What is a zero-trust AI factory and why is it important for enterprises?

A zero-trust AI factory is a high-performance infrastructure designed to manufacture intelligence at scale, built on the principle of 'never trust, always verify.' It eliminates implicit trust in the underlying host infrastructure by using hardware-enforced Trusted Execution Environments (TEEs) and cryptographic attestation. This is crucial for enterprises dealing with sensitive data (like patient records or market research) and proprietary AI models, as it mitigates risks of data exposure, intellectual property theft, and privacy concerns, thereby accelerating the adoption of AI into production environments. Its importance lies in enabling secure processing of highly confidential information.

What is the 'trust dilemma' in deploying AI models in shared infrastructure?

The trust dilemma in AI deployment arises from conflicting trust requirements among model owners, infrastructure providers, and data owners. Model owners fear IP theft from infrastructure providers; infrastructure providers worry about malicious workloads from model owners; and data owners need assurance that neither infrastructure nor model providers will misuse or expose their sensitive data during execution. This circular lack of trust is primarily due to data not being encrypted while in use in traditional computing environments, leaving it vulnerable to inspection by system administrators and hypervisors, creating significant security challenges.

How does confidential computing enhance the security of AI models and data?

Confidential computing addresses the core issue of data exposure by ensuring that data and AI models remain cryptographically protected throughout their entire execution lifecycle. Unlike traditional systems where data in use is unencrypted, confidential computing leverages hardware-backed Trusted Execution Environments (TEEs) to encrypt memory. This means sensitive data, model weights, and inference payloads are shielded from unauthorized access, even from privileged host software or administrators, significantly reducing the risk of intellectual property theft and data breaches during AI model inference and training and ensuring robust protection.

What are Confidential Containers (CoCo), and how do they operationalize confidential computing for Kubernetes?

Confidential Containers (CoCo) operationalize the benefits of confidential computing within Kubernetes environments. Instead of running standard Kubernetes pods directly on the host kernel, CoCo wraps each pod in a lightweight, hardware-isolated virtual machine (VM) using Kata Containers. This approach maintains cloud-native workflows while enforcing strong isolation. For AI, CoCo ensures that proprietary model weights remain encrypted until the hardware mathematically proves the enclave's security via remote attestation. A Key Broker Service then releases decryption keys only into this protected memory, preventing exposure to the host OS or hypervisor.

What are the core pillars of NVIDIA's reference architecture for zero-trust AI factories?

NVIDIA's reference architecture combines several crucial components to build robust zero-trust AI factories. Key pillars include a Hardware Root of Trust, utilizing CPU TEEs and NVIDIA confidential GPUs for memory-encrypted AI workloads; Kata Containers runtime for hardware-isolated Kubernetes pods; a Hardened Micro-Guest Environment with a minimal guest OS to reduce the attack surface; an Attestation Service to cryptographically verify hardware integrity before releasing secrets; a Confidential Workload Lifecycle for secure image pulling and deployment; and Native Kubernetes and GPU Operator Integration for seamless management and deployment without application rewrites.

What security aspects are *not* covered by Confidential Containers (CoCo)?

While CoCo provides strong confidentiality and integrity guarantees for data and model execution, it does not protect against all types of attacks. Specifically, CoCo does not address application vulnerabilities, meaning flaws within the AI application code itself that could be exploited. It also doesn't inherently prevent availability attacks, which aim to disrupt service rather than steal data. Furthermore, network security, such as protecting data in transit or securing network endpoints, remains outside CoCo's direct scope. These aspects require complementary security measures alongside the confidential computing framework for a complete security posture.

Kilang AI Zero-Trust: Mengamankan Beban Kerja AI Sulit dengan TEEs

title: "Kilang AI Zero-Trust: Mengamankan Beban Kerja AI Sulit dengan TEEs" slug: "building-a-zero-trust-architecture-for-confidential-ai-factories" date: "2026-03-25" lang: "ms" source: "https://developer.nvidia.com/blog/building-a-zero-trust-architecture-for-confidential-ai-factories/" category: "Keselamatan AI" keywords:

Zero-Trust
Keselamatan AI
Pengkomputeran Sulit
Persekitaran Pelaksanaan Dipercayai
TEEs
NVIDIA
Kilang AI
Kubernetes
Kontena Sulit
Perlindungan Data
Keselamatan Model
Atesasi Jarak Jauh meta_description: "Terokai cara membina kilang AI zero-trust menggunakan seni bina rujukan NVIDIA, memanfaatkan Kontena Sulit dan TEEs untuk keselamatan AI dan perlindungan data yang teguh." image: "/images/articles/building-a-zero-trust-architecture-for-confidential-ai-factories.png" image_alt: "Diagram yang menggambarkan seni bina zero-trust yang melindungi beban kerja AI sulit di kilang AI." quality_score: 94 content_score: 93 seo_score: 95 companies:
NVIDIA schema_type: "NewsArticle" reading_time: 7 faq:
question: "Apakah itu kilang AI zero-trust dan mengapa ia penting bagi perusahaan?" answer: "Kilang AI zero-trust adalah infrastruktur berprestasi tinggi yang direka untuk menghasilkan kepintaran secara besar-besaran, dibina atas prinsip 'jangan pernah percaya, sentiasa sahkan.' Ia menghapuskan kepercayaan tersirat dalam infrastruktur hos yang mendasari dengan menggunakan Persekitaran Pelaksanaan Dipercayai (TEEs) yang dikuatkuasakan perkakasan dan atesasi kriptografi. Ini adalah penting bagi perusahaan yang berurusan dengan data sensitif (seperti rekod pesakit atau penyelidikan pasaran) dan model AI proprietari, kerana ia mengurangkan risiko pendedahan data, kecurian harta intelek, dan kebimbangan privasi, sekali gus mempercepatkan penggunaan AI ke dalam persekitaran pengeluaran. Kepentingannya terletak pada membolehkan pemprosesan maklumat yang sangat sulit dengan selamat."
question: "Apakah 'dilema kepercayaan' dalam penggunaan model AI dalam infrastruktur kongsi?" answer: "Dilema kepercayaan dalam penggunaan AI timbul daripada keperluan kepercayaan yang bercanggah antara pemilik model, penyedia infrastruktur, dan pemilik data. Pemilik model bimbang tentang kecurian IP daripada penyedia infrastruktur; penyedia infrastruktur bimbang tentang beban kerja yang berniat jahat daripada pemilik model; dan pemilik data memerlukan jaminan bahawa penyedia infrastruktur mahupun model tidak akan menyalahgunakan atau mendedahkan data sensitif mereka semasa pelaksanaan. Kekurangan kepercayaan yang berulang ini terutamanya disebabkan oleh data yang tidak dienkripsi semasa digunakan dalam persekitaran pengkomputeran tradisional, menyebabkannya terdedah kepada pemeriksaan oleh pentadbir sistem dan hipervisor, mewujudkan cabaran keselamatan yang signifikan."
question: "Bagaimanakah pengkomputeran sulit meningkatkan keselamatan model dan data AI?" answer: "Pengkomputeran sulit menangani isu utama pendedahan data dengan memastikan data dan model AI kekal dilindungi secara kriptografi sepanjang kitaran hayat pelaksanaannya. Berbeza dengan sistem tradisional di mana data yang digunakan tidak dienkripsi, pengkomputeran sulit memanfaatkan Persekitaran Pelaksanaan Dipercayai (TEEs) yang disokong perkakasan untuk mengenkripsi memori. Ini bermakna data sensitif, bobot model, dan muatan inferens dilindungi daripada akses tanpa kebenaran, walaupun daripada perisian atau pentadbir hos yang istimewa, mengurangkan risiko kecurian harta intelek dan pelanggaran data dengan ketara semasa inferens dan latihan model AI serta memastikan perlindungan yang teguh."
question: "Apakah Kontena Sulit (CoCo), dan bagaimanakah ia mengoperasikan pengkomputeran sulit untuk Kubernetes?" answer: "Kontena Sulit (CoCo) mengoperasikan manfaat pengkomputeran sulit dalam persekitaran Kubernetes. Daripada menjalankan pod Kubernetes standard secara langsung pada kernel hos, CoCo membalut setiap pod dalam mesin maya (VM) yang ringan dan terasing perkakasan menggunakan Kata Containers. Pendekatan ini mengekalkan aliran kerja natif awan sambil menguatkuasakan pengasingan yang kuat. Untuk AI, CoCo memastikan bahawa bobot model proprietari kekal dienkripsi sehingga perkakasan membuktikan secara matematik keselamatan enklaf melalui atesasi jarak jauh. Perkhidmatan Broker Kunci kemudiannya melepaskan kunci penyahsulitan hanya ke dalam memori yang dilindungi ini, mencegah pendedahan kepada OS hos atau hipervisor."
question: "Apakah tunjang utama seni bina rujukan NVIDIA untuk kilang AI zero-trust?" answer: "Seni bina rujukan NVIDIA menggabungkan beberapa komponen penting untuk membina kilang AI zero-trust yang teguh. Tunjang utama termasuk Akar Kepercayaan Perkakasan, menggunakan TEEs CPU dan GPU sulit NVIDIA untuk beban kerja AI yang dipercepat perkakasan dan dienkripsi memori; runtime Kata Containers untuk pod Kubernetes yang terasing perkakasan; Persekitaran Mikro-Tetamu yang Diperkukuh dengan OS tetamu minimum untuk mengurangkan permukaan serangan; Perkhidmatan Atesasi untuk mengesahkan integriti perkakasan secara kriptografi sebelum melepaskan rahsia; Kitaran Hayat Beban Kerja Sulit untuk penarikan dan penggunaan imej yang selamat; dan Integrasi Asli Kubernetes & Pengendali GPU untuk pengurusan dan penggunaan yang lancar tanpa penulisan semula aplikasi."
question: "Aspek keselamatan apakah yang tidak dilindungi oleh Kontena Sulit (CoCo)?" answer: "Walaupun CoCo menyediakan jaminan kerahsiaan dan integriti yang kuat untuk data dan pelaksanaan model, ia tidak melindungi daripada semua jenis serangan. Secara khusus, CoCo tidak menangani kerentanan aplikasi, yang bermaksud kelemahan dalam kod aplikasi AI itu sendiri yang boleh dieksploitasi. Ia juga tidak secara intrinsik menghalang serangan ketersediaan, yang bertujuan untuk mengganggu perkhidmatan dan bukannya mencuri data. Tambahan pula, keselamatan rangkaian, seperti melindungi data dalam transit atau mengamankan titik akhir rangkaian, kekal di luar skop langsung CoCo. Aspek-aspek ini memerlukan langkah-langkah keselamatan tambahan bersama-sama dengan kerangka pengkomputeran sulit untuk postur keselamatan yang lengkap."

Kemajuan pesat AI telah mendorongnya dari peringkat eksperimen ke pusat operasi perusahaan. Namun, satu halangan signifikan tetap ada: sebahagian besar data perusahaan kritikal, termasuk rekod pesakit yang sangat sensitif, penyelidikan pasaran proprietari, dan pengetahuan warisan yang tidak ternilai, berada di luar awan awam. Mengintegrasikan maklumat sensitif ini dengan model AI memperkenalkan kebimbangan privasi dan kepercayaan yang besar, sering kali melambatkan atau sepenuhnya menyekat penggunaan AI.

Untuk benar-benar membuka potensi AI, perusahaan sedang membina "kilang AI"—infrastruktur khusus berprestasi tinggi yang direka untuk menjana kepintaran secara besar-besaran. Agar kilang-kilang ini berjaya dengan data sensitif dan model proprietari, ia mesti dibina di atas asas zero-trust yang tidak berbelah bahagi. Paradigma ini menetapkan bahawa tiada entiti, sama ada pengguna, peranti, atau aplikasi, dipercayai secara tersirat. Sebaliknya, semua permintaan akses disahkan dan diberi kuasa secara ketat. Ini dicapai melalui Persekitaran Pelaksanaan Dipercayai (TEEs) yang dikuatkuasakan perkakasan dan atesasi kriptografi, mewujudkan seni bina keselamatan yang menghapuskan kepercayaan intrinsik dalam infrastruktur hos yang mendasarinya. Artikel ini meneroka pendekatan tumpukan penuh, menggariskan seni bina rujukan NVIDIA untuk mengintegrasikan asas zero-trust ini ke dalam kilang AI moden.

Dilema Kepercayaan Kilang AI: Cabaran Pelbagai Pihak Berkepentingan

Peralihan ke arah penggunaan model canggih, selalunya proprietari, pada infrastruktur kongsi memperkenalkan dilema kepercayaan yang kompleks dan pelbagai rupa di kalangan pihak berkepentingan utama dalam ekosistem kilang AI. "Kekurangan kepercayaan berulang" ini secara asasnya berpunca daripada kegagalan persekitaran pengkomputeran tradisional untuk mengenkripsi data semasa ia digunakan.

Pemilik Model lwn. Penyedia Infrastruktur: Pemilik model melabur banyak dalam membangunkan model AI proprietari, yang bobot dan logik algoritmanya mewakili harta intelek yang signifikan. Mereka tidak boleh secara tersirat mempercayai bahawa sistem operasi hos, hipervisor, atau bahkan pentadbir root tidak akan memeriksa, mencuri, atau mengekstrak model berharga mereka apabila digunakan pada infrastruktur kongsi.
Penyedia Infrastruktur lwn. Pemilik/Penyewa Model: Sebaliknya, mereka yang mengurus dan mengendalikan perkakasan dan kluster Kubernetes—penyedia infrastruktur—tidak boleh secara membuta tuli mempercayai bahawa beban kerja pemilik model atau penyewa adalah tidak berbahaya. Terdapat risiko berterusan kod berniat jahat, cubaan untuk meningkatkan keistimewaan, atau pelanggaran sempadan keselamatan hos yang tertanam dalam aplikasi AI yang digunakan.
Penyewa (Pemilik Data) lwn. Pemilik Model dan Penyedia Infrastruktur: Pemilik data, yang membekalkan data sensitif dan selalunya terkawal yang menyemarakkan model AI, menuntut jaminan yang teguh bahawa maklumat mereka kekal sulit. Mereka tidak boleh mempercayai bahawa penyedia infrastruktur tidak akan melihat data mereka semasa pelaksanaan, dan mereka juga tidak boleh yakin bahawa penyedia model tidak akan menyalahgunakan atau membocorkan data semasa inferens atau pemprosesan.

Kekurangan kepercayaan yang meluas ini menyerlahkan kelemahan kritikal: dalam pengkomputeran konvensional, data tidak dienkripsi semasa ia aktif diproses. Ini menyebabkan data sensitif dan model proprietari terdedah dalam teks biasa dalam memori dan boleh diakses oleh pentadbir sistem, mewujudkan profil risiko yang tidak boleh diterima untuk penggunaan AI moden.

Pengkomputeran Sulit & Kontena: Asas Kepercayaan AI

Pengkomputeran sulit muncul sebagai penyelesaian penting kepada dilema kepercayaan yang mendalam ini. Ia secara asasnya mengubah landskap keselamatan dengan memastikan bahawa data dan model kekal dilindungi secara kriptografi sepanjang keseluruhan kitaran hayat pelaksanaannya, bukan hanya semasa rehat atau dalam transit. Ini dicapai dengan memanfaatkan Persekitaran Pelaksanaan Dipercayai (TEEs) yang disokong perkakasan yang mewujudkan kawasan memori yang terasing dan dienkripsi di mana pengiraan sensitif boleh berlaku tanpa pendedahan kepada sistem operasi hos atau hipervisor.

Walaupun pengkomputeran sulit menyediakan asas perkakasan yang penting, Kontena Sulit (CoCo) mengoperasikan paradigma keselamatan ini khusus untuk persekitaran Kubernetes. CoCo membenarkan pod Kubernetes berjalan di dalam TEEs yang disokong perkakasan ini tanpa memerlukan sebarang perubahan atau penulisan semula kod aplikasi. Daripada berkongsi kernel hos, setiap pod secara telus dikapsulkan dalam mesin maya (VM) yang ringan dan terasing perkakasan yang dikuasakan oleh Kata Containers. Pendekatan inovatif ini mengekalkan aliran kerja natif awan dan alat sedia ada sambil menguatkuasakan sempadan pengasingan yang ketat, meningkatkan keselamatan tanpa menjejaskan ketangkasan operasi.

Bagi penyedia model, ancaman kecurian bobot model proprietari adalah kebimbangan utama. CoCo secara langsung menangani ini dengan berkesan mengeluarkan sistem operasi hos dan hipervisor daripada persamaan kepercayaan kritikal. Apabila model AI digunakan dalam Kontena Sulit, ia kekal dienkripsi. Hanya selepas perkakasan mengesahkan secara matematik integriti dan keselamatan enklaf TEE melalui proses yang dikenali sebagai atesasi jarak jauh barulah Perkhidmatan Broker Kunci (KBS) khusus melepaskan kunci penyahsulitan yang diperlukan. Kunci ini kemudiannya dihantar secara eksklusif ke dalam memori yang dilindungi dalam TEE, memastikan bahawa bobot model tidak pernah terdedah dalam teks biasa kepada persekitaran hos, walaupun kepada pentadbir yang sangat istimewa.

Seni Bina Rujukan Zero-Trust NVIDIA untuk Kilang AI Selamat

NVIDIA, dengan kerjasama komuniti Confidential Containers sumber terbuka, telah membangunkan seni bina rujukan yang komprehensif untuk tumpukan perisian CoCo. Blueprint ini mentakrifkan pendekatan tumpukan penuh yang piawai untuk membina kilang AI zero-trust pada infrastruktur bare-metal. Ia dengan teliti menggariskan cara mengintegrasikan komponen perkakasan dan perisian canggih untuk menggunakan model canggih dengan selamat, melindungi data sensitif dan harta intelek mereka daripada pendedahan kepada persekitaran hos.

Tunjang utama seni bina yang teguh ini adalah:

Tunjang	Penerangan
Akar Kepercayaan Perkakasan	Memanfaatkan Persekitaran Pelaksanaan Dipercayai (TEEs) CPU yang dipadankan dengan GPU sulit NVIDIA (cth., NVIDIA Hopper, NVIDIA Blackwell) untuk beban kerja AI yang dipercepat perkakasan, dienkripsi memori.
Runtime Kata Containers	Membalut Pod Kubernetes standard dalam VM Utiliti (UVMs) yang ringan, terasing perkakasan, menyediakan pengasingan yang kuat daripada berkongsi kernel hos.
Persekitaran Mikro-Tetamu yang Diperkukuh	Menggunakan OS tetamu minimum tanpa distro yang menampilkan sistem fail root chiseled dan NVIDIA Runtime Container (NVRC) untuk sistem init yang selamat, mengurangkan permukaan serangan VM secara drastik.
Perkhidmatan Atesasi	Mengesahkan secara kriptografi integriti persekitaran perkakasan sebelum melepaskan kunci penyahsulitan model sensitif atau rahsia kepada tetamu, selalunya melibatkan Perkhidmatan Broker Kunci (KBS).
Kitaran Hayat Beban Kerja Sulit	Memudahkan penarikan imej yang dienkripsi dan ditandatangani (kontena, model, artifak) secara selamat terus ke dalam memori TEE yang dienkripsi, mencegah pendedahan semasa rehat atau dalam transit, dan membolehkan dasar antara muka yang terperinci.
Integrasi Asli Kubernetes & Pengendali GPU	Membolehkan pengurusan seluruh tumpukan menggunakan primitif Kubernetes standard dan Pengendali GPU NVIDIA, membenarkan penggunaan aplikasi AI 'lift-and-shift' tanpa penulisan semula.

Seni bina ini memastikan bahawa beban kerja AI mendapat manfaat daripada prestasi GPU NVIDIA sambil dikapsulkan dalam sempadan yang dijamin secara kriptografi.

Memahami Model Ancaman CoCo dan Sempadan Kepercayaan dalam Keselamatan AI

Kontena Sulit (CoCo) beroperasi di bawah model ancaman yang ditakrifkan dengan ketat. Dalam model ini, seluruh lapisan infrastruktur—termasuk sistem operasi hos, hipervisor, dan berpotensi penyedia awan itu sendiri—dianggap sebagai tidak dipercayai secara intrinsik. Anggapan asas ini adalah kritikal kepada pendekatan zero-trust.

Daripada bergantung pada kewaspadaan atau integriti pentadbir infrastruktur untuk menguatkuasakan kawalan keselamatan, CoCo secara strategik mengalihkan sempadan kepercayaan utama kepada Persekitaran Pelaksanaan Dipercayai (TEEs) yang disokong perkakasan. Ini bermakna beban kerja AI dilaksanakan dalam persekitaran maya yang dienkripsi di mana kandungan memori tidak dapat diuraikan oleh hos. Paling penting, rahsia sensitif, seperti kunci penyahsulitan model, hanya dilepaskan selepas persekitaran pelaksanaan telah membuktikan integriti dan keasliannya secara kriptografi melalui atesasi jarak jauh.

Walau bagaimanapun, adalah penting untuk memahami skop perlindungan ini—apa yang dilindungi CoCo dan apa yang kekal di luar skopnya.

Apa yang Dilindungi CoCo

CoCo menyediakan jaminan yang teguh untuk kerahsiaan dan integriti semasa pelaksanaan beban kerja AI:

Perlindungan Data dan Model: Enkripsi memori adalah tunjang utama, menghalang persekitaran hos daripada mengakses data sensitif, bobot model proprietari, atau muatan inferens semasa beban kerja aktif berjalan dalam TEE.
Integriti Pelaksanaan: Atesasi jarak jauh memainkan peranan kritikal dengan mengesahkan bahawa beban kerja sememangnya berjalan dalam persekitaran yang dipercayai, tidak terjejas dengan ukuran perisian yang dijangkakan sebelum sebarang rahsia sensitif atau kunci penyahsulitan model dilepaskan.
Pengendalian Imej dan Penyimpanan Selamat: Imej kontena ditarik, disahkan, dan dibuka bungkusannya secara langsung dalam persekitaran tetamu yang selamat, dienkripsi. Ini memastikan bahawa infrastruktur hos tidak boleh memeriksa atau mengganggu kod aplikasi atau artifak model yang berharga pada bila-bila masa.
Perlindungan daripada Akses Tahap Hos: Seni bina ini dengan berkesan melindungi beban kerja daripada tindakan hos yang istimewa. Alat penyahpepijatan pentadbiran, pemeriksaan memori, atau pengikisan cakera oleh hos tidak boleh mendedahkan kandungan sulit beban kerja AI yang sedang berjalan.

Apa yang Tidak Dilindungi CoCo

Walaupun sangat berkesan, risiko dan vektor serangan tertentu berada di luar skop intrinsik seni bina CoCo:

Kerentanan Aplikasi: CoCo memastikan persekitaran pelaksanaan yang disahkan dan sulit, tetapi ia tidak secara intrinsik menampal atau mencegah kerentanan dalam kod aplikasi AI itu sendiri. Jika aplikasi mempunyai pepijat yang menyebabkan kebocoran data atau pemprosesan yang salah, CoCo tidak dapat mengurangkan ini.
Serangan Ketersediaan: Fokus utama CoCo adalah kerahsiaan dan integriti. Ia tidak secara langsung menghalang penolakan perkhidmatan (DoS) atau serangan ketersediaan lain yang bertujuan untuk mengganggu perkhidmatan dan bukannya mencuri data. Langkah-langkah seperti infrastruktur berlebihan dan perlindungan peringkat rangkaian masih diperlukan.
Keselamatan Rangkaian: Data dalam transit, keselamatan titik akhir rangkaian, dan kerentanan dalam protokol rangkaian berada di luar perlindungan langsung TEE. Saluran komunikasi selamat (cth., TLS/SSL) dan segmentasi rangkaian yang teguh adalah keperluan pelengkap. Untuk pandangan yang lebih mendalam tentang mengamankan AI, pertimbangkan untuk meneroka strategi untuk mengganggu penggunaan AI yang berniat jahat.

Membina Masa Depan AI yang Selamat

Perjalanan AI dari eksperimen ke pengeluaran menuntut perubahan paradigma dalam keselamatan. Perusahaan tidak lagi hanya menggunakan model; mereka sedang membina kilang AI yang kompleks yang menghasilkan kepintaran secara besar-besaran. Seni bina zero-trust NVIDIA, yang dikuasakan oleh Kontena Sulit dan TEEs yang disokong perkakasan, menyediakan asas kritikal untuk era baru ini. Dengan teliti menangani dilema kepercayaan intrinsik dan menyediakan jaminan kriptografi yang teguh, organisasi boleh menggunakan model proprietari dengan yakin dan memproses data sensitif, mempercepatkan penggunaan AI tanpa menjejaskan keselamatan. Pendekatan ini bukan sahaja melindungi harta intelek dan maklumat peribadi tetapi juga memupuk tahap kepercayaan baru merentasi keseluruhan kitaran hayat pembangunan dan penggunaan AI. Semasa AI terus berkembang, integrasi kerangka keselamatan canggih sedemikian akan menjadi amat penting untuk merealisasikan potensi transformatifnya sepenuhnya. Selain itu, kerjasama strategik berterusan antara pemimpin industri, seperti AWS dan NVIDIA yang memperdalam kerjasama strategik mereka untuk mempercepatkan AI, menggariskan komitmen industri untuk memajukan penyelesaian AI yang selamat dan berskala.