Meta解释AI眼镜“私有处理”架构：云端运行个性化AI而不看用户数据

随着AI眼镜等可穿戴设备成为个人上下文的主要入口，一个核心矛盾浮现：为了提供翻译、长期记忆和主动协助等功能，AI模型需要巨大的算力和跨会话的状态存储，这迫使数据处理必须发生在云端；然而，这些功能又要求系统深度理解用户的私人生活，使得将明文数据上传至传统云架构变得不可接受。Meta工程团队在2026年9月23日发布的文章中，提出了“私有处理”（Private Processing）作为解决方案，旨在将设备的信任边界直接扩展至云数据中心内部。

这一架构的核心是机密计算（Confidential Computing）。传统的云安全主要依赖数据在传输中（in transit）和静态存储时（at rest）的加密，但数据在使用中（in use）必须在内存中解密才能被处理器操作，这使其暴露给主机操作系统、管理程序以及基础设施运营商。Meta的私有处理利用硬件原语——可信执行环境（TEE），在CPU和GPU上创建机密虚拟机（CVM）。在这些CVM中，内存由芯片上的专用安全硬件密钥加密，该密钥从不释放给主机或运营商。因此，对于Meta的基础设施管理员而言，CVM内的数据始终是密文，即使是在处理过程中。

为了确保这种隔离不是仅靠厂商承诺，Meta引入了可验证透明性（Verifiable Transparency）。每个在生产环境中部署的CVM镜像都会注册到一个公开的、仅追加的透明度账本中。客户端设备（如AI眼镜）在发送任何数据之前，会发起远程证明（Remote Attestation），要求服务器提供由硬件签名的证书，并比对软件镜像的测量值与账本中的记录。如果签名链验证失败或测量值不匹配，握手即告终止，数据不会离开设备。这意味着，如果Meta试图部署未经公开记录的代码，外部研究人员和用户设备都能发现篡改证据。

除了计算隔离，架构还解决了元数据泄露和持久化存储的挑战。为了防止运营商通过流量模式追踪特定用户，Meta设计了“不可定向路由”（Non-targetable Routing）。设备使用匿名凭证（盲签名令牌）进行身份验证，并通过第三方中继（如Fastly或Cloudflare）连接网关，使得认证服务无法将请求与特定账户关联。对于需要长期记忆的AI助手，Meta没有采用传统的加密数据库方案，因为访问模式本身就会泄露行为规律。相反，他们将存储引擎直接构建在TEE内部，实现“存储内边界”。数据仅在CVM内解密和处理，查询引擎也在TEE边界内运行，确保了读写事务的高效性和隐私性。

这种设计带来了显著的运维挑战，即“黑暗中的调试”（Debugging in the Dark）。由于工程师无法附加调试器到运行的TEE，也无法转储内存堆栈或查看导致崩溃的具体载荷，标准的诊断工具失效。Meta转而依赖带外聚合健康信号，如CPU利用率、内存分配和网络延迟，来维护服务健康，同时确保不暴露任何用户数据字节。尽管这一架构极大地增强了隐私保证，但其安全性最终依赖于硬件供应商的信任根、二进制测量的准确性以及对侧信道攻击的防御能力。