本文详细介绍了百度智能云第 7 代 AI 机密虚拟机如何通过整合英特尔 TDX、NVIDIA GPU 机密计算与 BlueField DPU 的 vDPA 技术，构建从 CPU 到 GPU 的全链路可信执行环境，以解决云上高敏感 AI 业务的数据安全问题。
📝 详细摘要
文章系统阐述了百度智能云在 AI 机密计算领域的工程实践，重点介绍了其第 7 代 AI 机密虚拟机的核心架构与技术突破。文章首先分析了企业上云面临的数据安全信任挑战，引出机密计算的重要性。随后，通过对比第 6 代方案的局限，详细说明了第 7 代方案如何实现三大核心突破：1）通过 CPU TDX 与 GPU 机密计算（CC）结合 Protected PCIe（PPCIe）加密链路，实现从 CPU 到 GPU 的端到端数据保护；2）利用 BlueField DPU 的 vDPA 技术实现 I/O 卸载，将 CPU 资源完整交付给用户，并支持多 GPU 通过 NVLink/NVSwitch 高速互联，满足大规模 AI 训练需求；3）通过固件优化和社区贡献，解决了 TDX 环境下共享内存标记、高地址空间设备兼容性等一系列复杂工程挑战。文章最后提供了性能评估数据，表明在引入安全增强后，内存、I/O 及 GPU 核心计算性能损失微乎其微。
💡 主要观点
- AI 机密计算的核心是构建全链路可信，而不仅是单点保护。 文章强调，有效的机密计算取决于整个数据路径是否始终处于受控边界内。百度第 7 代方案通过整合 CPU TDX、GPU CC 和 PPCIe 加密链路，封堵了从 CPU 内存到 PCIe 总线再到 GPU 显存的潜在泄露点，实现了端到端的安全保护。
💬 文章金句
- 机密计算的有效性，不取决于单一组件的安全能力，而取决于整个数据路径是否始终处于受控边界之内。
- vDPA 的答案很直接——数据路径硬件卸载，控制路径软件管理。
- AI 机密虚拟机的演进，本质上是对「可信边界」在复杂计算体系中的一次重构。
- 安全不意味着牺牲性能，这是第 7 代 AI 机密虚拟机时始终坚持的设计原则。
- 百度智能云所构建的，并不仅是一种产品形态，而是一种在 AI 计算时代下，重新定义数据使用方式的基础设施范式。
📊 文章信息
AI 初评：88
来源：百度Geek说
作者：百度Geek说
分类：人工智能
语言：中文
阅读时间：20 分钟
字数：4968
标签： 机密计算, 可信执行环境, AI 基础设施, GPU 虚拟化, 数据安全