Google DeepMind חשפה ב־23 בספטמבר 2026 ארכיטקטורה שמנסה לפתור אחת הסתירות הגדולות של עוזרי AI אישיים: לזכור מידע לאורך זמן ובין מכשירים, בלי למסור לשרת מפתח קבוע שיכול לפתוח את הזיכרון. המערכת נקראת Private AI Compute, והחידוש המרכזי הוא שכבת זיכרון מתמשכת בצד השרת שמוצפנת באמצעות מפתחות שמקורם במכשירי המשתמש.
חשוב לדייק: מדובר בתיאור טכני של ארכיטקטורה מתפתחת, לא בהבטחה שכל שירותי Gemini כבר מפעילים אותה לכל המשתמשים. Google פרסמה מסמך טכני והצהירה על ביקורת אבטחה עצמאית, אך שאלות של זמינות, הגדרות ברירת מחדל ושחזור חשבון עדיין תלויות במוצר שבו תיושם המערכת.
למה AI בכלל צריך זיכרון בענן?
מודל שפועל רק במכשיר מציע יתרון ברור: המידע הרגיש אינו חייב לצאת ממנו. אבל מודלים גדולים דורשים לעיתים כוח מחשוב וזיכרון שאינם זמינים בטלפון או במשקפיים חכמים. בנוסף, משתמשים מצפים להמשיך שיחה שהתחילה בטלפון מהמחשב, או לקבל עזרה שמבינה הקשר שנאסף לאורך זמן.
עד היום, סביבות ענן מבודדות רבות היו “ללא מצב”: הן מחקו את ההקשר בסוף כל משימה. חלופה אחרת היא לשמור רשימת עובדות והעדפות, אך היא מוגבלת ועלולה ליצור מאגר אישי שקל יותר לנתח או לדלוף. Google מציעה זיכרון מוצפן שנשמר בענן אך נפתח רק בתוך סביבת חישוב מבודדת.
איך Private AI Compute אמור לעבוד?
- מפתח במכשיר: לפי Google, המפתחות הדרושים לפתיחת המידע מוחזקים במכשירים האישיים ולא אצל החברה.
- ערוץ מוצפן מקצה לקצה: המכשיר מתקשר עם סביבת ענן מאומתת דרך ערוץ מוצפן.
- Secure Enclave: הנתונים מפוענחים זמנית בזיכרון מבודד לצורך העיבוד, ואז מוצפנים מחדש.
- מאגר נפרד לכל משתמש: ההקשר נשמר במסד נתונים ייעודי ומוגן במפתחות הנגזרים מהמכשיר.
- אימות תוכנת השרת: המכשיר אמור לבדוק רשומה ציבורית חסינת שינוי לפני שליחת מידע, כדי לוודא שהשרת מריץ תוכנה מאושרת.
הארכיטקטורה מנסה להקטין את האמון הנדרש בספק הענן. היא אינה הופכת את המערכת לחסינה: פרצת מימוש, מכשיר שנפרץ, תהליך שחזור חלש או שינוי במדיניות המוצר עדיין יכולים לשנות את תמונת הסיכון.
מה המשתמשים צריכים לשאול?
לפני שמפעילים זיכרון AI מתמשך, כדאי לבדוק האם אפשר לראות מה נשמר, למחוק פריטים בודדים, לאפס את הזיכרון כולו ולבטל סנכרון בין מכשירים. גם מנגנון שחזור החשבון חשוב: אם רק המכשיר מחזיק במפתח, צריך להבין מה קורה כשכל המכשירים אובדים; ואם לספק יש נתיב שחזור, צריך לדעת אילו בקרות מגינות עליו.
בארגונים השאלות רחבות יותר. מנהלי אבטחה ופרטיות יצטרכו להבין כיצד נשמרת הפרדה בין חשבון אישי לארגוני, האם מדיניות שמירת מידע חלה גם על זיכרון AI, אילו לוגים נוצרים והאם אפשר למנוע מהעוזר לזכור קטגוריות רגישות.
מה עדיין לא ידוע?
Google מציגה את המפתחות שבמכשיר, ה־secure enclaves והרשומה הציבורית כשכבות שמונעות גם ממנה גישה לתוכן. זו טענה משמעותית, אך הערכה מלאה דורשת מסמכים פתוחים, תוצאות ביקורת מפורטות ובדיקה לאורך זמן. עדיין צריך לראות כיצד המנגנון יפעל במכשירים מרובים, כיצד תטופל העברת בעלות, ומה תהיה ברירת המחדל במוצרים מסחריים.
הפיתוח משתלב במעבר לעוזרי AI שמבצעים משימות ארוכות ומתמשכות. בכתבה על Gemini 4 Argon ראינו את העלייה ביכולת לבצע תהליכים מורכבים; Private AI Compute עוסק בשאלה המשלימה — איך לתת למערכת הקשר אישי מתמשך בלי להפוך את הזיכרון למאגר פתוח לספק.
השורה התחתונה
Private AI Compute הוא ניסיון הנדסי מעניין לחבר בין כוח חישוב ענני לבין מודל פרטיות שמתקרב לעיבוד מקומי. ההצלחה לא תיקבע רק בקריפטוגרפיה, אלא גם בשקיפות, בברירות המחדל, במחיקה אמיתית ובדרך שבה המערכת תתמודד עם מכשיר אבוד או חשבון שנפרץ.
מקור: Google DeepMind — Advancing Private AI Compute with secure, server-side memory.
תמונה ראשית: נוצרה באמצעות AI עבור מערכת ITPortal.
