Google DeepMind 於 2026 年 9 月 23 日宣布，為旗下 Private AI Compute 平台加入持久記憶（persistent memory）能力。這項更新讓雲端 AI 助理首次能在硬件保護的隔離環境中安全保留使用者上下文，在提升連續體驗的同時，維持端到端加密與裝置層級的資料控制。對長期依賴雲端運算的個人助理而言，這是把「私密」與「記憶」兩個過去難以兼得的目標，放進同一套架構的關鍵一步。

Google Private AI Compute 是什麼？

Google 的 Private AI Compute 是雲端私密運算平台，讓裝置把複雜任務交給硬件隔離的 enclave 處理，本次更新為它加入持久記憶。

Private AI Compute 的定位，是讓使用者在享受雲端算力的同時，仍保有近似「資料從未離開裝置」的隱私等級。它的運作方式，是當 AI 模型需要存取資訊時，透過經過驗證的端到端加密通道，把使用者的裝置連接到雲端中一個受保護的隔離環境。這個環境稱為 secure enclave，會在隔離的記憶體中暫時解密資料、完成請求處理、儲存新產生的上下文，然後立即重新加密。

這套設計的核心價值，在於它同時處理了兩個相互拉扯的需求。前沿 AI 模型所需的運算量，往往遠超過單一裝置能提供的資源；而使用者對個人資料的敏感度，又要求資料不能輕易暴露在一般雲端環境中。Private AI Compute 便是 Google 針對這個矛盾提出的架構答案。

這次更新為私人 AI 帶來什麼改變？

過去 Private AI Compute 屬嚴格無狀態設計，任務結束即清空上下文。本次更新首次加入持久記憶，讓助理能跨時間、跨裝置安全保留使用者上下文。

在這次更新之前，Private AI Compute 與業界多數同類方案一樣，採用嚴格的「無狀態」設計。所謂無狀態，指的是任務一旦結束，系統就抹除所有上下文，不會保留任何關於使用者的記憶。這種做法在隱私上相對安全，卻也讓 AI 助理難以提供連續、連貫的體驗。

Google 在公告中指出，單靠讓 AI 儲存一份個人偏好清單之類的變通做法，不足以支撐人們對個人 AI 的期待。要實現真正豐富的參照式助理，必須在工程上找到方法，讓雲端規模的 AI 能夠安全地隨時間與跨裝置保留上下文。這次更新正是在無狀態與持久化之間找到新的平衡點。

Google 如何做到雲端持久記憶又守住隱私？

架構結合三層防護：硬件強制的 enclave、端到端加密通道，以及由裝置金鑰保護的每使用者資料庫，資料短暫解密後立即重新加密。

Google 提出的架構，圍繞三個互相配合的元件展開。第一層是硬件強制的 secure enclave，負責在隔離環境中執行運算；第二層是經過驗證的端到端加密通道，確保資料在裝置與雲端之間傳輸時不被窺探；第三層則是由裝置衍生加密金鑰所保護的每使用者資料庫，讓每位使用者的資料彼此獨立。

在這套設計中，資料只有在 secure enclave 的隔離記憶體內才會短暫解密，用於回應當次請求。請求完成後，系統會儲存新產生的上下文並立即重新加密，使資料在雲端的其餘時間都維持加密狀態。Google 強調，這種組合讓使用者的資訊「彷彿從未離開裝置」，並持續處於使用者控制之下。

使用者實際可以感受到哪些應用情境？

實際場景包括在智能眼鏡上看過的組裝說明，稍後在筆電上直接接續，以及在手機與網頁之間無縫延續複雜對話。

持久記憶帶來的差異，體現在跨裝置的連續性上。Google 舉例說明，使用者可能在智能眼鏡上看過某份組裝說明，之後在筆電上再次打開時，系統已能理解先前的脈絡；又或者在手機上展開的複雜對話，可以延續到網頁端繼續進行。

這些情境過去因為無狀態設計而難以實現，每次切換裝置都等於重新開始。加入持久記憶後，私人 AI 助理得以把必要的資訊安全地保存起來，在需要時重新取用。對於把 AI 助理視為日常工作夥伴的使用者而言，這種連續性直接影響實際體驗的順暢程度。

Google 公開了哪些透明度與驗證機制？

Google 同步發布防篡改的伺服器軟件紀錄、更新版技術白皮書，並公開獨立網絡安全公司完成的稽核結果。

Google 認為，使用者對系統隱私的信任，與技術本身同樣重要，而建立信任的起點是透明度。因此，除了更新技術白皮書之外，該公司也發布一份防篡改的伺服器軟件公開紀錄。執行 Private AI Compute 的裝置，可以在傳送任何個人資料之前，先驗證 Google 的軟件是否真實且未經改動。

此外，Google 也公布其技術方法的更新，包括由一家領先的網絡安全公司所完成的獨立稽核結果。透過公開這些資源，Google 邀請更廣泛的隱私社群一同檢視 Private AI Compute 的保護機制。這種把驗證能力交到裝置端的做法，降低了使用者必須單方面信任服務供應商的門檻。

這項技術對 AI 助理生態有什麼影響？

它把隱私設計由資料抹除推進到可驗證的持久記憶，回應個人 AI 對連續體驗的需求。若成業界標準，雲端助理競爭焦點將轉向可證明的隱私能力。

長期以來，雲端 AI 助理在隱私與體驗之間必須取捨。要嘛犧牲記憶換取安全，要嘛保留記憶卻增加資料暴露的風險。Private AI Compute 的持久記憶方案，試圖證明兩者可以共存，並把「可驗證」納入隱私設計的一環。

對整體生態而言，這類架構若被更多業者採用，可能改變雲端助理的競爭基準。當使用者開始期待助理既能記住上下文，又能提供可稽核的隱私保證，單純以功能數量取勝的策略將逐漸失去說服力。可證明的隱私能力，有機會成為下一階段個人 AI 產品的重要分水嶺。

出處連結有哪些？

本文資訊整理自 Google DeepMind 官方部落格的技術公告，涵蓋持久記憶更新、安全架構、透明度機制與獨立稽核結果。

總結：Google Private AI Compute 適合什麼使用者？

這項更新適合重視隱私、又需要助理跨裝置記住上下文的使用者。Google 以硬件隔離、加密與可驗證紀錄，在雲端算力與隱私之間取得新平衡。

Google Private AI Compute 的持久記憶更新，把雲端 AI 助理的隱私設計推進到新的階段。它不再只是把資料抹除，而是在硬件隔離與加密保護之下，安全地保留必要的上下文。對於需要助理跨裝置持續協助、同時對個人資料高度敏感的使用者，這套架構提供了值得觀察的選項。