# 开发者绕过苹果软件限制，成功解锁 M4 芯片 15.8TFLOPS 的 AI 算力

- 来源：IT之家（RSS）
- 发布时间：2026-06-16 23:28
- AIHOT 分数：54
- AIHOT 链接：https://aihot.virxact.com/items/cmqgtxtdz00juslpuay5h6s24
- 原文链接：https://www.ithome.com/0/965/128.htm

## AI 摘要

苹果 M4 神经网络引擎原仅开放推理，X 用户 @0x0SojalSec 通过逆向工程，从零开发自定义 MIL 直接与芯片通信，绕开了软件限制。训练全程将数据放在 RAM 中运行，不写入 NAND 闪存以维持高速。解锁后 M4 可达 15.8TFLOPS AI 性能，足以承担模型训练。目前不确定该 MIL 能否用于更新的 Apple Silicon，exec() 命令在新平台上的兼容性也未知。

## 正文

IT之家 6 月 16 日消息，苹果 M4 等芯片中的神经网络引擎原本只开放给推理使用，导致开发者可以运行预训练 AI 模型，却不能直接用来训练新模型。不过，X 用户 @0x0SojalSec 自称绕过了 M4 的软件限制，并对 M4 SoC 完成逆向工程。

整个过程把数据都放在 RAM 中运行，因此速度非常快，体验也相当流畅。

@0x0SojalSec 今天凌晨在 X 上分享了一个 GitHub 代码库，展示如何释放 M4 的完整潜力。苹果并未开放直接与这些芯片通信的权限，因此其没有使用 Core ML、Metal 等苹果工具，也没有调用 GPU，而是从零开发了一套自定义 MIL（（IT之家注：模型中间语言），用这套工具与 M4 进行通信。

由于 M4 的相关硬件能力遭到“锁定”，整个过程还需要一些变通手段。比如，训练进程卡住、需要重置后才能继续时，自定义 MIL 会调用“exec ()”命令，让进程重新启动并继续训练。这样一来，程序可以刷新当前状态，避免直接崩溃，同时继续学习。

@0x0SojalSec 表示，为了提高速度，解锁 M4 的过程完全没有写入 NAND 闪存。NAND 闪存写入速度较慢，而 RAM 速度更快，因此整个流程可以保持高速运行。突破软件限制后，iPad 或 Mac 中的 M4 可以达到 15.8TFLOPS 的 AI 处理性能，足以承担 AI 模型训练任务。

需要提醒的是，目前还无法确认同一套自定义 MIL 能否用于更新的 Apple Silicon，也无法确认 exec () 在新平台上能否按预期工作。