Google Cloud 升级机密计算:引入 Blackwell GPU 虚拟机与提示词加密工具

面向 AI 训练和推理中的数据安全需求,Google Cloud 正在继续加码机密计算。谷歌近日宣布对其 Confidential Computing 产品线进行升级, 重点覆盖 GPU 机密虚拟机、生成式 AI 提示词加密, 以及跨机构联合训练场景下的可信环境验证。

📌 Google Cloud 机密计算迎来多项升级

此次更新的核心方向,是让企业在使用云端 AI 算力时, 尽量降低敏感数据在处理过程中的暴露风险。谷歌此次提到的能力包括基于英伟达 Blackwell GPU 的机密虚拟机、开源的 Prompt Encryption SDKs, 以及 Confidential Space 平台的新安全集成。

机密计算的重点并不只是数据存储或传输加密,而是尝试在数据被计算时也提供隔离保护。对于涉及企业内部资料、用户隐私、医疗金融数据或模型训练样本的应用来说, 这类能力正在变得更重要。

🔍 Blackwell GPU 机密虚拟机进入预览

谷歌表示,这一方案结合 AMD 安全加密虚拟化(SEV) 技术, 可在可信执行环境 (TEE) 中对数据进行硬件级隔离保护。换句话说, 企业在云端运行 AI 计算任务时, 可获得更偏向底层硬件的安全防护能力。

💡 Prompt Encryption SDKs 开源, 瞄准生成式 AI 隐私

按照谷歌的描述,开发者可以借助该 SDK, 让数据在发送到机密计算环境中的推理服务器时保持加密状态。这对于企业接入大模型服务时的隐私保护具有现实意义, 尤其是在提示词中可能包含业务数据、客户信息或内部知识的情况下。

从产品定位看,这项工具并不是单独解决所有 AI 安全问题, 而是补齐生成式 AI 调用链路中的一环: 减少提示词和输出内容在传输、处理过程中的敏感信息暴露风险。

📊 Confidential Space 强化跨机构协作

这类能力适合需要共同训练或分析数据、但又不希望直接共享原始数据的组织。例如,不同机构可能希望开展模型联合训练, 同时保持各自数据边界和合规要求。

• 可信验证:帮助确认计算环境是否符合预设安全策略。
• 数据隔离:在协作过程中降低原始数据被直接暴露的风险。
• GPU 支持:Confidential Space 同步引入英伟达 Hopper 架构 GPU 支持, 面向更高效的异地联合训练。

🚀 值得关注:AI 云服务竞争转向“算力 + 安全”

随着企业把更多 AI 工作负载迁移到云端, 单纯提供高性能 GPU 已不再是唯一卖点。对云厂商而言, 如何在训练、推理、数据协作等环节提供可验证的安全机制, 正在成为差异化能力。

谷歌此次更新反映出一个趋势:AI 基础设施竞争正在从算力供给扩展到安全、隐私和合规能力。对于企业用户来说, 后续值得关注的不只是新实例的性能指标, 还包括可用区域、合规认证、开发者接入成本以及与现有 AI 工作流的兼容性。