NVIDIA 机密计算扩展至裸金属，重塑 AI 构建者必须信任的对象

NVIDIA Confidential Computing 正在扩展至专用第三方服务器，让模型构建者获得更多控制权，但并未免除其对可信软件的责任。于 2026 年 10 月 21 日发布的 Confidential Bare Metal 面向希望使用外部计算能力、同时保有对敏感模型和数据控制权的组织。核心矛盾在于所有权：租用硬件不应意味着必须允许运营方访问其上运行的一切。

这改变了 AI 开发者对基础设施的讨论。模型构建者需要评估系统限制谁的访问、信任谁的软件，以及由谁决定何时可以访问受保护的信息。Microsoft Azure 已经提供机密 GPU 虚拟机，即由软件定义、并具有硬件支持保护的计算机。NVIDIA 的公告增加了一种部署选择，而非创造了机密 AI。

这一差异的重要性不止于基础设施团队。企业客户会将内部文档、专有代码和业务记录托付给 AI 服务。防止托管服务商接触这些材料，解决的是一种暴露风险；要防止 AI 服务本身接触它们，则需要另一道边界、明确的政策，以及证明这些政策得到遵守的证据。

NVIDIA Confidential Computing 新增裸金属路径

这项公告扩展了模型构建者租用受保护基础设施的方式，同时让其保持对自身软件的控制。

在其 Confidential Bare Metal 公告中，NVIDIA 描述了一种面向专用第三方硬件的部署选项。裸金属意味着客户直接使用物理服务器，而非完全在由服务商管理的虚拟机中运行。

该公司目前提供三种部署选项：Confidential Bare Metal、Confidential Containers 和 Confidential Virtual Machines。容器会将应用及其依赖项打包；Kubernetes 则协调其部署。这些选项为组织提供了在工作负载周围设置安全边界的不同方式。

NVIDIA 还宣布支持 Grace Blackwell 和 Rubin 系统，并计划与其基础设施软件基础 NVIDIA DSX OS 集成。这使公告的范围超越了单一服务器配置。不过，平台支持不应被理解为所有服务商或地点均已普遍提供服务。

Cohere 计划将 Confidential Bare Metal 集成至 Model Vault。NVIDIA 将此定义为把硬件支持的保护延伸至 GPU 执行。GPU 是用于并行计算的处理器，包括模型训练和推理服务。该公告描述的是计划中的集成，而非经过独立验证的部署结果。

真正有价值的改变在于运营模式。构建者可以在其他地方寻求基础设施，同时继续承担处理其知识产权环境的责任。机密计算利用硬件支持的保护来保护执行期间的信息，因而成为该容量决策的一部分。

对于评估这项公告的读者而言，“控制”值得被精确定义。对应用软件的控制不同于对硬件维护的控制；对加密密钥的控制不同于对调度的控制。专用服务器可以简化某些关系，但其他关系仍可能取决于合同和具体实现。

这正是部署类别不如实际边界重要的原因。带有相似安全标签的两项服务，可能会将截然不同的责任分配给客户。组织在二者之间选择时，需要清楚了解每个组件由谁运营。

因此，这项公告除了提供技术选项，也提出了采购问题。组织能否获得所需硬件，而不必接受其认为不可接受的管理访问权限？回答这个问题，不能只看服务商是否宣传机密计算。

模型构建者还应区分自主性与便利性。运行其偏好的软件栈可以降低对服务商托管配置的依赖，但也提高了构建者自身发布流程、安全审查和事件响应的重要性。

因此，其价值主张是明确且具体的。这种方法适合那些认为软件所有权足够重要、愿意承担相应工作量的组织。它并不意味着每一项企业 AI 工作负载都应迁移至裸金属。

云服务商面临要求更高的算力销售

服务商不仅必须说明客户可以租用哪些硬件，还必须解释客户如何验证基础设施保护。

Google Cloud 通过其 裸金属 AI 基础设施 公告，独立印证了这一扩展。其指出，由 NVIDIA GB300 NVL72 系统驱动的 A4X Max 实例将成为 Confidential Bare Metal 的落地平台。

Google 描述了以硬件为根的安全启动和证明机制，即用于评估平台身份及其获准状态的密码学证据。其还提到加密内存和 NVLink 连接，即 NVIDIA 在 GPU 之间提供的互连方式。这些仍是服务商对所提供架构的声明。

Google 的公告区分了 A4 实例现有的机密计算可用性，与其引入裸金属选项的情况。在评估准备程度时，这一区分很重要。具名集成比笼统的合作伙伴声明提供了更强证据，但读者仍需要了解具体产品的可用性细节。

服务商面临的压力来自客户的议价地位。如果模型本身是有价值的知识产权，访问条件便成为基础设施采购的一部分。仅有算力，并不能决定该算力是否可接受。

对于采购团队而言，这意味着需要采取不同的比较流程。他们应评估服务商提供的证据、客户对审批决策的权限，以及拒绝不合适配置的流程。营销语言无法替代这些答案。

设想一家假设中的模型开发商希望将服务拓展至另一市场。其工程师找到了合适的计算集群，但安全团队反对主机方的管理访问权限。采购决策随后取决于该服务能否同时满足两个团队的要求。

机密基础设施可能为解决这一分歧提供路径。然而，买方仍需要达成明确的责任划分。谁批准变更？谁调查故障？谁可以暂停服务？恢复期间受保护信息会如何处理？

这些问题影响了地域扩张的实际含义。某个地点可能提供合适的硬件，却无法满足组织的运营要求。反过来，一个技术上可接受的保护模型也可能仍需额外的合同审查。

因此，地点和机密性应始终作为独立的评估标准。前者涉及处理发生在哪里；后者涉及在系统假设下哪些方能够访问信息。买方应分别记录二者，而非将其中任一项视为另一项的替代品。

类似的区分也适用于服务商多样性。更多托管选择能为构建者提供额外选项，但切换需要证据证明接收环境符合其政策。可移植的应用，并不自动意味着可移植的安全决策。

最有力的服务商回应，是让这些决策更易于评估。清晰的配置文档、明确的访问边界和现实的服务承诺，有助于客户比较不同方案。没有这些内容，扩大的供应商名单仍会让买方的大部分工作悬而未决。

专用硬件与虚拟机作出的承诺不同

有价值的比较应关注责任与保护边界，而非哪一种部署标签听起来更强。

Microsoft 现有的 机密 GPU 选项 将 AMD EPYC 处理器与 NVIDIA H100 GPU 结合。Microsoft 描述了一种可信执行环境，即由硬件保护的执行边界，覆盖机密虚拟机及其连接的 GPU。

该文档还列出了运营限制。机密 GPU 虚拟机使用专用硬件，且在所述产品中不支持调整大小。客户仍需负责高可用性和灾难恢复。这些细节说明，架构比较需要运营层面的证据。

相较之下，裸金属扩展改变了控制权的分配。选择专用基础设施的构建者，应考虑其偏好的软件和管理模式是否足以证明承担额外责任的合理性。选择虚拟机的团队，则应评估相应的服务限制。

没有哪一种答案能从技术名称中自动得出。若托管环境的文档化边界符合组织要求，它可能是合适选择；更高的软件自由度则可能适合另一类拥有维护所需人员和流程的组织。

AWS 通过隔离计算飞地提供了另一种比较。Nitro Enclaves 会创建与父实例隔离的受限环境。AWS 说明，飞地内没有持久存储、交互式访问或外部网络连接。

AWS 还支持密码学证明以及与其密钥管理服务的集成。该服务管理加密密钥，并可评估证明证据。Nitro Enclaves 展示了一种聚焦的隔离方式；它并非等效 GPU 容量的证据，也不能替代已宣布的裸金属配置。

这些案例确立了比简单厂商排名更有用的竞争框架。买方比较的是不同的保护单元和不同的运营安排。受限飞地、机密虚拟机和专用主机，回答的是不同的部署问题。

组织的工作负载应决定哪些差异最重要。一项范围狭窄的敏感操作，与完整的模型服务环境有不同需求；具有严格定制要求的服务，与围绕受支持托管配置设计的服务也有不同需求。

这也是性能声明需要谨慎对待的原因。没有虚拟化层本身，并不能提供针对特定工作负载的结果。买方应要求针对预期配置的测量数据，并说明何种行为可被接受。

一项有意义的评估应包括组织实际的应用行为和服务要求。目标是确认受保护的部署能够提供所需服务。仅凭一张看似有利的架构图，无法独自回答这一运营问题。

同样的推理也适用于工程投入。一项部署可以满足安全要求，同时所需工作量却超出团队可持续承担的范围。这并不意味着该架构无效；而是改变了该架构是否适合该组织。

竞争带来的结果是，选择范围更广，同时也更需要进行精准比较。能够清晰说明限制条件的提供商，会为买家提供具体可评估的依据。依赖宽泛保密承诺的提供商，则会让最重要的差异仍悬而未决。

模型所有者仍处于信任边界之内

保护模型免受其基础设施提供商的影响，并不自动意味着客户信息也能免受模型所有者的访问。

NVIDIA 开发版本的裸金属威胁模型明确区分了这一点。威胁模型界定了安全设计所依据的对手、假设和限制。

文档指出，Confidential Bare Metal 信任模型所有者的特权软件和管理员。它不会将终端用户信息与该所有者或其获准软件隔离。在交接和验证完成后，基础设施所有者位于运行时边界之外。

该文档还指出，保护能力取决于实际平台和设置。其 Grace Blackwell 基线不提供加密的 CPU 到 GPU 芯片间链路，也不提供硬件 PCIe 加密。PCIe 用于连接系统组件。NVLink 加密并不意味着所有其他通信路径都受到保护。

这些是已记录的限制，而非部署已遭利用的证据。它们同样意味着，不能宽泛地推断每条承载敏感信息的路径都获得相同级别的保护。关键问题在于，完整部署是否应对了该组织的特定风险暴露。

对企业客户而言，这一信任差异改变了对供应商隐私声明的理解方式。“我们的托管提供商无法访问此工作负载”回答的问题，比“我们的服务无法访问您的信息”更为狭窄。

这些表述应在安全审查中分别呈现。一项服务可以针对基础设施访问提供有意义的保护，同时仍可通过自身软件保留访问能力。买家需要了解他们接受的是哪一种主张。

以一个用于搜索内部技术文档的企业助手为例。其客户希望获得有用答案，同时避免将机密材料暴露给不必要的各方。基础设施保护能够实现这一目标的一部分，但服务自身的访问规则同样重要。

因此，客户应询问：谁可以检索文档、检查请求、审阅生成的答案，或修改处理这些内容的软件。这些属于应用和运营政策问题。硬件机密计算声明并不会暗示性地解决它们。

对于组织此类审查的团队而言，一个可搜索知识库可以让架构决策和供应商证据保持易于访问。这些文档有助于审查；它们并不提供正在评估的保护能力。

这一区分也关系到公开表述。模型构建者应说明其架构排除的具体主体。关于完全隐私的宽泛声明，容易让客户误以为系统也能防范其仍然信任的参与者。

谨慎的买家可以接受与自身需求相符的有限主张。问题会在买家与提供商对相同词语赋予不同含义时出现。明确的边界能够在部署前让这种分歧显现出来。

这是 NVIDIA Confidential Computing 裸金属扩展的主要权衡。构建者获得了一条迈向基础设施独立性的路径，同时仍需自行承担软件信任决策。该架构改变了责任所在的位置；客户仍需理解由此形成的安排。

成功的启动检查并不能解决运行时安全问题

工作负载以获批准状态启动的证据，仍留下了之后会发生什么这一独立问题。

MITRE 在其持续远程证明框架中探讨了这一更广泛的问题。该框架于 2026 年 7 月 16 日发布，认为仅验证启动状态不足以保障云和 AI 工作负载。

MITRE 将运行时遭入侵视为一项风险，即使工作负载起始于受信任状态也是如此。其提出的架构将验证延伸至运行时完整性、行为保障、传输绑定和 AI 工作负载检查。这是一套与具体实现无关的框架，并非对 NVIDIA 公告的结论性判断。

这一独立视角为部署叙事提供了有益挑战。买家需要了解执行前收集的证据，以及运行期间实施的控制措施。将两者作为独立审查问题，有助于暴露遗漏的假设。

例如，企业可能批准某个特定软件版本，但随后授权更新。关键在于，这项变更如何进入批准流程。组织需要一项政策，说明谁可以批准它，以及他们审查哪些证据。

另一个相关问题涉及例外情况。当预期组件不可用时，生产团队有时需要恢复服务。买家应询问紧急程序如何与承诺的保护机制互动，而非假定常规运行涵盖每一种恢复路径。

这些是评估问题，并非对已部署系统的指控。其目的在于将架构承诺转化为运营承诺。提供商的回答应描述客户可以审查的可观察行为。

回答的质量还取决于谁控制验收。如果客户无法判断证据是否满足自身政策，证据的实际价值便十分有限。验证与授权之间需要明确的关系。

当责任跨越多个组织时，这种关系尤其重要。模型构建者、基础设施运营商、企业客户和验证服务各自可能拥有不同优先事项。审查应明确由哪一方解决分歧，以及哪一方承担由此产生的服务风险。

对于 AI 智能体，机密性和授权也应分开讨论。智能体是使用模型来选择行动并与工具交互的软件。保护其执行环境，并不能决定某项具体行动是否恰当。

因此，审查智能体的企业应同时询问允许执行的操作和信息访问。它可以更改哪些系统？哪些请求需要人工审核？哪些记录能够支持后续调查？这些问题涉及应用的行为和权限。

同样的区分也有助于知识工作者理解安全声明。一项服务可以提升对托管访问的防护，却未必回答有关保留、共享或自动化操作的所有疑虑。理解边界有助于更准确地评估这种改进的价值。

实际含义是分层采购决策。基础设施证据支持其中一部分论证；软件治理、访问政策和运营程序则支持其他部分。买家应依据自身要求评估完整服务。

关注可用性、生产证据和跨提供商验证

接下来的信号将显示，已宣布的架构能否成为客户可以评估和运营的服务。

第一个信号是针对具体产品的可用性。在未来数月内，关注提供商是否公布支持的地点、配置、访问条件和服务承诺。这将增强该扩展创造实际基础设施选择的论据。

一个被点名的平台并不能回答所有部署问题。买家需要知道所需配置是否适用于其工作负载，以及其运营条款是否合适。清晰的文档将使讨论超越公告措辞。

相应的警示信号将是持续的模糊性。如果潜在客户无法识别符合条件的服务，或无法获得其配置要求，这种实际扩展就仍难以评估。这将削弱关于近期部署灵活性的结论。

第二个信号是来自模型构建者和企业客户的生产证据。有价值的证据应说明已部署配置、预期保护边界以及运营所需工作。缺少这些细节的营销背书，能够回答的买家问题更少。

性能报告应使用客户实际会运行的受保护部署。买家还应寻找有关维护、软件变更和恢复的说明。这些细节有助于判断该架构是否适合日常服务交付。

有用的证据不必披露敏感的内部设计。对责任、支持行为和已观察限制的清晰说明即可支持评估。诚实地说明约束条件，比未经支持的普遍适用性主张更能增强信心。

第三个信号是跨提供商验证。关注构建者在不同托管环境之间迁移工作负载时，是否能采用易于理解的批准政策。这将强化如下论点：机密计算支持基础设施选择，而不是形成另一种孤立的部署安排。

跨提供商验证并不要求假装每个平台都完全相同。它要求将差异呈现得足够清楚，以便组织判断这些差异是否可以接受。能够支持这一决策的文档将代表有意义的进展。

较弱的结果是，每次迁移仍依赖不透明的证据和未解释的例外。构建者或许会获得更多供应商，却依然面临其政策能否迁移的重大不确定性。这将限制扩展部署选项的运营价值。

这些信号共同使分析聚焦于公告的实际承诺。NVIDIA Confidential Computing 为构建者提供了另一种方式，可将对计算能力的访问与对其模型的访问分离开来。相关证据将显示提供商在实践中如何清晰地维持这一区分。

对于正在评估这一扩展的企业，应从具体工作负载和需要排除的参与方明确清单开始。要求提供商将每项保护声明映射至相应要求。将模型所有者的访问与基础设施运营商的访问分开。索取当前配置文档、可用性条款，以及对软件批准和恢复程序的说明。与负责应用、基础设施和客户数据的人员共同审查这些答复。然后，依据同一套要求，将拟议服务与现有部署进行比较。Confidential Bare Metal 能让贵组织改变哪一项信任决策，而哪些责任仍需继续承担？