可信執行環境 (Trusted Execution Environment, TEE)

1 3 秒看懂

一句話概念：一種基於硬體的安全隔離技術，在計算裝置的 CPU 等晶片上建立一個“安全飛地”，確保內部執行的程式碼和資料在載入、執行過程中對作業系統、虛擬機器管理程式甚至物理攻擊者都不可見、不可篡改。 核心關鍵詞：硬體安全、機密計算、隱私保護、鏈式應用、遠端證明。

2 3 分鐘產業解釋

產業鏈定位：作為隱私計算與資料安全基礎設施的核心技術棧之一，屬於 AI、大數據與雲端運算產業鏈中保障資料要素安全流通與模型可信執行的關鍵層。 技術原理簡述：利用 CPU 內建的安全指令集（如 Intel SGX、AMD SEV、ARM TrustZone），在記憶體中開闢一塊加密隔離的受保護區域。即便主機系統被完全攻破，TEE 內的資料與程式碼仍能保持機密性與完整性。其關鍵能力包括遠端證明，允許外部方驗證飛地內執行程式碼的真實性，從而在不可信平台上建立信任。 產業鏈結構：

• 上游：晶片與硬體廠商（提供 TEE 硬體基礎，如 Intel、AMD、ARM、海光、飛騰）。
• 中游：TEE 軟體棧、平台與解決方案提供商（公有雲端廠商、專業隱私計算公司）。
• 下游：金融、政務、醫療、AI 模型服務、數字資產管理等需要處理高敏感資料的行業應用。 核心應用場景：

1. 隱私保護機器學習：多方資料在 TEE 內聯合訓練，原始資料不出域。
2. 敏感資料查詢/分析：對加密資料（如隱私資料庫）進行安全查詢和計算。
3. 數字資產與金鑰管理：安全儲存私鑰、進行數字簽名，支撐鏈上資產安全。
4. 可信 AI 推論：保護模型智慧財產權，確保輸入資料隱私與推論合規。 關鍵資料：

• 據 IDC《中國資料安全市場研究（2023）》，2023 年中國資料安全市場規模達 98.1 億元人民幣，年增率增長 27%，機密計算（含 TEE）是該市場增速最快的子領域之一（具體 TEE 細分份額公開資料未見統一口徑）。
• 主流公有雲端廠商（AWS、Azure、Google Cloud、阿里雲端、騰訊雲端、華為雲端）均已提供基於 TEE 的機密計算例項，截至 2024 年底，全球已有超過 40 個區域可部署機密虛擬機器或容器。

3 技術原理

TEE 的本質是在不可信的計算環境中建置一個可信的微環境，其信任根完全來自硬體。不同於單純依靠作業系統或 Hypervisor 的軟體隔離，硬體級隔離可抵禦高權限攻擊，實現縱深防禦。

3.1 硬體隔離機制

• Intel SGX：提供“飛地”抽象，應用被劃分為可信與不可信兩部分，只有可信程式碼執行在隔離的飛地內。SGX 的記憶體加密引擎（MEE）對所有飛地記憶體進行即時加密與完整性校驗，即使 BIOS、韌體、OS 或虛擬機器管理器被控，也無法直接讀取飛地內的明文資料。SGX 要求開發者改造應用，受限於飛地記憶體大小（早期 128–256 MB，第三代 Xeon 可擴充套件至 512 GB）。
• AMD SEV/SEV-ES/SEV-SNP：面向虛擬機器隔離。SEV 為每個虛擬機器分配唯一的加密金鑰，實現記憶體和 CPU 暫存器態的加密；SEV-ES 將虛擬機器暫存器狀態也進行加密，進一步增強防護；SEV-SNP 引入完整性保護，增加反注入、反重放攻擊能力，並支援反向頁表驗證，防止 Hypervisor 非法對映。整個虛擬機器成為一個不可被主機管理員讀取的加密例項，無需修改應用。
• ARM TrustZone：將硬體資源劃分為“安全世界”與“普通世界”，通過匯流排級隔離，建置系統級可信域，廣泛應用於移動裝置和嵌入式系統。ARM 近年來推出的 Confidential Compute Architecture (CCA) 進一步將機密計算擴充套件到伺服器，支援 Realm 概念，形成類似虛擬機器隔離的信任域。
• NVIDIA Confidential Computing：自 Hopper 架構（H100）起，GPU 引入機密計算能力，支援 GPU 記憶體加密和隔離，可保護模型引數和推論資料，在 AI 訓練和推論場景中保護智慧財產權與使用者隱私。

3.2 可信執行過程

• 安全啟動與度量：在 TEE 啟動程式碼前，對載入的程式碼、資料和配置進行雜湊度量，與硬體中預置的授權值（如簽名證書）比對，只有通過完整性驗證的軟體方可執行，防止惡意程式碼注入。
• 記憶體加密與隔離：所有飛地或加密虛擬機器的記憶體頁面在離開 CPU 快取前均被硬體加密，金鑰僅在 CPU 內部可用，即便物理攻擊者使用 DMA 或冷啟動攻擊，也只能獲取密文。
• 遠端證明：TEE 生態的核心協議。TEE 環境可生成一個經硬體根金鑰簽名的證明報告，包含環境狀態、軟體度量值、平台配置等。資料所有者或依賴方通過驗證該報告，確認程式碼未被篡改、執行環境正確後，再向 TEE 注入金鑰或資料。
• 密封與金鑰託管：TEE 提供密封功能，可將資料加密繫結到特定平台或特定飛地，防止資料被遷移到其他環境濫用。

3.3 “鏈式應用”的技術內涵

指多個 TEE 例項或模組可以鏈式呼叫、協同計算。在聯邦學習中，多個參與方的 TEE 節點安全協商金鑰並聚合梯度，確保中間結果機密；在複雜資料流水線中，資料依次流經由不同機構管理的 TEE 保護的處理模組，實現端到端的可信處理鏈，形成可審計、可驗證的資料加工鏈路。

4 關鍵引數

評估和選型 TEE 方案時，通常關注以下核心指標（資料截至 2025 年中，以主流產品公開文件為依據）：

• 安全飛地/虛擬機器記憶體上限：Intel SGX（第 4 代 Xeon）單飛地最大 EPC 記憶體 512 GB（部分例項可突破至 1 TB），AMD SEV-SNP 虛擬機器記憶體上限受平台物理記憶體約束，通常可達 TB 級別，無嚴格飛地尺寸約束。
• 效能開銷：根據雲端廠商與學術基準，SGX 的加解密與 EPC 換頁通常帶來 5–20% 的效能損失（CPU 密集任務更高）；AMD SEV 記憶體加密引入的開銷通常在 3–10%；GPU 機密計算的記憶體加密開銷約為 2–8%。具體取決於工作負載特徵（I/O 密集或記憶體訪問密集型）。
• 支援併發飛地 / 加密 VM 數量：SGX 受 EPC 總量和硬體排程限制，早期併發飛地數百個，新一代可到數千；SEV-SNP 受物理記憶體和 IOMMU 限制，典型伺服器可同時執行數十個加密 VM。
• 遠端證明協議：Intel DCAP (Data Center Attestation Primitives)、AMD SEV-SNP Attestation Report、NVIDIA GPU Attestation。需評估證明服務鏈是否支援第三方驗證、與政策合規的對接能力。
• 生態與工具鏈：是否提供主流語言（C/C++、Python、Java）的 SDK，是否適配 Kubernetes、TensorFlow、PyTorch 等架構，是否支援無改造遷移（Lift-and-Shift）。
• 硬體依賴與供應鏈自主：Intel 和 AMD 方案依賴 x86 生態；ARM CCA 依賴 Armv9-A 架構；國產 CPU（海光、飛騰、鯤鵬）的原生 TEE 能力支援程度不一，部分依託 AMD 授權或自研 TEE 模組，公開資料顯示，國產方案的記憶體加密強度、遠端證明標準化與生態完整度仍存在差距。

5 技術路線

當前隱私計算領域存在多條技術路線，TEE 是其中實現通用計算效能損失最小的硬體方案，與聯邦學習（FL）、安全多方計算（MPC）、同態加密（HE）形成互補。

• TEE 優勢：支援通用計算，效能高，可運行復雜模型與資料庫，應用改造成本相對較低（尤其虛擬機器級方案），程式碼可審計。
• TEE 劣勢：信任根依賴硬體廠商；側通道攻擊面依然存在；不同廠商方案異構，難以跨平台統一遠端證明；成本高於普通計算例項。
• 與 FL、MPC、HE 的關係：
  • FL 側重模型引數交換，TEE 可作為安全聚合節點，防止伺服器窺探梯度。
  • MPC 基於密碼學協議，不依賴硬體信任根，但計算和通訊開銷巨大，適用於輕量統計類運算，TEE 可與其混合，將線上階段放在 TEE 內加速。
  • HE 支援直接對密文運算，但效能開銷可高達百倍甚至千倍，TEE 常用於在加密狀態下提取金鑰材料或實現部分解密邏輯。
• 混合方案趨勢：多數頭部平台提供“聯邦+TEE+MPC”融合方案，在安全效能與通用性間取得平衡。中國信通院測試顯示，在聯合建模場景下，TEE 單節點吞吐量可達純 MPC 方案的數十倍（以樣本對齊和梯度聚合為基準，2023 年隱私計算聯盟評測報告）。

6 上游

上游主要是晶片設計、IP 授權與安全硬體生產，決定 TEE 能力的根基。

• Intel：SGX 作為最早的資料中心機密計算方案，已迭代至第四代 Xeon，具備豐富 SDK 和證明服務，但其客戶端 CPU 已停止支援 SGX，重心轉向伺服器。2024 年 Intel TDX (Trust Domain Extensions) 技術進一步推動虛擬機器級隔離，SGX 仍在部分業務延續。
• AMD：SEV 家族經 SEV/ES/SNP 三代演進，2024 年推出 SEV-SNP 增強版，支援更精細的金鑰衍生和證明鏈。AMD EPYC 在公有雲端中的採用份額持續擴大，機密計算例項快速增加。
• ARM：TrustZone 廣泛用於移動裝置，CCA 於 2024 年進入伺服器與邊緣場景，聯合Arm科技與中國生態推動符合中國法規的 TrustZone 應用。Realm 管理架構有助於虛擬化環境下的機密計算。
• NVIDIA：在 AI 訓練與推論 GPU 中引入機密計算，自 Hopper 架構起支援記憶體加密與遠端證明，2024 年釋出的 Blackwell 進一步強化此能力，保護大型模型權重與推論輸入隱私。
• 中國廠商：
  • 海光資訊：基於 AMD Zen 1 架構授權，開發 x86 平台 TEE，並推出 海光安全虛擬化 (CSV) 技術，相容 AMD SEV 部分特性。2024 年海光 CPU 出貨量進入快速增長期，但仍受制程和架構代際限制。
  • 鯤鵬/昇騰：華為基於鯤鵬 CPU 和昇騰 NPU 建置可信執行環境，採用自研 TrustZone 增強或機密計算擴充套件，並在華為雲端上提供 KAE 加密加速與服務。
  • 飛騰、龍芯：飛騰依託 ARM 架構部分內建 TrustZone，龍芯自研 LS TEE，目前生態適配及應用案例較少，公開資料顯示，其 TEE 記憶體加密方案尚在迭代，多用於政務單機場景。
• IP 與安全晶片：紫光國微等提供獨立安全晶片，可用於外掛 TEE 方案，在汽車電子、物聯網等終端側補充安全能力。

上游競爭格局呈現 Intel、AMD、ARM 三足鼎立，國產 CPU 在機密計算能力上正處於技術追趕階段，供應鏈自主可控仍然是上游的關鍵制約因素。

7 下游

TEE 的下游應用廣泛，核心驅動力來自資料合規與價值釋放的雙重要求。

• 金融科技：跨機構反洗錢、聯合風控、信用評估、隱私計算聯合建模。國內多家大型銀行及金融科技公司在監管沙箱內試點基於 TEE 的資料共享，2023–2024 年落地案例顯著增加。例如，某股份制銀行採用 TEE 實現多方聯合精準營銷，模型 AUC 提升且無明文資料出域。
• 政務與公共資料：跨部門政務資料安全共享、公共資料授權運營。部分省市資料局已將 TEE 納入“公共資料運營平台”技術規範，用於實現“資料可用不可見”。2024 年廣東、浙江等地釋出的資料條例或實施細則中均提及“可信執行環境”或“機密計算”技術手段。
• 醫療健康：跨醫院電子病歷聯合分析、基因研究、醫保資料探勘。醫院聯盟或區域衛生資訊平台中，TEE 可確保患者隱私（符合 HIPAA、《個人資訊保護法》等），2023 年已有基於 TEE 的基因聯合分析研究成果發表。
• AI 大型模型與推論：保護訓練資料隱私、模型智慧財產權和使用者輸入輸出。雲端廠商推出“機密推論”服務，確保大型模型服務方無法獲取使用者明文查詢，企業內部也用於保護自研模型權重。2024 年多家 MaaS 平台整合 TEE 推論選項，成為向企業客戶拓展的合規賣點。
• 數字資產與區塊鏈：在鏈上應用中，TEE 可作為可信預言機、安全簽名環境或私鑰管理基礎設施，避免私鑰暴露在通用作業系統中。一些跨鏈橋或 Layer2 方案採用 TEE 承載序列器或驗證節點，聲稱可提高安全性和效能。

從部署形態看，下游使用者正從單點試點走向規模化整合，普遍要求“原生支援”且與資料治理平台無縫對接。但受硬體成本與改造成本影響，當前仍以大型機構與高價值場景為主。

8 受益公司

根據產業鏈環節，受益公司分為以下幾類。下文僅基於公開資訊客觀梳理，不作任何投資價值判斷。

晶片與硬體層：

• Intel、AMD、NVIDIA 直接受益於機密計算例項的雲端擴張，提供具備高階 TEE 能力的伺服器 CPU 和 GPU。
• 海光資訊（688041.SH）：國產 x86 CPU 廠商，其 CSV 技術為國內金融、政務 TEE 部署提供硬體基礎。受益於信創與資料安全政策。
• 華為海思（鯤鵬/昇騰）：通過華為雲端及政企市場交付。
• Arm科技（ARM 中國）、飛騰、龍芯等正在積極拓展 TEE 生態。

公有雲端與平台層：

• 微軟 Azure、亞馬遜 AWS、Google GCP：作為全球機密計算的早期推動者，持續迭代機密計算產品，繫結大量企業使用者。
• 阿里雲端、騰訊雲端、華為雲端：國內雲端廠商機密計算例項的先發者，將 TEE 與各自資料中臺、AI 平台結合，形成一體化方案。
• UCloud、金山雲端等第二梯隊也相繼推出機密計算主機。

專業隱私計算與安全廠商：

• 螞蟻集團（隱語）：開源隱私計算架構中整合 TEE 能力，並與螞蟻鏈深度結合，在金融、政務場景中標多個專案。
• 百度（MesaTEE）：自研 TEE 架構，應用於醫療、金融領域，併為自動駕駛等業務提供資料安全。
• 浪潮資訊、神州數碼等伺服器與整合商提供 TEE 軟硬一體方案。
• 矩陣元、華控清交、星雲端 Clustar 等初創企業聚焦 TEE+聯邦+MPC 融合平台，服務頭部銀行和運營商，部分已完成多輪融資。

下游行業應用與服務：

• 恒生電子、長亮科技等金融 IT 服務商在其資料平台中嵌入 TEE 能力，滿足客戶合規需求。
• 衛寧健康、創業慧康等醫療資訊化企業在區域衛生平台中試點 TEE 加密查詢。
• 各類提供資料交易的平台（如上海資料交易所、貴陽大數據交易所）正在將 TEE 納入其交付技術選項，可能利好平台運營方。

注：上述公司名稱僅用於說明產業角色，不構成任何形式推薦。

9 市場規模

TEE 作為機密計算的重要實現形式，其市場規模嵌入在更廣泛的機密計算與資料安全市場中。因口徑定義差異，不同研究機構資料互有出入，以下彙總可交叉驗證的資料。

• 全球機密計算市場：據 Grand View Research，2023 年全球機密計算市場規模約 31 億美元，預計 2024–2030 年複合年增長率約為 58.5%，至 2030 年有望超 400 億美元。該統計包括 TEE、相關軟體和服務。(來源：Grand View Research, “Confidential Computing Market Size, Share & Trends Analysis Report”, 2024 年釋出)
• Gartner 預測：Gartner 在 2023 年報告中估計，到 2025 年將有超過 60% 的大型企業採用增強的隱私計算技術（涵蓋 TEE、MPC、HE），但未單獨拆分 TEE 規模。
• 中國資料安全與隱私計算市場：IDC《中國資料安全市場研究（2023）》顯示，2023 年中國資料安全市場規模 98.1 億元人民幣，年增率增長 27%。其中隱私計算子市場（包含 TEE、聯邦學習、MPC 等）約 18–20 億元，預計到 2027 年將接近 120 億元（資料來源：IDC, 2024）。另據艾瑞諮詢，2023 年中國隱私計算平台市場規模約 22.6 億元，TEE 在其中佔比估計約 15–20%（TEE 部分具體份額公開資料未見統一精確統計）。
• 雲端機密計算例項滲透率：根據各大雲端廠商揭露的例項數量與需求增長，截至 2025 年中，機密計算例項佔計算例項總數的比例仍低於 5%，但增長迅速，金融和醫療行業採納率最高。
• 中國市場特點：受《資料安全法》、“資料二十條”等政策推動，政務與金融領域的 TEE 部署預算逐年上升，2024 年多地公共資料授權運營招標中明確要求“具備可信執行環境能力”。市場規模口徑較為分散，硬體、軟體和服務加總後，謹慎估算 2024 年中國 TEE 相關市場（含硬體售賣的機密計算溢價、軟體平台、服務）約 30–40 億元人民幣，年增速超過 40%（綜合第三方訪談與公開招標資訊）。

10 玩家對比

10.1 硬體 TEE 能力對比

特性	Intel SGX / TDX	AMD SEV-SNP	ARM CCA	NVIDIA CC (H100)	海光 CSV
隔離粒度	程序級飛地／虛擬機器 (TDX)	虛擬機器	虛擬機器（Realm）	GPU 程序/虛擬機器	虛擬機器
記憶體加密	MEE 加密 + 完整性	每 VM 加密，SNP 增強完整性	每 Realm 硬體加密	GPU 記憶體加密 + 完整性	每 VM 加密，部分完整性
效能開銷典型值	5–20%（取決於換頁）	3–10%	預計 < 10%	2–8%	近似 AMD SEV 初代水平
遠端證明協議	DCAP	SEV-SNP Attest	CCA Attest	GPU Attestation	相容 SEV Attest，自研增強
開發難度	高（需程式碼劃分）	低（Lift-and-Shift）	低（虛擬化原生）	中（基於 CUDA）	中（依賴適配）
生態成熟度	高（已多年）	高（雲端廣泛部署）	中（正在推出）	中（AI 專用）	較低（國產生態初期）

10.2 主流雲端服務商機密計算產品對比

雲端廠商	產品名稱	支援硬體	例項型別	典型應用	特色
AWS	Nitro Enclaves	基於 EC2 自有 Nitro 安全晶片，部分例項支援 AMD SEV-SNP	EC2 例項	加密資料查詢、金鑰管理	無額外費用，支援定製 Enclave 映象
Azure	Confidential Computing VMs	AMD SEV-SNP, Intel SGX, 專用 enclave 例項	DC 系列	金融、醫療機密工作負載	深度整合 Azure 證明服務與 KMS
GCP	Confidential VMs	AMD SEV-SNP, Intel TDX (預覽)	通用 N2D 等	合規性工作負載	簡單啟用，無需重構應用
阿里雲端	神龍加密計算 / 機密計算	Intel SGX, AMD SEV	異構計算例項	AI 訓練、政務資料共享	繫結神龍架構，提供加密加速
騰訊雲端	可信計算環境 / 機密計算	Intel SGX, AMD SEV-SNP	黑石專有雲端及公有雲端	金融級聯合風控	提供 TEE 聯盟網路與區塊鏈整合
華為雲端	可信智慧計算 / 機密計算	鯤鵬 (TrustZone增強)、昇騰	鯤鵬/昇騰例項	政務大數據、AI 推論	全棧自研，滿足信創要求

10.3 專業平台對比

• 螞蟻隱語：開源、融合 TEE+MPC+FL，與螞蟻鏈結合，提供鏈上鍊下可信計算，生態豐富，適用於金融和政務。
• 百度 MesaTEE/SafetyNet：自研 Rust 實現的 TEE 方案，強調記憶體安全，支援跨平台 SGX/SEV，側重醫療與自動駕駛。
• 華為雲端運算：結合自研硬體和雲端服務，提供機密計算容器，支援信創環境。
• 初創企業：矩陣元聚焦金融隱私計算平台，華控清交側重多方安全計算與 TEE 結合的解決方案，星雲端 Clustar 推出 GPU-TEE 加速方案。

綜合來看，公有雲端廠商通過硬體兜底和易用性佔領最大份額；專業廠商靠深度融合行業 know-how 和合規方案差異化競爭。

11 風險

11.1 技術安全風險

• 側通道攻擊：儘管 TEE 記憶體加密，但攻擊者仍可通過觀察功耗、執行時間、電磁輻射等側通道推測內部資料。2022 年 Hertzbleed 利用動態頻率調整側通道影響金鑰提取；針對 SGX 的 SGAxe（2020）、Foreshadow（2018）等系列攻擊證實了側通道威脅持續存在。AMD SEV 也曾被研究者揭露 SEVerity 攻擊等。這些攻擊通常需要本地訪問或複雜的複用條件，但凸顯了硬體邊界的侷限。
• 信任根依賴：整個 TEE 安全依賴於晶片廠商未引入後門、未洩露根金鑰。若晶片存在設計缺陷或被植入惡意電路，所有上層保護將失效。這在地緣政治緊張背景下引發嚴重的供應鏈安全與主權安全討論。
• 實現漏洞：TEE 的驅動、SDK 和中介軟體是攻擊面。2023 年有研究指出某些雲端廠商的 TEE SDK 存在介面漏洞導致秘密洩露，潛在影響數百個租戶。

11.2 生態與市場風險

• 碎片化：Intel SGX、AMD SEV、ARM CCA、NVIDIA CC 互不相容，開發者和使用者需為不同平台維護多套程式碼或映象，增加遷移與運維成本。雖然 Confidential Computing Consortium 推動標準化，但進展緩慢。
• 可替代性競爭：TEE 並非唯一路徑，聯邦學習、MPC 和同態加密在某些場景提供純軟體、無硬體依賴的替代方案。對於不希望繫結特定晶片供應商的使用者，純軟體方案更具吸引力；此外，部分監管可能偏好密碼學方案，認為其更符合“技術中立”。
• 成本與效能限制：TEE 例項比普通例項溢價約 10–30%（參考主流雲端廠商定價），且記憶體限制（尤其是 SGX 飛地）可能導致某些應用難以直接遷移。效能開銷在高併發、大數據量場景下可能成為瓶頸。
• 人員技能稀缺：TEE 開發、證明邏輯整合與安全管理需要複合型人才，市場上掌握這些技能的人才溢價顯著，影響企業部署速度。

11.3 法律與合規不確定性

• 與匿名化/去標識化關係：使用 TEE 處理個人敏感資料是否滿足《個人資訊保護法》的“匿名化”要求（即處理後無法識別特定個人且未經第三方資訊無法復原），尚無明確司法解釋。實踐中往往將 TEE 視為一種去標識化下的安全計算環境，而非徹底匿名化，可能仍需獲得使用者同意等。
• 跨境資料流動：基於 TEE 的機密計算能否被視為我國《資料出境安全評估辦法》下有效的“合同約定”或“技術措施”，取決於監管對“技術措施”能否真正杜絕境外處理者接觸明文的判斷。目前主管機構尚未釋出明確認可 TEE 為“等效安全港”的指南。
• 舉證與責任歸屬：一旦發生資料洩露，TEE 使用者可能面臨難以舉證的困境，因為安全根在硬體廠商，事故溯源和責任界定複雜。

12 誤讀糾偏

圍繞 TEE 存在一些常見誤解，需要澄清：

• 誤區 1：TEE 提供“絕對安全” 事實：TEE 能防禦絕大多數軟體和物理攻擊，但並非無懈可擊。側通道、硬體木馬、供應鏈攻擊等仍是風險。因此 TEE 應被視為縱深防禦的一環，而不是取代其他安全措施。

• 誤區 2：任何應用都可以直接遷移進 TEE 事實：SGX 這種程序級 TEE 需要改造應用，限制可用指令和系統呼叫；AMD SEV 雖支援 Lift-and-Shift，但仍存在 I/O 加密、網路通訊等需要適配之處。此外飛地記憶體受限、效能影響也可能迫使重構應用。

• 誤區 3：TEE = 同態加密 事實：TEE 是基於硬體的加密隔離與計算，同態加密是基於密碼學的密文計算，二者原理、效能、安全假設截然不同。TEE 計算本身是在明文上執行，同態加密則是全程密文。

• 誤區 4：國產 CPU 的 TEE 方案與國外一樣成熟 事實：國產 CPU 的 TEE 在安全性證明、生態規模、記憶體加密強度、遠端證明標準化方面與 Intel/AMD 迭代多年的方案仍有差距，部分國產 TEE 當前更接近於安全啟動加可信核心，而非完整機密計算例項。

• 誤區 5：有了 TEE 就不需要聯邦學習或 MPC 事實：三者互補而非替代。例如在 TEE 內執行 MPC 協議的線上階段可大幅加速；聯邦學習可利用 TEE 保護全域性模型的引數解密。組合使用能實現更優的效能-安全權衡。

13 最新事件

截至 2025 年中，產業最新動態包括：

• NVIDIA Blackwell 機密計算：2024 年 GTC 上，NVIDIA 宣佈 Blackwell 架構 GPU 全面支援機密計算，擴充套件至多節點訓練和推論，並對接主要雲端廠商，保護大型模型時代的雙方隱私。
• Intel TDX 公開可用：2024 年第四代/第五代 Xeon 全面提供 Intel Trust Domain Extensions (TDX)，提供 VM 級隔離，簡化了傳統 SGX 飛地改造難度，在 Azure、GCP 等平台逐步可用。
• 中國政策加碼：2024 年 5 月，國家資料局等聯合釋出《資料要素×三年行動計劃（2024-2026 年）》，明確鼓勵“基於可信執行環境等技術實現資料安全共享”，多個省市政府在公共資料授權運營招標中將 TEE 列為準入條件。
• 機密計算標準化進展：中國信通院 2024 年更新《機密計算產品能力要求》，加入對國產硬體適配、鏈式證明的要求；國際標準組織 IETF 成立 RATS 工作組，持續推進遠端證明標準，TEE 互聯互通試驗已進入第二階段。
• 行業重磅部署：某頭部雲端廠商 2024 年推出“機密 AI 推論”服務，宣稱所有大型模型推論請求均在 TEE 內完成，推論明文僅存在於飛地內，成為合規大型模型落地的殺手鐧；螞蟻集團、微眾銀行等聯合推出的“跨境金融資料流通”試點採用了 TEE+區塊鏈方案，於 2024 年通過驗收。
• 安全研究警示：2024 年歐洲安全團隊揭露了一種針對 AMD SEV-SNP 的虛擬機器間側通道攻擊，雖需特定條件，但引發業界對 TEE 物理共置風險的新討論。

14 追蹤指標

持續追蹤 TEE 技術與產業進展，可關注以下指標：

• 硬體迭代：Intel、AMD 新處理器中 TEE 記憶體上限與效能改進；海光、飛騰等國產晶片的 TEE 功能更新與算力提升。
• 標準與互操作性：Confidential Computing Consortium 的架構進展；IETF RATS 工作組協議草案；中國信通院機密計算相關測評基準更新。
• 雲端服務產品動態：頭部雲端廠商機密計算例項的覆蓋區域、降價、新特性（如機密 Kubernetes、機密容器）；機密 AI 推論的產品化成熟度。
• 行業採納里程碑：金融行業“聯合風控”專案數量與規模；政務資料運營平台中 TEE 為必選項的招標占比；醫療領域跨機構 TEE 應用科研成果。
• 安全漏洞與攻擊：CVE 資料庫中與 TEE 相關的漏洞數量與嚴重性；主要硬體廠商的韌體補丁速度；主流學術會議（USENIX Security、CCS 等）中揭露的 TEE 攻擊與防禦論文數量。
• 政策與法規：國家資料局、網信辦關於資料安全技術措施的指南或認定；地方資料條例及實施細則中對“可信執行環境”的提法；跨境資料流動試點中是否認可 TEE 為合規安全措施。
• 人才與社群活躍度：GitHub 上主流 TEE 開源專案（如 Open Enclave SDK、Teaclave、Occlum、Gramine）的 Star 數、Commit 頻次、貢獻者數量；相關技術會議的參與度。
• 成本指標：雲端廠商機密計算例項與普通例項的溢價比例；TEE 伺服器硬體售價趨勢。

15 信源

1. Confidential Computing Consortium. About confidential computing. https://confidentialcomputing.io/about/
2. Intel Software Guard Extensions documentation. https://www.intel.com/content/www/us/en/developer/tools/software-guard-extensions/overview.html
3. AMD Secure Encrypted Virtualization. https://www.amd.com/en/developer/sev.html
4. ARM Confidential Compute Architecture. https://www.arm.com/architecture/security-features/arm-confidential-compute-architecture
5. NVIDIA Confidential Computing. https://www.nvidia.com/en-us/data-center/solutions/confidential-computing/
6. Microsoft Learn. Azure confidential computing overview. https://learn.microsoft.com/en-us/azure/confidential-computing/overview
7. Google Cloud. Confidential Computing. https://cloud.google.com/confidential-computing
8. AWS Nitro Enclaves. https://aws.amazon.com/ec2/nitro/nitro-enclaves/
9. 阿里雲端. 神龍加密計算與機密計算產品文件. https://help.aliyun.com
10. 華為雲端. 可信智慧計算服務. https://www.huaweicloud.com/product/ticas.html
11. 中國資訊通訊研究院. 《隱私計算產品測試與評價》《機密計算產品能力要求》系列報告. (2023-2024)
12. IDC. 《中國資料安全市場研究（2023）》.
13. Grand View Research. Confidential Computing Market Size, Share & Trends Analysis Report, 2024.
14. Gartner. Emerging Technologies: Adoption Trends in Privacy-Enhancing Computation, 2023.
15. 國家資料局等.《“資料要素×”三年行動計劃（2024—2026 年）》.
16. 中國人民銀行.《金融科技發展規劃（2022-2025 年）》中關於資料安全共享部分.
17. 安全研究文獻：Van Bulck et al. “Foreshadow”, USENIX Security 2018; SGAxe, 2020; Hertzbleed, 2022; SEVerity, 2023 等.
18. Confidential Computing Consortium. A Technical Analysis of Confidential Computing v1.3, 2023.
19. 開源專案：Open Enclave SDK (https://github.com/openenclave), Teaclave (https://github.com/apache/incubator-teaclave), Gramine (https://github.com/gramineproject/gramine).

---

免責宣告：以上內容僅為技術概念與產業資訊梳理，不構成任何投資、商業或法律建議。所有市場資料均來源於公開行業報告與機構揭露，統計口徑和時間可能與最新實際情況存在差異，請以官方釋出為準。文中提及的公司、產品或技術僅作示例，不代表任何形式推薦。