盛世集团

提交需求
*
*

*
*
*
立即提交
点击”立即提交” ,表明我理解并同意 《盛世集团科技隐私条款》

logo

    产品与服务
    解决方案
    技术支持
    合作发展
    关于盛世集团

    申请试用
      为什么说AI给机密计算打了一针强心针?
      发布时间:2025-07-22 阅读次数: 2129 次

      人工智能(AI)正成为推动机密计算大规模普及的主力 。谷歌和 Anthropic 等领先的 AI 提供商近期更加重视这一技术 ,以防止 AI 模型和敏感数据被泄露 。但这一转变也面临挑战:AI 公司需依赖硬件厂商提供底层技术 ,而每家芯片厂商的实现方式并不相同 。

      “AI 模型已进入生产阶段 ,机密计算正成为解决数据安全和网络安全问题的重要手段 ,”  ——HyperFrame Research 首席分析师 Steven Dickens

      这与诸如医疗和金融等高度监管行业对“安全 AI”的日益需求高度契合 ,这些行业对数据合规性和本地化管理要求极高 。

      01
      什么是机密计算?

      机密计算是通过基于硬件的可信执行环境(TEE) ;な褂弥械氖莸姆椒 。TEE 是安全且独立的环境 ,可防止对使用中的应用和数据进行未经授权的访问或修改 。

      “企业对于 AI 安全普遍高度关注 ,AI 提供商正加速在关键位置部署机密计算 ,”  ——Futuriom 分析师 Craig Matsumoto

      AI 推理(Inference)日益复杂 ,涉及的组件越多 ,潜在的安全漏洞也越多 。同时 ,AI 代理(Agent)系统带动了更多数据在多个来源之间流动 ,引发新的隐私与合规风险 。

      Matsumoto 指出 ,机密计算提供了一条安全的数据处理管道 ,对金融和医疗等依赖 AI 做决策的行业来说 ,是极具吸引力的技术选择 。

      02
      领先 AI 厂商引领落地

      谷歌目前推出了其自研 Gemini 模型的定制版本 ,企业客户可在“断网”的本地服务器上运行该模型 。模型运行依赖 Nvidia GPU ,这些 GPU 构建了安全的执行环境 ,用以“锁住”模型自身 。

      “我们部署在本地的最大需求 ,就是能确保模型本身的安全 。”  ——谷歌云副总裁 Sachin Gupta

      Anthropic(Claude 模型提供商)则在 6 月宣布推出“Confidential Inference”(保密推理)环境 ,用于确保用户数据和模型权重的私密性 。目标是在内存中对 AI 数据进行加密与隔离 ,防止遭到窃取或攻击 。

      Fortanix 首席 AI 官 Richard Searle 表示 ,Anthropic 此举不仅是产品差异化策略 ,更是对模型可信性的背书 。

      “随着监管机构加强对 AI 在医疗、金融等领域使用的审查 ,部署的 AI 模型或代理系统需要具备可审计性 。”

      机密计算提供了这种审计能力 ,确保模型未被篡改 ,通过“安全验证机制”证明完整性 。

      03
      芯片巨头加码机密计算

      英特尔和 AMD 率先在其 CPU 中构建了机密计算? 。但业内专家指出 ,随着 AI 模型的主要计算平台转向 GPU ,Nvidia 正成为推动机密计算落地的主力 。

      相比 CPU ,GPU 可同时运行更多应用 ,因此在加速计算方面的需求也带动了对 GPU 级机密计算的依赖 。

      “现在推动机密计算发展的 ,其实是那些必须运行在 GPU 上的大模型 。”  ——Nvidia 企业 AI 副总裁 Justin Boitano

      04
      技术碎片化成最大挑战

      目前 ,机密计算技术在行业内尚无统一标准 ,不同厂商的实现方式彼此孤立 ,导致在多节点、多平台间迁移任务时 ,验证信任关系的复杂度增加 ,也可能引入新的漏洞 。

      “我们目前面临的现实是:缺乏在多厂商计算栈之间无缝传递信任的能力 。”  ——安全公司 Binarly CEO Alex Matrosov

      当前 GPU 的机密计算方案大多依赖 AMD 的 EPYC CPU 提供“可信环境” ,而 Nvidia 的 H100 GPU 则负责数据认证 。问题在于 ,CPU 与 GPU 间的任务切换和认证过程频繁 ,可能暴露出更多攻击面 。

      “在这种架构下 ,机密计算的可靠性和验证能力就变得极为脆弱 。”  ——Matrosov

      Nvidia 的 Boitano 表示 ,公司并不打算成为一家安全公司 ,而是专注于 AI ,与合作伙伴协同构建完整的机密计算栈 。例如 ,谷歌已自行开发了可信验证服务 ,可在虚拟机解密前同时验证 CPU 和 GPU 的安全性 。

      “我们认为 ,从长远看 ,AI 计算中所有数据都应在传输和存储过程中加密 ,并在保密环境中执行 。

      05
      统一标准仍需时间

      Fortanix 的 Searle 提出 ,行业组织或政府机构(如美国国家标准与技术研究院 NIST)可主导制定机密计算标准 ,以减少当前的技术碎片化 。

      “但需要注意的是:这需要耗费时间来定义、验证 ,并且需要经历冗长的产品开发周期才能真正落地 。”



      总结

      机密计算正成为 AI 安全领域的重要基石 ,尤其在高度监管行业中应用广泛 。然而 ,芯片厂商之间技术壁垒、标准缺失和生态不统一仍是推广的主要障碍 。随着 Nvidia、谷歌、Anthropic 等巨头不断推动落地 ,机密计算有望成为未来 AI 基础架构的“默认选项” 。



      国内《数据安全技术 机密计算通用框架》将于2025年8月1日正式实施 ,详情见:

      http://c.gb688.cn/bzgk/gb/showGb?type=online&hcno=3EEE43349494EC27FC87B5EDA7468FB0

      盛世集团·(中国大陆)官方网站 免费试用
      盛世集团·(中国大陆)官方网站 服务热线
      盛世集团·(中国大陆)官方网站

      马上咨询

      400-811-3777

      盛世集团·(中国大陆)官方网站 回到顶部
      【网站地图】