Confer

由 Signal 联合创始人 Moxie Marlinspike 于 2025 年 12 月推出的新项目 Confer，试图回答一个关键问题：AI 助手能否在不收集用户数据的前提下提供高质量服务？

在 OpenAI 开始测试广告、主流大模型普遍将用户对话用于训练和商业分析的背景下，Confer 提供了一种截然不同的路径——你的对话内容，服务商永远看不到。

为什么需要 Confer？

当前主流 AI 助手（如 ChatGPT、Claude）虽然功能强大，但其商业模式高度依赖数据：

• 用户输入被记录、用于模型微调
• 对话上下文可能用于广告定向
• 即使声称“匿名化”，仍存在隐私泄露风险

Marlinspike 指出：“这是一种主动邀请用户倾诉的技术形式。当这与广告结合时，就像有人付钱给你的治疗师来说服你购买东西。”

Confer 的设计哲学正源于此：亲密对话不应成为商业资产。

如何实现真正的隐私保护？

Confer 并非仅靠“承诺”保障隐私，而是通过端到端加密 + 可信执行环境（TEE） 的技术组合实现：

1. 端到端加密（E2EE）

• 所有消息使用 WebAuthn 通行密钥 加密
• 密钥由用户设备生成并保管，服务器无法解密
• 支持最佳体验的平台：iOS、macOS Sequoia、Android；Windows/Linux 需配合密码管理器使用

2. 可信执行环境（TEE）

• 所有 AI 推理在硬件级隔离的 TEE 中完成（如 Intel SGX、AMD SEV）
• 通过远程认证机制，用户可验证服务器未被篡改
• 模型本身为开源权重的基座模型，无黑箱行为

✅ 结果：即使 Confer 运营方想查看你的对话，技术上也无法做到。

功能与限制

• 界面体验：高度类似 ChatGPT 或 Claude，支持多轮对话、文件上传（加密后处理）
• 免费版：每日 20 条消息，最多 5 个活跃聊天
• 付费版：35 美元/月，无限制使用、更高性能模型、个性化功能

💡 对比：ChatGPT Plus 为 20 美元/月。Confer 的溢价主要覆盖 TEE 基础设施成本与隐私架构开销。

隐私的代价

Confer 的架构远比标准 AI 服务复杂：

• 需维护 TEE 集群
• 加密/解密带来额外延迟
• WebAuthn 在部分平台兼容性有限

但 Marlinspike 认为这是值得的：“如果你要构建一个人们愿意倾诉的系统，就必须从一开始就设计隐私，而不是事后打补丁。”

适合谁使用？

• 处理敏感信息的专业人士（律师、医生、记者）
• 对数据主权有高要求的个人用户
• 希望支持“非广告驱动”AI 模式的早期采用者