开发者逆向工程Apple Neural Engine私有API，首次在ANE上实现神经网络训练

BlockBeats 消息，3 月 3 日，开发者 Manjeet Singh（GitHub: maderix）与 Claude Opus 协作，通过逆向工程 Apple 未公开的私有 API，首次在 M4 芯片的 Apple Neural Engine（ANE）上实现了包含反向传播的神经网络训练。ANE 是 Apple 专为推理设计的加速器，官方从未开放训练能力，开发者只能通过 CoreML 框架间接调用其推理功能。

该项目绕过 CoreML，直接映射了从 _ANEClient、_ANECompiler 等 40 余个私有类到 IOKit 内核驱动的完整软件栈，并发现了可在内存中直接编译模型的 _ANEInMemoryModelDescriptor 接口——这是实现训练的关键，因为每次权重更新都需要重新编译。当前实现了单个 transformer 层（dim=768, seq=512）的训练，M4 上每步耗时 9.3ms，ANE 利用率 11.2%（1.78 TFLOPS，理论峰值 15.8 TFLOPS），前向和反向传播的输入梯度在 ANE 上计算，权重梯度和 Adam 优化器在 CPU 上完成。

项目还发现 ANE 的核心计算原语是卷积而非矩阵乘法，用 1x1 卷积表达矩阵乘法可获得约 3 倍吞吐提升，绕过 CoreML 直接调用则有 2-4 倍额外增益，Apple 官方宣传的「38 TOPS」存在误导。目前项目仍处于早期阶段：仅支持单层训练、使用合成数据、存在约 119 次编译后的资源泄漏需重启进程规避，多层训练和真实数据支持尚在开发中。项目以 MIT 协议开源，发布 5 天获得约 2800 星。