蘋果宣布隨著採用Google Gemini技術的Apple Foundation模型的新一代Apple Intelligence技術推出，蘋果將Private Cloud Compute(PCC)擴展到Google Cloud，不再完全使用蘋果自有資料中心，同時也由於Google Cloud與NVIDIA的合作，這些在Google Cloud執行的工作也同樣使用NVIDIA GPU技術，但強調保有PCC的安全、隱私。

強調與Google合作在Google Cloud與NVIDIA硬體實現原本在蘋果晶片的安全要求

蘋果PCC不再完全透過蘋果私有資料中心的關鍵，在於蘋果需要能在全球範圍內營運的全面、端到端的保密推論通道，強調雖是使用Google Cloud服務及NVIDIA GPU，但仍依循蘋果PCC所要求的核心原則，諸如無伺服器運算(或稱無狀態運算)，可強制執行的保證、無特權執行階段存取、非目標性與可驗證的透明性等。

雖然PCC最初是建構在蘋果自有的晶片架構，然而蘋果在Google Cloud則是利用NVIDIA的機密運算技術實現蘋果對於PCC原始的要求，NVIDIA機密運算建構在NVIDIA GPU、Intel TDX CPU與Google Titan晶片的硬體架構，並與Google合作建構超過傳統機密運算所提供的功能。

在NVIDIA的機密運算技術再添加更多安全防護機制

蘋果強調其技術不僅止於利用傳統機密運算避免來自外部對虛擬機器的攻擊，強調從韌體到主機到作業系統堆疊至應用程式程式碼都是可信任運算基礎的一環。

為了降低來自供應鏈環節攻擊的風險，蘋果提供一個具有加密、僅可單向添加並用於記錄所有屬於PCC叢集的Google Cloud硬體的加密錢包，並針對可能被濫用於竊取使用者資料的元件，在軟體驗證加入至少基於來自兩個獨立供應商的獨立信任根。

此外在Google Cloud的PCC叢集也使用與原本PCC相同的架構安全模式進行推論堆疊的隱私及安全保護，每個請求的原始網路解析都在自身命名空間的專用程式進行，共享的推論軟體以較短的存在時間進行循環利用，經過驗證的金鑰保存在與外部虛擬機器隔離的獨立專用機密空間。

使用NVIDIA GPU是為了Gemini技術的妥協？

對於蘋果而言，最初的AI策略是希冀由自身技術一手包辦，也是初始蘋果在2024年提供基於自有晶片的PCC服務的目的，然而隨著AI技術發展迅速，蘋果自研AI一直無法達到內部的目標，蘋果似乎認清光靠原本的計畫根本趕不上市場的變化，最終決定採用變相的做法：與Google合作以Gemini技術建構自有的Apple Foundation Model；這樣的策略有助於蘋果以相對領先的Gemini技術提供新一代AI要求的快速及準確，且透過自主培訓使模型呈現蘋果希冀的目標。

然而就現實而言，即便Google已經具備專為推論而生的TPU技術，但若要使用最前沿的AI技術，恐怕NVIDIA的GPU仍是可提供相對豐富資源、且技術最領先的平台，即便是Google當前最新的模型訓練也還很難擺脫建立在NVIDIA的技術基礎上；此外，也許NVIDIA GPU具備的可程式化GPU運算能力，也使得蘋果可將一些原本針對自有晶片的技術透過軟體的方式在NVIDIA GPU執行。

而且可預期的是Google Cloud所提供的NVIDIA GPU叢集的性能及執行效率恐怕也勝過蘋果私有PCC資料中心的表現，可說是考慮到現況評估的結果；然而依照蘋果的個性，倘若Google的TPU已經可達需求，恐怕也會義無反顧的改用TPU叢集取代NVIDIA叢集。