谷歌DeepMind推出服务端私密记忆，让AI跨设备助手兼顾隐私与连续性

谷歌DeepMind于2026年9月23日发布技术更新，宣布将私密持久化记忆引入Private AI Compute平台。这项能力旨在让AI个人助手能够跨设备记住用户的偏好与上下文，同时将数据保护标准维持在与本地处理相当的水平。这是该平台自推出以来最重要的架构演进之一。

新架构的核心是一个运行于云端的加密存储层，功能类似「安全数字保险库」。当AI模型需要调用用户信息时，设备与云端的受保护隔离环境之间会建立经过身份验证的端到端加密通道。云端的「安全飞地」在隔离内存中临时解密数据以处理请求，完成后立即重新加密，整个过程中数据始终处于密封状态。

解密密钥的归属是这套方案的关键所在。所有加密密钥均由用户的个人设备生成并持有，谷歌的服务器无法独立访问用户数据。这意味着即便是谷歌自身，也无法在未经用户设备授权的情况下读取存储在云端的个人信息，从根本上将数据控制权交还给用户。

此前，Private AI Compute平台与业界同类方案一样采用严格的无状态设计，每次任务结束后立即清除全部上下文。这种设计虽然安全，却无法支持跨设备的连贯对话体验。用户期待的场景——例如在智能眼镜上查看过的装配说明可以在笔记本电脑上无缝继续，或在手机与网页端之间恢复复杂对话——在旧架构下难以实现。新的持久化记忆层正是为填补这一空白而设计。

在透明度建设方面，谷歌同步发布了更新版技术白皮书，并公开了服务端软件的防篡改公开记录。运行Private AI Compute的设备可在发送任何个人数据之前，验证服务端软件的真实性与完整性。此外，谷歌还披露了一家领先网络安全机构对该系统进行独立审计的结果，邀请隐私研究社区对其保护机制进行外部核查。

这项技术由谷歌DeepMind与Platforms & Devices、Core及Cloud团队联合研发。从更宏观的视角来看，此次升级代表了AI行业在隐私与能力之间寻求平衡的一次重要尝试：前沿AI模型所需的算力往往超出单一设备的承载上限，而将云端算力与本地级别的隐私保护相结合，正成为个人AI助手发展的核心技术命题。

要点

• Private AI Compute新增服务端持久化记忆层，加密密钥仅存于用户设备，谷歌自身亦无法访问用户数据
• 新架构通过硬件安全飞地、端到端加密通道和设备派生密钥三重机制，实现云端算力与本地隐私标准的统一
• 此前平台采用无状态设计，任务结束即清除上下文，新方案首次支持跨设备的AI记忆连续性
• 谷歌同步公开防篡改服务端软件记录及独立安全审计结果，邀请隐私社区进行外部验证
• 该技术解决了现代个人AI助手的核心矛盾：如何在依赖云端算力的同时保持与本地处理同等的隐私保护