X 用户@0x0SojalSec 通过逆向工程构建自定义中间语言，在 GitHub 开源代码，使 M4 设备在不依赖苹果官方工具的情况下支持从零训练模型。
X 平台用户@0x0SojalSec 近期宣布完成对苹果 M4 芯片的逆向工程，成功绕过软件层面限制，激活该芯片原本被锁定用于人工智能训练的硬件能力。此项成果通过 GitHub 代码库公开，展示了如何在未获得苹果官方授权的情况下，让搭载 M4 处理器的 iPad 或 Mac 设备执行从零开始的神经网络模型训练任务。
针对苹果将神经引擎权限严格限制为仅支持推理场景的现状，开发者并未调用 Core ML、Metal 等原生开发工具链，也未使用 GPU 资源，而是独立设计了一套自定义的模型中间语言（MIL）以直接控制神经引擎。该方案在架构层面实现了完整的反向传播算法及 Transformer 结构训练功能。为应对因硬件锁定导致的进程不稳定问题，程序引入了特定处理机制：当密集训练阶段出现卡死，系统会调用 exec() 命令重启进程并刷新状态，从而避免崩溃并延续学习过程。在数据存储策略上，所有训练数据均保留在系统随机存取存储器（RAM）中运行，完全避开了 NAND 闪存写入，以此消除存储带宽瓶颈，确保训练速度。
经过上述技术手段突破后，M4 芯片展现出 15.8TFLOPS 的 AI 处理性能，具备承担复杂模型训练任务的潜力。目前该技术验证仅针对 M4 架构，尚无法确认相同的自定义中间语言及 exec() 机制能否直接迁移至更新的 Apple Silicon 平台，相关兼容性仍需进一步测试。这一事件揭示了苹果硬件在物理能力与软件权限之间的差异，为开发者利用消费级设备进行本地化大模型训练提供了新的技术路径。