BlockBeats 消息，3 月 3 日，開發者 Manjeet Singh（GitHub: maderix）與 Claude Opus 協作，透過逆向工程 Apple 未公開的私有 API，首次在 M4 芯片的 Apple Neural Engine（ANE）上實現了包含反向傳播的神經網路訓練。ANE 是 Apple 專為推理設計的加速器，官方從未開放訓練能力，開發者只能透過 CoreML 框架間接調用其推理功能。
該項目繞過 CoreML，直接映射了從 _ANEClient、_ANECompiler 等 40 個以上私有類到 IOKit 內核驅動的完整軟體棧，並發現了可在記憶體中直接編譯模型的 _ANEInMemoryModelDescriptor 介面——這是實現訓練的關鍵，因為每次權重更新都需要重新編譯。目前已實現單個 transformer 層（dim=768, seq=512）的訓練，M4 上每步耗時 9.3ms，ANE 利用率 11.2%（1.78 TFLOPS，理論峰值 15.8 TFLOPS），前向和反向傳播的輸入梯度在 ANE 上計算，權重梯度和 Adam 優化器在 CPU 上完成。
項目還發現 ANE 的核心計算原語是卷積而非矩陣乘法，使用 1x1 卷積來表達矩陣乘法可獲得約 3 倍吞吐量提升，繞過 CoreML 直接調用則可額外獲得 2-4 倍增益，Apple 官方宣傳的「38 TOPS」具有誤導性。目前項目仍處於早期階段：僅支援單層訓練、使用合成數據，且存在約 119 次編譯後的資源洩漏，需重啟進程來避開；多層訓練和真實數據支援仍在開發中。項目以 MIT 協議開源，上線 5 天已獲得約 2800 顆星。