一句话看懂：Google 研究团队披露了同态加密（FHE）在隐私 AI 推理上的最新性能数据，虽然比明文计算仍慢几个数量级，但相比此前已有显著改善，让“云服务商无法读取用户数据”的隐私 AI 从理论走向工程可行。
事件核心：发生了什么
根据 Hacker News 上讨论的 Google 研究信息，Google 团队评估了同态加密下的两类典型 AI 推理任务：UCI 健康预测和 Criteo 点击率预测。在单线程 CPU 上，两者的推理延迟分别为 24 秒和 228 至 489 秒。作为对比，传统明文模型在 CPU 上的推理耗时通常为毫秒级，差异大约在 5 到 6 个数量级。但报道同时指出，这一性能差距已从过去常见的 10⁻³ 到 10⁻⁶ 倍损耗，收窄到 10 倍到 100 倍的量级。
为什么重要
同态加密一直被视为隐私计算的“圣杯”：它允许服务端在无法读取数据明文的情况下直接对加密数据做计算。但过高的算力开销使其长期停留在学术层面。Google 此次公开的数据表明，FHE 的工程化进度正在加快，尤其在健康预测和广告点击预测这类对数据敏感性极高的场景中，“不碰明文也能做推理”开始具备实际部署的可能。尽管当前单次推理仍需数十秒甚至数分钟，但对部分隐私优先、低并发、高价值场景而言，这一成本正在变得可接受。
对用户/开发者/创作者的影响
对普通用户而言，FHE 的进步意味着未来使用云服务时不必再把密码、健康记录或行为偏好直接交给服务商。对开发者来说，选择隐私 AI 方案不再只有“本地计算”或“可信执行环境”两条路，云上的同态加密推理正在成为新的选项——尽管目前只适合对延迟不敏感的异步任务。需要特别注意的是，成本仍然是主要瓶颈：本地计算的单位成本可能仍低于加密云推理，但后者提供了“数据永不离开加密域”的独特合规价值。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，Google 尚未发布面向公众的 FHE 推理 API 或明确的产品路线图。后续可观察三个信号：一是这项技术是否被集成到 Google Cloud 的隐私计算产品线中；二是 UCI 和 Criteo 之外的更大规模模型（如涉及 Transformer 架构的推荐或 LLM 推理）是否能延续性能改进趋势；三是是否有云厂商跟进或提出新的硬件加速方案，因为单线程 CPU 并非 FHE 的理想运行环境，专用芯片或 GPU 加速可能大幅改变现有性能曲线。
来源：hackernews
