英伟达机密计算扩展至全球基础设施

英伟达把机密计算从虚拟机和容器一路推进到裸金属，并把它铺到Grace Blackwell与Rubin全系系统上，这标志着AI基础设施的竞争焦点正从“算力密度”转向“算力+信任边界”——谁能证明客户的数据和模型在别人的机房里、在执行的那一瞬间也没被碰过，谁就能接住前沿模型厂商和主权AI的订单。

三种部署形态，对应三种信任边界

这次发布最实质的变化，是英伟达把机密计算收敛成一套统一的架构，给出三个部署选项：Confidential Bare Metal面向裸金属基础设施，Confidential Containers面向Kubernetes环境，Confidential Virtual Machines面向虚拟化环境。原文的说法是让组织“match the right model to their trust boundaries and operating requirements”。

这句话值得掰开看。过去机密计算基本等同于“虚拟机里的TEE”，客户要么接受虚拟化带来的性能损耗，要么放弃保护。裸金属选项补上了这个缺口：前沿模型厂商可以在第三方专用硬件上跑自己的整套软件栈，包括host和平台基础设施软件，同时保留对模型和数据的控制权。换句话说，云厂商提供机器，但不提供“看得见”的权限。

机密裸金属的本质，是把“信任”从云厂商的操作系统里抽出来，交给硬件根和密码学证明。

新增的三类平台安全控制

原文明确列出这次引入的新平台安全控制：保护传输中的数据、度量平台完整性、执行硬件级访问限制。这三项对应三个真实攻击面——链路窃听、固件/启动链被篡改、以及运维人员或hypervisor层面的越权访问。

配合硬件根隔离和密码学远程证明（cryptographic attestation），客户可以在把敏感权重放上机器之前，先验证这台机器跑的是不是预期的那套固件和软件。对训练千亿级参数模型的团队来说，这意味着可以把“模型IP”当作需要防内部人泄露的资产来管理，而不只是防外部黑客。

Cohere和Google Cloud是两个风向标

落地案例里有两个名字最关键。Cohere计划把Confidential Bare Metal集成进Cohere Model Vault，CTO Phil Blunsom的原话是用英伟达的可信执行环境（TEE）把硬件根安全“直接延伸到GPU”，保护执行期间内存中和互联链路（interconnects）上的模型与数据。注意“across interconnects”这个措辞——多卡、多节点训练时，NVLink和网络链路本身就是数据暴露面，这是机密计算最难啃的部分。

Google Cloud则把支持扩展到A4X Max实例，基于GB300 NVL72系统，提供非虚拟化加速计算加密码学保护。Google Cloud的AI基础设施安全负责人Andrés Lagar-Cavilla强调“hardware-isolated, non-virtualized”和“end-to-end cryptographic protection”。一家头部云厂商愿意在自家高端实例上承认“客户的数据我看不见”，这本身就是商业姿态的转变。

硬件覆盖面：从单机到机架，从Blackwell到Rubin

支持范围这次扩得很实：NVIDIA Grace Blackwell NVL72——把机密计算带到NVL72机架级系统；以及基于x86的HGX Rubin NVL8和DGX Rubin NVL8。机架级支持是分水岭，因为前沿模型训练早已不是单机八卡的事，TEE必须覆盖整个NVLink域才有意义。

生态侧，支持机密计算部署的名单包括CoreWeave、Firmus、GMI Cloud、Google Cloud、IREN、Lambda、Microsoft Azure Infrastructure、Nebius、Nscale、Vultr；系统集成侧有Cisco、Dell、HPE、Lenovo、Supermicro、Bull，通过NVIDIA-Certified Systems交付。NVIDIA DSX OS将支持全部机密计算模式，作为云厂商建“AI工厂”的参考架构。

所以呢：三条影响线

第一，neocloud的差异化武器变了。CoreWeave、Nebius、Lambda这批厂商拼价格拼不过超大规模云，但“机密裸金属+可证明的完整性”能让他们去接金融、医疗、政府以及那些把权重当命根子的模型公司。这是一条超大规模云短期不愿全力跟进的缝隙——因为它的前提是云厂商主动放弃对宿主机的可见性。

第二，主权AI有了技术抓手。原文提到为模型厂商提供“more geographic, sovereign and operational options”。数据不出境只是合规的一半，另一半是“出境了也解不开、看不见”。机密计算把主权要求从法律条款变成了可验证的技术属性。

第三，安全从成本项变成准入项。当Cohere把TEE写进Model Vault的产品定义、当Google Cloud把机密裸金属做成A4X的卖点，企业采购AI推理服务时的问询清单里会多一条：“执行期间谁看得见我的数据？”答不上来的供应商会被筛掉。

真正的悬念在执行开销：TEE在GPU上的性能损耗、机架级证明的延迟、以及跨节点互联加密的带宽代价，原文一个数字都没给。这些数字决定了机密计算是“高端可选”还是“默认开启”——而后者，才是英伟达这套架构真正的终局。