证明一个 AI 代理确实在其声称使用的硬件上完成了其声称执行的操作，已经成为企业计算中最棘手的问题之一。Linux 基金会正在介入解决这一问题，并宣布将负责管理 TRACE，这是一项用于AI 运行时证明（attestation）的开放规范，可将硬件级证明转换为可验证的 AI 工作负载“收据”。这一举措表明，对 AI 系统的信任正在从营销承诺转向可以通过密码学实际验证的东西。
Summary
要点速览
- Linux 基金会现已负责管理 TRACE，这是一项用于 AI 运行时证明的开放标准，可生成由硬件支撑、可通过密码学验证的 AI 工作负载执行证明。
- TRACE 代表 Trust（信任）、Runtime Attestation（运行时证明）和 Compliance Evidence（合规证据），最初由 OPAQUE 联合 AMD、Intel、Microsoft 和技术创新研究院（Technology Innovation Institute）构建。
- 该标准依赖于来自 AMD SEV 和 Intel TDX 的芯片级硬件证明，以生成该项目称之为“信任记录”（Trust Records）的内容。
- 在 2026 年 6 月 23 日发布后的大约十周内，TRACE 的参考实现已在 PyPI 上被下载约 135,000 次。
- 后续的技术开发工作将由安全 AI 联盟（Coalition for Secure AI，CoSAI）继续推进，Linux 基金会 CEO Jim Zemlin 强调了中立监督的必要性。
Linux 基金会接管 AI 运行时证明标准 TRACE 的治理
随着 AI 代理承担越来越多自主且敏感的任务，一个越来越难以回避的问题摆在组织面前：你如何知道某个工作负载确实按预期方式运行？TRACE 为组织提供了一种标准化方式来回答这个问题。该缩写代表 Trust（信任）、Runtime Attestation（运行时证明）和 Compliance Evidence（合规证据），该规范会生成由硬件证明并可通过密码学验证的 AI 代理和机密工作负载执行记录。它的工作方式类似于每一次 AI 操作的防篡改收据，第三方可以在不必单纯相信运营方口头说法的情况下进行核查。
这一规范并不是在 Linux 基金会内部从零开始构建的。它最初由机密计算公司 OPAQUE 开发，并与 AMD、Intel、Microsoft 以及技术创新研究院（Technology Innovation Institute）合作完成。该联盟将实现大规模证明所需的各个部分整合在一起：AMD 和 Intel 提供硬件信任根，Microsoft 贡献其 Azure 机密计算栈，而位于阿联酋的 TII 则提供了进一步的技术输入。将治理权交给 Linux 基金会，旨在保持该标准的中立性，而不是将其绑定到任何单一厂商的产品路线图上。
TRACE 如何通过硬件证明来验证 AI 工作负载
TRACE 的核心功能是生成记录，以证明某个 AI 工作负载确实按承诺方式运行，而它通过将验证锚定在芯片层面，而非仅依赖软件声明来实现这一点。该规范并未发明一整套全新的信任框架，而是集成了一系列已经建立的标准，包括 RATS、EAT、SLSA、SCITT、SPIFFE 和 EAR，以确保在不同云平台和安全计算环境之间的互操作性。这种互操作性至关重要，因为大多数大型组织会在多个服务提供商之间运行工作负载，而一个只能在单一平台上工作的标准将违背其初衷。
信任记录与密码学验证
所有这些工作的输出就是该项目所谓的“信任记录”（Trust Records）。这些文档会记录某次 AI 操作期间的运行细节，例如运行环境、启动的软件、数据分类以及适用的监管规则。上述每一项细节都通过芯片级证明机制加以保护，这意味着证明是扎根于硬件，而不是建立在运营方的口头保证之上。在实践中，TRACE 利用诸如 AMD SEV 和 Intel TDX 等硬件证明技术，为这些现有的机密计算能力提供了一种专门面向 AI 工作负载的标准化语言。
早期采用情况与 CoSAI 领导下的未来之路
采用数据表明，开发者并未等待太久就开始测试 TRACE。该规范于 2026 年 6 月 23 日在机密计算峰会上首次公开亮相，在随后的大约十周内，其参考实现已在 Python 包仓库 PyPI 上被下载约 135,000 次。这种在正式治理机制尚未最终敲定前就出现的早期采用势头，表明业界对一种标准化方式来验证 AI 运行时行为存在真实需求，而非只是理论层面的练习。
中立治理成为焦点
Linux 基金会 CEO Jim Zemlin 强调了中立治理对于产出可被各行各业组织真正依赖的 AI 信任记录的重要性。未来，TRACE 的持续技术开发将由被称为 CoSAI 的安全 AI 联盟（Coalition for Secure AI）负责，该联盟将引导该规范的演进，而不是将其留在任何一家创始公司的手中。这一点对推广采用至关重要：那些被锁定在单一厂商利益之下的标准往往难以获得广泛的行业认可，而由基金会治理的规范（如其他 Linux 基金会项目）则有成为竞争对手之间共享基础设施的成功先例。
TRACE 旨在解决的信任难题
当组织在自己并未完全掌控的基础设施上部署越来越多的自主 AI 代理来处理敏感工作负载时，一个根本性的信任鸿沟就会出现。一家受监管的银行需要确认其 AI 模型是在某家特定云服务提供商的受保护飞地中运行的。一家医疗公司必须向审计人员证明，患者数据是按照既定策略进行处理的。任何在他人硬件上运行工作负载的组织，最终都必须在不单纯依赖审计方“相信我们”的前提下证明其合规性。
TRACE 颠覆了这种模式。由于证明源自硬件本身，而不是运营方自己的日志，生成的信任记录可以由任何获得相关规范访问权限的第三方进行验证。这一点与大多数现有合规文档的关键区别在于：密码学验证可以确认工作负载的运行方式，而无需验证方查看其实际处理的数据，这在隐私与可审计性常常相互冲突的受监管行业尤为重要。
TRACE 能否成为云服务提供商之间 AI 运行时证明的默认语言，很大程度上将取决于创始联盟之外的主要平台支持它的速度。随着 CoSAI 现已负责技术路线图，而 Linux 基金会掌握治理权，该标准已经跨过了第一道门槛，但真正的考验在于能否实现广泛的跨行业采用。
常见问题
什么是 TRACE？它为何重要？
TRACE 是一项开放的 AI 运行时证明标准，可生成通过密码学验证的记录，以证明 AI 工作负载按承诺方式运行，其证明根植于硬件证明，而非仅仅依赖软件声明。
谁来治理 TRACE 标准？
TRACE 由 Linux 基金会治理，提供中立监督，旨在支持在整个行业内创建可验证的 AI 信任记录。
TRACE 中的硬件证明由哪些技术支撑？
TRACE 利用 AMD SEV 和 Intel TDX 硬件证明技术来保护其生成的信任记录。
TRACE 如何提升对 AI 工作负载执行的信任？
TRACE 生成由芯片级证明保护的信任记录，使第三方能够通过密码学方式验证 AI 工作负载的执行方式，而无需信任运营方的口头说法或暴露底层数据。
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”什么是 TRACE？它为何重要？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”TRACE 是一项开放的 AI 运行时证明标准，可生成通过密码学验证的记录，以证明 AI 工作负载按承诺方式运行，其证明根植于硬件证明，而非仅仅依赖软件声明。”}},{“@type”:”Question”,”name”:”谁来治理 TRACE 标准？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”TRACE 由 Linux 基金会治理，提供中立监督，旨在支持在整个行业内创建可验证的 AI 信任记录。”}},{“@type”:”Question”,”name”:”TRACE 中的硬件证明由哪些技术支撑？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”TRACE 利用 AMD SEV 和 Intel TDX 硬件证明技术来保护其生成的信任记录。”}},{“@type”:”Question”,”name”:”TRACE 如何提升对 AI 工作负载执行的信任？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”TRACE 生成由芯片级证明保护的信任记录，使第三方能够通过密码学方式验证 AI 工作负载的执行方式，而无需信任运营方的口头说法或暴露底层数据。”}}]}
本文由人工智能协助生成，并由编辑团队进行审阅。
