applegpu逆向路线图：Apple G13 GPU架构还有哪些未解之谜等待攻克

applegpu逆向路线图：Apple G13 GPU架构还有哪些未解之谜等待攻克

【免费下载链接】applegpuApple G13 GPU architecture docs and tools项目地址: https://gitcode.com/gh_mirrors/ap/applegpu

applegpu 是一个针对Apple G13 GPU 架构（即 M1 SoC 内置的图形芯片）的开源逆向工程（reverse engineering）项目。它不只是"逆向"——而是边逆向边产出成果：一份持续更新的架构文档、一个 GPU 反汇编器、一个汇编器，以及一个指令级模拟器。对想研究 Apple 芯片、GPU 指令集分析或 Metal 着色器二进制格式的人来说，这是目前最完整的"地图"。

applegpu 是什么？G13 逆向工程的四大核心工具

💡 这套组合拳的精髓在于闭环验证：模拟器实现一条指令 → 硬件测试在真机上执行同一条指令 → 状态一致才算通过。测试框架会把自己编译的 shader 写进 Metal 二进制存档里（metallib_replacer.py负责替换，hwtestbed/目录下的 C/C++ 助手程序负责在 GPU 上执行并回传缓冲区和耗时，协议定义见hwtestbed/protocol.h）。

# 反汇编一段 GPU 二进制 python3 disassemble.py code.bin # 在 M 系列芯片上跑硬件测试 python3 hwtest.py

路线图已攻克：Apple G13 指令集解码框架

从 架构参考文档（由genhtml.py生成，docs.html为成品）可以看到，以下谜团已经揭开：

• 指令编码结构：变长指令（2~12 字节）按操作码匹配字段，applegpu.py中instruction_descriptors列表就是解码核心；
• 指令族覆盖：Move、整数算术、移位/位域、位操作、浮点运算（含 FMA，fma.py专门解析融合乘加）、Flow Control、Select、SIMD Group / Quad Group、内存与栈等；
• 系统寄存器含义：如core_index、simdgroup_index_in_threadgroup、active_thread_index_in_quadgroup等，在applegpu.py顶部的SR_NAMES表中逐一命名；
• 色彩空间细节：srgb.py还原了 sRGB 查找表。

文档中每一条指令都配有逐位编码图——已确认的比特标注字段名，未知的标注为?。这张"比特地图"本身就是逆向进度的可视化仪表盘。

未解之谜清单：Apple G13 GPU 还有哪些盲区

之谜一：流控制尚不完整——模拟器为什么不敢"跳"

README 明确写道："There's no flow control yet"（模拟器还没有流控制支持）。applegpu.py中虽已定义BranchOffsetDesc、StackAdjustmentDesc等分支相关字段描述，且文档收录了 Flow Control 与 Execution Mask Stack 指令族，但模拟器执行跳转、调用、掩码栈压弹的完整逻辑尚未闭环。分支语义（回边、栈深度、异常路径）仍是待验证的重头戏。

之谜二：编码表里的每一个?比特

生成器（genhtml.py）会把未解析比特渲染成灰底?。这些散落在各指令编码图中的未知位，可能是保留字段、也可能是尚未发现的修饰标志（如 cache 提示位，项目用APPLEGPU_CRYPTIC环境变量控制其显示方式）。"消掉一个?"是贡献者最容易上手的逆向任务。

之谜三：异步内存流水线的时序规则

device_load/device_store/wait等异步指令在反汇编输出中随处可见（如 README 示例里device_load ... lsl 1后紧跟wait 0）。但"等待到底在等谁、乱序窗口多大、何时触发冒险"这类时序规则，硬件测试目前只能证明"行为一致"，难以写成完备的时序文档。

之谜四：测试覆盖率的"盲区"

作者在 README 中坦承测试是"scattershot"（散弹式）：有些指令测试详尽，有些只是为了让别的测试跑通才存在，且很难看出哪些行为已被覆盖。他的实用建议是"故意改坏实现，看测试会不会红"——这暗示仍存在未被任何测试盯住的角落。

之谜五：G13 与后续芯片的差异

项目标题锁定的是G13（M1）。M1 Pro/Max、M2 及之后芯片的 GPU 是否有新增指令、修改编码，完全不在当前覆盖范围内——这是"Apple M1 GPU 逆向"通往更广阔战场的一扇门。

新手上手指南：3 步加入 Apple GPU 逆向

第 1 步：获取代码（无需克隆仓库即可阅读；参与开发建议克隆）

git clone https://gitcode.com/gh_mirrors/ap/applegpu

第 2 步：跑通反汇编器

任何 Mac/Linux 上都能运行，只需 Python 3：python3 disassemble.py code.bin。想在线体验 Metal 着色器 → G13 汇编的转换流程，可看compiler_explorer.py及其调用的compiler_explorer_tools/（metal-compile-tool.m编译、metal-archive-extractor.cpp从 Mach-O 存档中提取着色器二进制）。

第 3 步：在 Apple Silicon 上跑硬件测试

python3 hwtest.py会自动编译hwtestbed/Makefile对应的 C 助手；想手动重编译可用make -C hwtestbed -j8。更轻松的玩法是python3 hwtestbed.py <shader code>——直接在真 GPU 上执行自己写的一小段指令。

给贡献者的路线图建议

按投入产出比排序，以下三个方向最值得攻克：

1. 补齐模拟器流控制：对照硬件测试输出，实现分支与掩码栈语义，打通 README 中"no flow control" 的缺口；
2. 猎杀?比特：挑一条指令的未知字段，用assemble.py构造变体输入 +hwtest.py观察行为差异，是最经典的逆向实验方法；
3. 补全测试矩阵：针对hwtest.py中覆盖薄弱的指令补用例，并尝试自动化"覆盖度可视化"。

总结：applegpu 项目用反汇编器、模拟器与真机对拍三件套，把 Apple G13 GPU 的黑盒剥开了大半——指令编码、寄存器语义、ALU 与内存行为都已被文档化。而流控制闭环、编码表中的未知比特、异步内存时序、测试覆盖率盲区与多代芯片差异，构成了这张逆向路线图上的五大待攻克谜团。无论你是 GPU 架构爱好者还是逆向工程新手，这里都有一条清晰的上手路径。

【免费下载链接】applegpuApple G13 GPU architecture docs and tools项目地址: https://gitcode.com/gh_mirrors/ap/applegpu