔区、加密通道，以及由设备派生密钥保护的按用户划分的数据库。Google称这能确保数据完全私密并处于用户控制之下。
无状态方案留下的连续性缺口
Google解释了为什么需要持久记忆。本地端侧处理历来是隐私的黄金标准，但前沿AI模型所需的算力往往超过任何单一设备能提供的水平。要让个人助手用上高级AI，就必须解决如何在利用云端算力的同时，让个人数据保持“仿佛从未离开设备”的保护水平。
此前Private AI Compute以及业内类似方案都严格保持无状态，任务结束即清除上下文。让AI保存个人事实和偏好列表之类的变通做法，不足以支撑人们期望的那种丰富、连续的个人AI体验。
跨设备场景与公开可验证性
Google举了两个目标场景：在笔记本电脑上打开此前通过智能眼镜看过的组装说明，以及在手机和网页之间继续一段复杂对话。
在信任机制方面，Google表示随更新版技术白皮书一同发布服务端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前，可以验证其软件真实且未被改动。Google还提供了技术方法更新，包括一家领先网络安全公司的独立审计结果，并邀请隐私社区验证其保护措施。
该研究由Google DeepMind、Platforms & Devices、Core和Cloud团队共同开发，Four Flynn、Jay Yagnik和David Kleidermacher提供了高管层面的支持。