指南针炒股软件教程-今日股市买哪个赚得多-【东方资本】,普通人炒股开户哪个好,怎么配资加杠杆的股票,线上股票配资炒股平台有哪些

提交需求
*
*

*
*
*
立即提交
點擊”立即提交”,表明我理解并同意 《美創科技隱私條款》

logo

    產品與服務
    解決方案
    技術支持
    合作發展
    關于美創

    申請試用
      為什么說AI給機密計算打了一針強心針?
      發布時間:2025-07-22 閱讀次數: 419 次

      人工智能(AI)正成為推動機密計算大規模普及的主力。谷歌和 Anthropic 等領先的 AI 提供商近期更加重視這一技術,以防止 AI 模型和敏感數據被泄露。但這一轉變也面臨挑戰:AI 公司需依賴硬件廠商提供底層技術,而每家芯片廠商的實現方式并不相同。

      “AI 模型已進入生產階段,機密計算正成為解決數據安全和網絡安全問題的重要手段,”  ——HyperFrame Research 首席分析師 Steven Dickens

      這與諸如醫療和金融等高度監管行業對“安全 AI”的日益需求高度契合,這些行業對數據合規性和本地化管理要求極高。

      01
      什么是機密計算?

      機密計算是通過基于硬件的可信執行環境(TEE) 保護使用中的數據的方法。TEE 是安全且獨立的環境,可防止對使用中的應用和數據進行未經授權的訪問或修改。

      “企業對于 AI 安全普遍高度關注,AI 提供商正加速在關鍵位置部署機密計算,”  ——Futuriom 分析師 Craig Matsumoto

      AI 推理(Inference)日益復雜,涉及的組件越多,潛在的安全漏洞也越多。同時,AI 代理(Agent)系統帶動了更多數據在多個來源之間流動,引發新的隱私與合規風險。

      Matsumoto 指出,機密計算提供了一條安全的數據處理管道,對金融和醫療等依賴 AI 做決策的行業來說,是極具吸引力的技術選擇。

      02
      領先 AI 廠商引領落地

      谷歌目前推出了其自研 Gemini 模型的定制版本,企業客戶可在“斷網”的本地服務器上運行該模型。模型運行依賴 Nvidia GPU,這些 GPU 構建了安全的執行環境,用以“鎖住”模型自身。

      “我們部署在本地的最大需求,就是能確保模型本身的安全?!? ——谷歌云副總裁 Sachin Gupta

      Anthropic(Claude 模型提供商)則在 6 月宣布推出“Confidential Inference”(保密推理)環境,用于確保用戶數據和模型權重的私密性。目標是在內存中對 AI 數據進行加密與隔離,防止遭到竊取或攻擊。

      Fortanix 首席 AI 官 Richard Searle 表示,Anthropic 此舉不僅是產品差異化策略,更是對模型可信性的背書。

      “隨著監管機構加強對 AI 在醫療、金融等領域使用的審查,部署的 AI 模型或代理系統需要具備可審計性。”

      機密計算提供了這種審計能力,確保模型未被篡改,通過“安全驗證機制”證明完整性。

      03
      芯片巨頭加碼機密計算

      英特爾和 AMD 率先在其 CPU 中構建了機密計算模塊。但業內專家指出,隨著 AI 模型的主要計算平臺轉向 GPU,Nvidia 正成為推動機密計算落地的主力

      相比 CPU,GPU 可同時運行更多應用,因此在加速計算方面的需求也帶動了對 GPU 級機密計算的依賴。

      “現在推動機密計算發展的,其實是那些必須運行在 GPU 上的大模型。”  ——Nvidia 企業 AI 副總裁 Justin Boitano

      04
      技術碎片化成最大挑戰

      目前,機密計算技術在行業內尚無統一標準,不同廠商的實現方式彼此孤立,導致在多節點、多平臺間遷移任務時,驗證信任關系的復雜度增加,也可能引入新的漏洞。

      “我們目前面臨的現實是:缺乏在多廠商計算棧之間無縫傳遞信任的能力?!? ——安全公司 Binarly CEO Alex Matrosov

      當前 GPU 的機密計算方案大多依賴 AMD 的 EPYC CPU 提供“可信環境”,而 Nvidia 的 H100 GPU 則負責數據認證。問題在于,CPU 與 GPU 間的任務切換和認證過程頻繁,可能暴露出更多攻擊面。

      “在這種架構下,機密計算的可靠性和驗證能力就變得極為脆弱。”  ——Matrosov

      Nvidia 的 Boitano 表示,公司并不打算成為一家安全公司,而是專注于 AI,與合作伙伴協同構建完整的機密計算棧。例如,谷歌已自行開發了可信驗證服務,可在虛擬機解密前同時驗證 CPU 和 GPU 的安全性。

      “我們認為,從長遠看,AI 計算中所有數據都應在傳輸和存儲過程中加密,并在保密環境中執行。

      05
      統一標準仍需時間

      Fortanix 的 Searle 提出,行業組織或政府機構(如美國國家標準與技術研究院 NIST)可主導制定機密計算標準,以減少當前的技術碎片化。

      “但需要注意的是:這需要耗費時間來定義、驗證,并且需要經歷冗長的產品開發周期才能真正落地。”



      總結

      機密計算正成為 AI 安全領域的重要基石,尤其在高度監管行業中應用廣泛。然而,芯片廠商之間技術壁壘、標準缺失和生態不統一仍是推廣的主要障礙。隨著 Nvidia、谷歌、Anthropic 等巨頭不斷推動落地,機密計算有望成為未來 AI 基礎架構的“默認選項”。



      國內《數據安全技術 機密計算通用框架》將于2025年8月1日正式實施,詳情見:

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

      免費試用
      服務熱線

      馬上咨詢

      400-811-3777

      回到頂部