幾乎每一份企業 AI 合約，都會寫明「供應商不會以你的數據訓練模型」。然而，真正能夠證明「連供應商自己也看不到你的數據」的，寥寥無幾。
承諾與證明之間的距離，正是下一輪企業 AI 採購的勝負關鍵。2026 年 9 月 29 日，OpenAI 在 DevDay 上為這個問題正式命名：Private Intelligence，核心技術是「機密推理」。
什麼是機密 AI 推理？
機密 AI 推理（Confidential AI Inference）是指在硬件保護的記憶體區域，即「可信執行環境」（TEE）之內運行 AI 模型，讓提示詞、文件與答案在處理過程中仍然保持加密。雲端供應商、模型廠商及其員工都無法讀取，而企業可以透過密碼學方式自行驗證。
結果是信任對象的轉移：你不再只是相信供應商的政策，而是相信晶片的硬件隔離，以及一份證明「正在運行哪個軟件」的簽署報告。
為什麼機密推理在 2026 年成為董事會議題？
因為前沿模型已開始處理原始碼、法律文件與未公開研究，企業買家不再滿足於合約承諾，而是要求技術證明。OpenAI 於 2026 年 9 月 29 日公布 Private Intelligence，令這個議題正式進入每一家評估 AI 供應商的企業的採購清單。
根據 VentureBeat 對 DevDay 的報道，Private Intelligence 分為兩部分：已推出的「零數據保留加私密安全處理」，以及預計今年秋季推出預覽的 Private Inference，結合機密運算與可驗證的控制機制。
分析機構亦持相同看法。Gartner 2026 年十大策略科技趨勢將機密運算列為核心架構趨勢，並預測到 2029 年，超過 75% 在不受信任基礎設施上處理的運算，將以機密運算保護使用中的數據。
機密 AI 推理實際上如何運作？
機密推理的運作可分三步：模型在 CPU 及 GPU 中一個隔離且加密的區域內運行；硬件產生一份已簽署的「遠端證明」報告，列明實際載入的軟件；企業系統核實報告後才釋出加密金鑰。因此，數據永遠不會在未經驗證的環境中解密。
以商業語言理解四個關鍵元件--- 可信執行環境：作業系統、虛擬化層以至雲端管理員都無法讀取的硬件封存區。Intel 與 AMD 的伺服器處理器均提供此功能，NVIDIA 自 H100 世代起的數據中心 GPU 亦加入機密運算模式。
--- 遠端證明：晶片為正在運行的模型、執行環境及設定簽署一份報告，你的系統先驗證簽署，才傳送任何數據。
--- 金鑰釋放：只有通過驗證的環境才能取得解密金鑰；軟件一旦被改動，金鑰便不會釋出。
機密推理與「零數據保留」及「不作訓練」條款有何分別？
「零數據保留」與「不作訓練」是合約承諾，規範供應商在處理後如何對待你的數據；機密推理則是架構層面的控制，決定處理期間誰能讀取數據。前者依賴信任與審計權，後者依賴硬件隔離與密碼學驗證，兩者性質截然不同。
OpenAI 的設計正好說明其中細節。在私密安全處理機制下，被安全分類器標記的內容會加密後寫入客戶自行控制的儲存空間，並設有 30 天有效期，供硬件認證環境內的自動化安全審查使用。
機密推理對香港企業意味著什麼？
對香港企業而言，機密推理的影響有三：它加強了在私隱條例框架下使用境外雲端 AI 的理據；它為受規管行業提供更有力的數據處理答案；它亦迫使企業重新思考「私有部署還是雲端」的取捨。然而，本地可用性仍是最大限制。
首先是可用性。OpenAI 自 2024 年 7 月起未有直接服務香港用戶，至今未變。因此，香港企業接觸機密推理的途徑，主要是大型雲端平台以及私有部署，而非直接向 OpenAI 採購。
其次是監管。《個人資料（私隱）條例》並無規定伺服器位置，但私隱專員公署 2024 年發布的《人工智能：個人資料保障模範框架》要求機構在 AI 生命週期內評估風險並保障個人資料。最新要求可參閱我們對私隱專員公署代理式 AI 指引的分析。
哪些企業 AI 工作真正需要機密推理？
並非所有 AI 工作都需要機密推理。建議採用四級敏感度測試：公開內容無需額外措施；內部營運資料採用標準企業條款；個人或客戶機密資料需加上嚴謹合約及數據駐留控制；商業機密、受規管記錄或法律特權資料，才值得採用機密推理或私有部署。
四級工作分類框架--- 第一級，公開：市場推廣草稿、公開資料摘要。
--- 第二級，內部：標準作業程序、會議紀錄、內部問答。
--- 第三級，個人或客戶機密：客戶記錄、人事檔案、客戶往來文件，需加上存取日誌及私隱影響評估。
--- 第四級，核心資產：併購文件、未公布財務數據、原始碼、法律意見、醫療記錄，應要求具遠端證明的機密推理，或由你掌控的私有部署。
企業評估私密 AI 推理時最常犯哪些錯誤？
最常見的錯誤包括：把「不作訓練」條款視為私隱保證；忽略元數據與日誌；假設私有部署必然更安全；為所有工作套用最高級保護；以及把供應商的路線圖承諾當成已推出的功能。每一項都會在沒有實質保護的情況下增加成本或風險。
--- 混淆訓練與存取：供應商可以承諾不訓練，但員工或系統仍可能讀取數據。
--- 以為私有即安全：修補不足的自建伺服器，可能比運作良好且經認證的雲端服務更危險。私有部署轉移的是責任，而非消除風險。
--- 購買預覽版：Private Inference 目前仍屬預覽。應先以今天已正式推出的方案建立架構，待功能正式推出並附有可驗證文件後再納入。
未來 90 日，企業領袖應如何部署？
未來 90 日，建議先把 AI 用例按四級敏感度分類，把五個機密運算問題加入所有 AI 招標文件，檢視記錄保留政策是否涵蓋客戶端儲存，並挑選一項第四級工作作為認證或私有部署的試點。如此一來，當供應商方案成熟時，你已準備就緒。
對香港企業而言，部分前沿模型仍未能直接使用，私隱監管亦日趨嚴格，提早建立分類與採購框架的領袖，將在技術普及時佔得先機。
科技應該讓團隊更安心，而非更焦慮。懂AI的冷，更懂你的難。UD 同行28年，讓科技成為有溫度的陪伴。
本文由 UD 企業 AI 團隊審閱。UD 28 年來為香港企業提供雲端、資訊保安及 AI 基礎設施服務。盤點你的敏感 AI 工作
了解了框架，下一步是找出你的組織中哪些 AI 工作需要私有或經認證的處理環境。UD 團隊手把手帶你完成每一步，從工作分類、數據駐留規劃，到在你掌控的基礎設施上完成私有部署，28 年企業服務經驗，全程陪你走。
