此篇文章聚焦於Google Cloud在6月下旬宣布擴大機密運算服務，說明雲端運算如何從傳統的資料傳輸與儲存防護，進一步延伸到資料實際處理期間的安全保障。文章指出，Google Cloud此次更新涵蓋搭載Nvidia Blackwell架構GPU的Confidential G4 VMs預覽版、用於保護AI提示詞與模型回應的開源Prompt Encryption SDKs，以及Confidential Space與Confidential VMs等既有服務的強化。所謂機密運算，是透過可信執行環境在硬體層級隔離工作負載，讓資料即使在雲端運算過程中，也能維持加密與受控狀態。文章顯示，隨著企業把AI模型、敏感資料與高效能運算搬上雲端，雲端服務商的競爭焦點已不只是運算速度與成本，也包括能否讓企業在不暴露原始資料的情況下完成分析、訓練與推論。
文章進一步說明Confidential G4 VMs的技術設計。該服務採用Nvidia RTX PRO 6000 Blackwell Server Edition GPU，並以第5代AMD EPYC Turin處理器搭配AMD安全加密虛擬化技術，讓敏感資料在可信執行環境中處理時受到硬體層級隔離保護，同時加密CPU與GPU之間的資料傳輸。Google Cloud也推出支援機密運算的Google Kubernetes Engine節點Confidential G4 GKE Nodes，讓企業可在Kubernetes環境中執行AI推論、模型微調與高效能運算等工作負載。此篇文章也特別介紹Prompt Encryption SDKs，Google Cloud將其開源，協助開發者加密AI提示詞與模型回應，使相關內容在傳送至機密運算環境中的推論伺服器時，仍能透過端對端加密獲得保護。這項設計回應了企業對生成式AI的主要疑慮，也就是輸入內容、模型輸出與內部資料可能在傳輸或處理過程中遭到攔截或暴露。
此篇文章最後將焦點放在多方資料協作與遠端證明驗證。Google Cloud更新Confidential Space，讓不同組織可在不向其他參與者或Google Cloud揭露原始資料的情況下，進行資料分析與機器學習，適合跨企業、醫療機構或研究單位進行敏感資料合作。文章指出，Confidential Space新增整合Intel Trust Authority的能力，可在交付加密金鑰給工作負載前，先確認執行環境未遭竄改，並符合客戶預期的安全狀態；同時，該服務也正式支援Nvidia Hopper架構GPU，可應用於聯邦學習與跨組織共同訓練模型。整體而言，此篇文章呈現Google Cloud如何以機密運算串接硬體、雲端平台、AI工具與驗證機制，建立更完整的資料保護架構，讓企業在追求AI應用與跨機構合作的同時，降低敏感資料外洩與運算環境遭竄改的風險。
