苹果芯片组（如M4）中的神经网络引擎（Neural Engine）仅可用于推理，这意味着开发者能运行预训练的AI模型，但无法训练新模型。幸运的是，有一个人似乎通过绕过其软件限制、将所有数据保留在RAM（随机存取存储器）中、让一切运行得极其流畅且速度飞快的逆向工程手段，成功破解了这款SoC（系统级芯片）。
更令人惊叹的是，实现这一壮举时完全无需借助CoreML和Metal等工具，就解锁了M4的真正潜力。在X平台（原Twitter）上，用户@0x0SojalSec在一个GitHub代码仓库中分享了如何解锁M4真正实力的方法。由于苹果（Apple）并未提供任何与这些芯片组通信的权限级别，此人成功绕过了苹果的所有工具（如CoreML、Metal或利用GPU（图形处理器）），直接与M4通信。这一成就依靠的是从头开始开发的定制MIL（模型中间语言）。
由于硬件被“锁定”，必须采用一些巧妙的技术。例如，当训练过程陷入停滞并需要重置才能继续时，定制MIL会使用命令“exec（）”来“重生以继续训练”。这有助于程序刷新当前状态，从而在不崩溃的情况下持续学习。
苹果在每一台M4 Mac和iPhone中隐藏了15.8 TFLOPS的原始AI算力，但他们只允许你使用神经网络引擎进行推理。我们对其私有API进行了逆向工程，直接在ANE（神经网络引擎）上实现了完整的反向传播和Transformer训练。没有CoreML，没有Metal，没有GPU。训练……（2026年6月15日推文）
为加速这一进程，@0x0SojalSec表示，解锁M4时完全未涉及写入速度较慢的NAND闪存。由于所有数据都写入RAM，速度极快。通过突破软件限制，iPad或Mac中的M4可实现高达15.8 TFLOPS的AI处理性能，足以训练一个AI模型，而无需购买昂贵的计算机或价格离谱的英伟达GPU（NVIDIA GPU）。
考虑到这一成就是在M4上实现的，想象一下在M5上能解锁的性能水平。遗憾的是，我们无法确认同样的定制MIL能否用于更新的Apple Silicon，也无法确定exec（）能否在新平台上如预期般运行。希望我们能再次看到这段代码的实际应用。
