読み込み中
同じ「安全」でも、守っている対象と、信頼を置いている相手が違います。ここでは各技術が「誰から」「何を」守るのかという観点で整理します。
どの方式にも前提と限界があります。本サイトでは「完全に安全」「絶対に漏れない」といった表現は使いません。
Confidential Computing
AWS・Azure・Google の公式資料を当たりました。機密コンピューティングの基盤は揃う一方、マネージドなLLM推論をTEEで動かす機能は限られています
Confidential Computing
TEE対応を掲げるAPI窓口4社のカタログを実測しました。保護されるのはカタログの一部だけで、エンクレーブを動かしているのは多くの場合その窓口ではありません
Confidential Computing
同じモデルをTEEで動かしたときの単価を、公開APIから窓口横断で実測しました。gpt-oss-120bは最安と最高で入力単価が13.3倍違います
プライベートAI
ローカル・TEE・証明つき非TEE・規約のみ。上ほど自分で確かめられ、下ほど相手を信じることになります。段ごとの代償と選び方を実測にもとづいて整理しました
プライベートAI
OpenCodeからTEE付きAPI・無検閲モデル・ローカルLLMを呼ぶための設定手順。opencode.jsonの書き方、鍵の扱い、モデルごとにツールを切る方法まで実例で示します。
Confidential Computing
TEE対応のPhala推論APIをOpenCodeにつなぎ、コーディングエージェントを約7時間動かしました。653ターン・740回のツール呼び出しと実効コストの内訳を公開します。
プライベートAI
入力内容が保存されるのか、学習に使われるのか。プライベートAIと一般的なチャットAIの違いを、守り方の種類（ローカル処理・TEE・ZDR）から整理します。
Confidential Computing
PhalaのTEEを使ったAI実行の考え方、リモートアテステーションによる検証、利用時に確認すべき点を整理します。
プライベートAI
Venice AIの提供形態、オープンウェイトモデルを使う設計、プライバシーの考え方と、編集部で確認できている範囲を整理します。
暗号化したまま計算できる技術ですが、LLM推論に必要な計算量に対しては、現時点で実用的な性能を出すのが難しい領域です。本サイトでは実運用の選択肢としては扱わず、動向として紹介するにとどめています。