Linux下A9-9820 GPU驱动适配失败记录

事情起因

事情的开始，是TualatinPentium送了我一个奇葩的硬件：A9-9820板U套装。
本期嘉宾：

CPU特写：

众所周知，在Linux社区中，AMD显卡在Linux下是一等公民是普遍事实，但是，在AMD A9-9820上，则是彻头彻尾的例外：完全无法正常驱动GPU。

这个并不是常见的APU，而是Xbox One定制的APU，AMD大约在2018年前后为了清库存，改了名字，弄了A9-9820/RX-8120这两个型号，打包卖给OEM的CPU。当时好像说是有厂商想打造廉价游戏机，然后项目黄了，这些CPU连带板子就流出来了。Windows驱动是有的，但是停更很久了，最后的版本是2019年的驱动，已经算是挺老的了。正因如此，我便想试试能不能在Linux上让这个GPU可以正常工作，然后可以测试一下新的游戏。

资料获取

查阅资料得知，这个APU的GPU部分核心是GCN1.0的Sea Islands家族衍生物，代号是Kryptos。总体的资料非常少，能找到有图吧老哥尝试给这个玩意装Linux后GPU驱动失败的帖子，和我实际遇到的情况一模一样。另外能查到最有价值（其实后面看是大坑）的线索是这个仓库：linux-skorion-A9-9820

对比其他原版内核构建的PKGBUILD文件，主要的修改点是在prepare()函数插入了下面这段：

  # 强行注入 A9-9820 (Kryptos) 支持，识别为 Bonaire 架构
  find . -path "*/drivers/gpu/drm/amd/amdgpu/amdgpu_drv.c" -exec sed -i '/{0x1002, 0x6640/i \  {0x1002, 0x154C, PCI_ANY_ID, PCI_ANY_ID, 0, 0, CHIP_BONAIRE},' {} +
  # === 新增：暴力干掉所有 tools/ 目录下的 -Werror ===
  echo "正在移除 tools 目录下的 -Werror..."
  find tools/ -type f -name "Makefile*" -exec sed -i 's/-Werror//g' {} +
  find tools/ -type f -name "*.mk" -exec sed -i 's/-Werror//g' {} +
  # === 针对 libbpf 可能写死的情况再加一道保险 ===
  find tools/bpf/ -type f -exec sed -i 's/-Werror//g' {} +

如果真的是这么简单重新编译一次内核就可以解决问题，这篇文章的画风就完全不同了。事实证明比想象中要困难得多，而且这个仓库的修补内容存在严重误导。这也让我在后续的探索中走了不少弯路。
记住这里出现的CHIP_BONAIRE，后面会考

看了一眼作者的GitHub头像，现在写记录的时候就觉得合情合理了，果然是个⑨
此外，实际测试，Linux下lspci显示设备名称是RX 350，AMDGPUvBIOS显示是113-AmdCato-007

[root@Xbox-One ~]# lspci 
00:00.0 Host bridge: Advanced Micro Devices, Inc. [AMD] Kryptos/Cato/Garfield/Garfield+/Arlene/Pooky Root Complex
00:01.0 VGA compatible controller: Advanced Micro Devices, Inc. [AMD/ATI] Kryptos [Radeon RX 350]
00:01.1 Audio device: Advanced Micro Devices, Inc. [AMD/ATI] Device 154d
00:02.0 Host bridge: Advanced Micro Devices, Inc. [AMD] Kryptos/Cato/Garfield/Garfield+/Arlene/Pooky UMI PCIe Dummy Host Bridge
00:11.0 SATA controller: Advanced Micro Devices, Inc. [AMD] FCH SATA Controller [AHCI mode] (rev 40)
00:12.0 USB controller: Advanced Micro Devices, Inc. [AMD] FCH USB OHCI Controller (rev 11)
00:12.2 USB controller: Advanced Micro Devices, Inc. [AMD] FCH USB EHCI Controller (rev 11)
00:13.0 USB controller: Advanced Micro Devices, Inc. [AMD] FCH USB OHCI Controller (rev 11)
00:13.2 USB controller: Advanced Micro Devices, Inc. [AMD] FCH USB EHCI Controller (rev 11)
00:14.0 SMBus: Advanced Micro Devices, Inc. [AMD] FCH SMBus Controller (rev 13)
00:14.1 IDE interface: Advanced Micro Devices, Inc. [AMD] FCH IDE Controller
00:14.2 Audio device: Advanced Micro Devices, Inc. [AMD] FCH Azalia Controller (rev 01)
00:14.3 ISA bridge: Advanced Micro Devices, Inc. [AMD] FCH LPC Bridge (rev 11)
00:14.4 PCI bridge: Advanced Micro Devices, Inc. [AMD] FCH PCI Bridge (rev 40)
00:14.5 USB controller: Advanced Micro Devices, Inc. [AMD] FCH USB OHCI Controller (rev 11)
00:14.7 SD Host controller: Advanced Micro Devices, Inc. [AMD] FCH SD Flash Controller
00:15.0 PCI bridge: Advanced Micro Devices, Inc. [AMD] Hudson PCI to PCI bridge (PCIE port 0)
00:15.1 PCI bridge: Advanced Micro Devices, Inc. [AMD] Hudson PCI to PCI bridge (PCIE port 1)
00:16.0 USB controller: Advanced Micro Devices, Inc. [AMD] FCH USB OHCI Controller (rev 11)
00:16.2 USB controller: Advanced Micro Devices, Inc. [AMD] FCH USB EHCI Controller (rev 11)
00:18.0 Host bridge: Advanced Micro Devices, Inc. [AMD] Kryptos/Cato/Garfield/Garfield+/Arlene/Pooky HT Configuration
00:18.1 Host bridge: Advanced Micro Devices, Inc. [AMD] Kryptos/Cato/Garfield/Garfield+/Arlene/Pooky Address Maps
00:18.2 Host bridge: Advanced Micro Devices, Inc. [AMD] Kryptos/Cato/Garfield/Garfield+/Arlene/Pooky DRAM Configuration
00:18.3 Host bridge: Advanced Micro Devices, Inc. [AMD] Kryptos/Cato/Garfield/Garfield+/Arlene/Pooky Miscellaneous Configuration
00:18.4 Host bridge: Advanced Micro Devices, Inc. [AMD] Kryptos/Cato/Garfield/Garfield+/Arlene/Pooky PM Configuration
00:18.5 Host bridge: Advanced Micro Devices, Inc. [AMD] Kryptos/Cato/Garfield/Garfield+/Arlene/Pooky NB Performance Monitor
03:00.0 Ethernet controller: Realtek Semiconductor Co., Ltd. RTL8111/8168/8211/8411 PCI Express Gigabit Ethernet Controller (rev 15)

原版内核启用amdgpu模块的结果就是：

[  331.964247] ACPI: video: Video Device [VGA] (multi-head: yes  rom: no  post: no)
[  331.964896] input: Video Bus as /devices/pci0000:00/acpi.video_bus.0/input/input15
[  357.203193] amdgpu: Virtual CRAT table created for CPU
[  357.203248] amdgpu: Topology: Add CPU node
[  357.203717] amdgpu 0000:00:01.0: initializing kernel modesetting (IP DISCOVERY 0x1002:0x154C 0x1002:0x154C 0x00).
[  357.203748] amdgpu 0000:00:01.0: register mmio base: 0xFEA00000
[  357.203754] amdgpu 0000:00:01.0: register mmio size: 524288
[  361.203794] amdgpu 0000:00:01.0: [drm] *ERROR* discovery failed: -2
[  361.203831] amdgpu 0000:00:01.0: Fatal error during GPU init
[  361.204296] amdgpu 0000:00:01.0: probe with driver amdgpu failed with error -2

考虑到这个玩意是GCN架构，Linux那边amdgpu对GCN1.0还算是在支持范围内，我就在想能不能针对性适配，让内核可以正确识别这个GPU，并正常工作。由于前面我说找到了一个仓库，看了一下核心部分就是注入{0x1002, 0x154C, PCI_ANY_ID, PCI_ANY_ID, 0, 0, CHIP_BONAIRE}让内核把这个GPU当作CHIP_BONAIRE处理。似乎很简单？但是，试试就逝世，这就是我把我两周ChatGPT Plus Codex额度烧完，最后还竹篮打水一场空噩梦的开始。

初步尝试编译内核

当时我看到了这个仓库，感觉如获至宝，赶紧想办法在我用的发行版上面复现，看看能不能成功驱动起来这个APU。
我照着葫芦画瓢，给CachyOS的LTS内核包PKGBUILD增加了参考仓库得来的注入命令，开始编译内核，并安装，结果，开机就给我泼了一盆冷水——开机第一次就直接卡死了。
因为这个APU性能太差了，拿来编译内核简直是噩梦，我第一次尝试编译，跑了4个小时都没跑完，然后我就拿我的游戏本编译，CPU是R7 5800H，比这破玩意快多了，四十分钟编译完成，结果发现编译出来的内核，编译机器上可以启动，而到这个测试机器上就无法启动。我一开始以为是补丁的问题，后面才知道是掉坑里了——根本原因：CONFIG_X86_NATIVE_CPU 。配置内核编译的时候，只适配了编译内核的机器，编译内核的机器CPU更新，因此启用了很多新特性，老CPU微架构不兼容：这是initramfs阶段卡死的几乎确定的原因。
CachyOS PKGBUILD 的 prepare() 中，_processor_opt 默认为空，走入 else 分支（linux-cachyos-lts/PKGBUILD:286）：
scripts/config -d GENERIC_CPU -d MZEN4 -e X86_NATIVE_CPU
这会启用CONFIG_X86_NATIVE_CPU=y，即用-march=native编译整个内核，生成的机器码只能在构建机器同款或更新 CPU 上执行。
所以，需要改成 CONFIG_GENERIC_CPU=y + CONFIG_X86_64_VERSION=1，才能让老CPU正常启动系统。

解决了问题，我一开始以为胜利就在眼前：因为已经可以过initramfs并开始启动系统了，但是第二次失败接踵而至：又卡死了。卡死的位置在运行这个任务的时候：
A stop job is running for Rule-based Manager for Device Events and File
对应原版，执行到这个部分是会直接报错：

[   31.830013] amdgpu 0000:00:01.0: [drm] *ERROR* discovery failed: -2
[   31.830027] amdgpu 0000:00:01.0: Fatal error during GPU init
[   31.830214] amdgpu 0000:00:01.0: probe with driver amdgpu failed with error -2

报错完后继续启动，所以我就开始怀疑应该是补丁的问题了。

尝试修复加入补丁系统卡死

借助 AI，我得到初步结论，设置把 A9-9820 的 GPU 的设备 ID 0x154C绑定到CHIP_BONAIRE，会导致内核使用独立显卡的方式去初始化这个核显，因为AMD核显和独显的初始化方式是不一样的，所以有可能这就是导致系统卡死的原因。
独立显卡 Bonaire 的初始化路径：

• family = AMDGPU_FAMILY_CI（Sea Islands 独显）
• SMU 用 pp_smu（独立卡电源管理）
• DCE 用 dce_v8_2

而 A9-9820 是 APU 集显，应该走 APU 路径：

• family = AMDGPU_FAMILY_KV（Kaveri APU）
• SMU 用 kv_smu（APU 电源管理）
• DCE 用 dce_v8_1

于是，我增加了AMD_IS_APU这个参数，和CHIP_BONAIRE进行组合，也就是：CHIP_BONAIRE | AMD_IS_APU。
这次就不卡死了，算是当时我看来一个还可以的进展，但是依然没能让核显正常工作，日志报错：

[   12.234954] amdgpu: Virtual CRAT table created for CPU
[   12.234993] amdgpu: Topology: Add CPU node
[   12.235458] amdgpu 0000:00:01.0: amdgpu: initializing kernel modesetting (BONAIRE 0x1002:0x154C 0x1002:0x154C 0x00).
[   12.235485] amdgpu 0000:00:01.0: amdgpu: register mmio base: 0xFEA00000
[   12.235489] amdgpu 0000:00:01.0: amdgpu: register mmio size: 524288
[   12.235643] amdgpu 0000:00:01.0: amdgpu: detected ip block number 0 <common_v1_0_0> (cik_common)
[   12.235649] amdgpu 0000:00:01.0: amdgpu: detected ip block number 1 <gmc_v7_0_0> (gmc_v7_0)
[   12.235654] amdgpu 0000:00:01.0: amdgpu: detected ip block number 2 <ih_v2_0_0> (cik_ih)
[   12.235659] amdgpu 0000:00:01.0: amdgpu: detected ip block number 3 <gfx_v7_2_0> (gfx_v7_0)
[   12.235663] amdgpu 0000:00:01.0: amdgpu: detected ip block number 4 <sdma_v2_0_0> (cik_sdma)
[   12.235667] amdgpu 0000:00:01.0: amdgpu: detected ip block number 5 <smu_v1_0_0> (powerplay)
[   12.235672] amdgpu 0000:00:01.0: amdgpu: detected ip block number 6 <dce_v8_2_0> (dce_v8_0)
[   12.235676] amdgpu 0000:00:01.0: amdgpu: detected ip block number 7 <uvd_v4_2_0> (uvd_v4_2)
[   12.235680] amdgpu 0000:00:01.0: amdgpu: detected ip block number 8 <vce_v2_0_0> (vce_v2_0)
[   12.253007] amdgpu 0000:00:01.0: amdgpu: Fetched VBIOS from ROM BAR
[   12.253014] amdgpu: ATOM BIOS: 113-AmdCato-007
[   12.253479] amdgpu 0000:00:01.0: amdgpu: early_init of IP block <powerplay> failed -22
[   12.253487] amdgpu 0000:00:01.0: amdgpu: Fatal error during GPU init
[   12.253491] amdgpu 0000:00:01.0: amdgpu: amdgpu: finishing device.

尝试添加内核启动参数amdgpu.cik_support=1 radeon.cik_support=0 amdgpu.dpm=0也是一样的结果。
不过，这一次尝试也让我对这个芯片有了初步的认识：或许CHIP_BONAIRE并不合适，而是需要找更合适的初始化路径。而且参考日志，VBIOS 显示是"113-AmdCato-007"，"Cato" 是 Kabini/Mullins APU 的 VBIOS 代号。我顺藤摸瓜让AI帮我解析了Linux内核相关的代码，找到了原因：
CHIP_BONAIRE | AMD_IS_APU 虽然设了 AMD_IS_APU，但 cik_set_ip_blocks 中 Bonaire 分支用的是 pp_smu（独立卡电源管理），而 APU 应该用 kv_smu。pp_smu 的 early_init 在 APU 硬件上返回 -22 (-EINVAL) → 致命错误。
对比 cik_set_ip_blocks 中各芯片的 SMU 选择：

VBIOS 是 "Cato"（Kabini/Mullins），GFX 应该是 gfx_v7_2（与 Bonaire 相同），但 SMU 必须是 kv_smu，DCE 应该是 dce_v8_3。
那下一步，就试试看Kabini吧。

尝试使用Kabini的逻辑初始化GPU

把

{0x1002, 0x154C, PCI_ANY_ID, PCI_ANY_ID, 0, 0, CHIP_BONAIRE | AMD_IS_APU}

改成

{0x1002, 0x154C, PCI_ANY_ID, PCI_ANY_ID, 0, 0, CHIP_KABINI | AMD_IS_APU}

后，进度又往前走了一些：

• 好消息：可以认到显存了
• 坏消息：屏幕会定格，不再刷新

但是实际上系统还活着，我之前为了方便调试故意开启了SSH服务，这下派上用场了，抓到的日志如下：

[   12.354963] amdgpu: Virtual CRAT table created for CPU
[   12.354997] amdgpu: Topology: Add CPU node
[   12.355423] amdgpu 0000:00:01.0: amdgpu: initializing kernel modesetting (KABINI 0x1002:0x154C 0x1002:0x154C 0x00).
[   12.355449] amdgpu 0000:00:01.0: amdgpu: register mmio base: 0xFEA00000
[   12.355453] amdgpu 0000:00:01.0: amdgpu: register mmio size: 524288
[   12.355670] amdgpu 0000:00:01.0: amdgpu: detected ip block number 0 <common_v1_0_0> (cik_common)
[   12.355676] amdgpu 0000:00:01.0: amdgpu: detected ip block number 1 <gmc_v7_0_0> (gmc_v7_0)
[   12.355681] amdgpu 0000:00:01.0: amdgpu: detected ip block number 2 <ih_v2_0_0> (cik_ih)
[   12.355685] amdgpu 0000:00:01.0: amdgpu: detected ip block number 3 <gfx_v7_2_0> (gfx_v7_0)
[   12.355689] amdgpu 0000:00:01.0: amdgpu: detected ip block number 4 <sdma_v2_0_0> (cik_sdma)
[   12.355694] amdgpu 0000:00:01.0: amdgpu: detected ip block number 5 <smu_v1_0_0> (kv_dpm)
[   12.355698] amdgpu 0000:00:01.0: amdgpu: detected ip block number 6 <dce_v8_3_0> (dce_v8_0)
[   12.355702] amdgpu 0000:00:01.0: amdgpu: detected ip block number 7 <uvd_v4_2_0> (uvd_v4_2)
[   12.355706] amdgpu 0000:00:01.0: amdgpu: detected ip block number 8 <vce_v2_0_0> (vce_v2_0)
[   12.372959] amdgpu 0000:00:01.0: amdgpu: Fetched VBIOS from ROM BAR
[   12.372966] amdgpu: ATOM BIOS: 113-AmdCato-007
[   12.373430] kfd kfd: amdgpu: KABINI  not supported in kfd
[   12.394741] amdgpu 0000:00:01.0: vgaarb: deactivate vga console
[   12.394749] amdgpu 0000:00:01.0: amdgpu: Trusted Memory Zone (TMZ) feature not supported
[   12.394755] amdgpu 0000:00:01.0: amdgpu: PCIE atomic ops is not supported
[   12.395173] amdgpu 0000:00:01.0: amdgpu: vm size is 64 GB, 2 levels, block size is 10-bit, fragment size is 9-bit
[   12.395184] amdgpu 0000:00:01.0: amdgpu: VRAM: 2048M 0x0000000503000000 - 0x0000000582FFFFFF (2048M used)
[   12.395190] amdgpu 0000:00:01.0: amdgpu: GART: 1024M 0x0000000000000000 - 0x000000003FFFFFFF
[   12.395224] Modules linked in: amdgpu(+) amdxcp i2c_algo_bit drm_ttm_helper ttm drm_exec drm_panel_backlight_quirks gpu_sched drm_suballoc_helper drm_buddy drm_display_helper cec video wmi
[   12.395316]  ? gmc_v7_0_get_vbios_fb_size+0x37/0x60 [amdgpu b4e2b151282b577116982d879ae211f075ca2010]
[   12.396717]  amdgpu_bo_init+0x3e/0x90 [amdgpu b4e2b151282b577116982d879ae211f075ca2010]
[   12.398029]  ? amdgpu_gmc_get_vbios_allocations+0xad/0x160 [amdgpu b4e2b151282b577116982d879ae211f075ca2010]
[   12.399301]  gmc_v7_0_sw_init+0x366/0x570 [amdgpu b4e2b151282b577116982d879ae211f075ca2010]
[   12.400573]  amdgpu_device_init+0x23fb/0x3290 [amdgpu b4e2b151282b577116982d879ae211f075ca2010]
[   12.401820]  amdgpu_driver_load_kms+0x18/0x70 [amdgpu b4e2b151282b577116982d879ae211f075ca2010]
[   12.403051]  amdgpu_pci_probe+0x1ed/0x4e0 [amdgpu b4e2b151282b577116982d879ae211f075ca2010]
[   12.404332]  ? __pfx_amdgpu_init+0x10/0x10 [amdgpu b4e2b151282b577116982d879ae211f075ca2010]
[   12.405564]  ? amdgpu_init+0x36/0xff0 [amdgpu b4e2b151282b577116982d879ae211f075ca2010]
[   12.406985] [drm:amdgpu_bo_init [amdgpu]] *ERROR* Unable to set WC memtype for the aperture base
[   12.408243] amdgpu 0000:00:01.0: amdgpu: sw_init of IP block <gmc_v7_0> failed -22
[   12.408252] amdgpu 0000:00:01.0: amdgpu: amdgpu_device_ip_init failed
[   12.408256] amdgpu 0000:00:01.0: amdgpu: Fatal error during GPU init
[   12.408261] amdgpu 0000:00:01.0: amdgpu: amdgpu: finishing device.
[   12.408540] amdgpu 0000:00:01.0: probe with driver amdgpu failed with error -22

我本来以为还有几步操作就可以成功驱动起这个GPU，没想到从这里开始，就陷入了战争泥潭。

噩梦的开始：加载即重启

为了修复*ERROR* Unable to set WC memtype for the aperture base，让这个GPU能正常工作，我开始尝试让Codearts往上面加补丁了（因为Codex烧额度，我感觉强度似乎还没上去就没用），噩梦开始。

Codearts尝试修复

最开始，是设置一个 is_app_apu 补丁：在 gmc_v7_0.c 的 visible_vram_size 赋值之前注入：

if (adev->flags & AMD_IS_APU)
    adev->gmc.is_app_apu = true;

• 让 amdgpu_bo_init 跳过对系统内存地址设置 WC memtype 的调用
• 与 gmc_v9_0.c 中 Raven+ APU 的处理方式一致

然后，接下来就是新错误登场：

[   12.256592] amdgpu: Virtual CRAT table created for CPU
[   12.256631] amdgpu: Topology: Add CPU node
[   12.257117] amdgpu 0000:00:01.0: amdgpu: initializing kernel modesetting (KABINI 0x1002:0x154C 0x1002:0x154C 0x00).
[   12.257145] amdgpu 0000:00:01.0: amdgpu: register mmio base: 0xFEA00000
[   12.257149] amdgpu 0000:00:01.0: amdgpu: register mmio size: 524288
[   12.257275] amdgpu 0000:00:01.0: amdgpu: detected ip block number 0 <common_v1_0_0> (cik_common)
[   12.257281] amdgpu 0000:00:01.0: amdgpu: detected ip block number 1 <gmc_v7_0_0> (gmc_v7_0)
[   12.257286] amdgpu 0000:00:01.0: amdgpu: detected ip block number 2 <ih_v2_0_0> (cik_ih)
[   12.257291] amdgpu 0000:00:01.0: amdgpu: detected ip block number 3 <gfx_v7_2_0> (gfx_v7_0)
[   12.257295] amdgpu 0000:00:01.0: amdgpu: detected ip block number 4 <sdma_v2_0_0> (cik_sdma)
[   12.257300] amdgpu 0000:00:01.0: amdgpu: detected ip block number 5 <smu_v1_0_0> (kv_dpm)
[   12.257304] amdgpu 0000:00:01.0: amdgpu: detected ip block number 6 <dce_v8_3_0> (dce_v8_0)
[   12.257308] amdgpu 0000:00:01.0: amdgpu: detected ip block number 7 <uvd_v4_2_0> (uvd_v4_2)
[   12.257312] amdgpu 0000:00:01.0: amdgpu: detected ip block number 8 <vce_v2_0_0> (vce_v2_0)
[   12.274560] amdgpu 0000:00:01.0: amdgpu: Fetched VBIOS from ROM BAR
[   12.274570] amdgpu: ATOM BIOS: 113-AmdCato-007
[   12.275074] kfd kfd: amdgpu: KABINI  not supported in kfd
[   12.296752] amdgpu 0000:00:01.0: vgaarb: deactivate vga console
[   12.296761] amdgpu 0000:00:01.0: amdgpu: Trusted Memory Zone (TMZ) feature not supported
[   12.296766] amdgpu 0000:00:01.0: amdgpu: PCIE atomic ops is not supported
[   12.297200] amdgpu 0000:00:01.0: amdgpu: vm size is 64 GB, 2 levels, block size is 10-bit, fragment size is 9-bit
[   12.297212] amdgpu 0000:00:01.0: amdgpu: VRAM: 2048M 0x0000000503000000 - 0x0000000582FFFFFF (2048M used)
[   12.297218] amdgpu 0000:00:01.0: amdgpu: GART: 1024M 0x0000000000000000 - 0x000000003FFFFFFF
[   12.297447] amdgpu 0000:00:01.0: amdgpu: amdgpu: 2048M of VRAM memory ready
[   12.297454] amdgpu 0000:00:01.0: amdgpu: amdgpu: 6955M of GTT memory ready.
[   12.297530] amdgpu 0000:00:01.0: amdgpu: (-12) failed to allocate kernel bo
[   12.297534] amdgpu 0000:00:01.0: amdgpu: sw_init of IP block <gmc_v7_0> failed -12
[   12.297538] amdgpu 0000:00:01.0: amdgpu: amdgpu_device_ip_init failed
[   12.297542] amdgpu 0000:00:01.0: amdgpu: Fatal error during GPU init
[   12.297547] amdgpu 0000:00:01.0: amdgpu: amdgpu: finishing device.
[   12.297832] amdgpu 0000:00:01.0: probe with driver amdgpu failed with error -12

(-12) failed to allocate kernel bo
sw_init of IP block <gmc_v7_0> failed -12
-12 = -ENOMEM（内存不足）。GART 表分配失败。
然后发现错误是前面设置了gmc.is_app_apu = true的副作用。。。
华为云！！！Codearts！！！

Codex登场

有一说一，Codex还是有点东西的，上来先用这个命令查看机器内存布局：

cat /proc/iomem
dmesg | grep -Ei 'BIOS-e820|e820|PAT|MTRR|ioremap|memtype'

结果如下：

[root@Xbox-One miku]# cat /proc/meminfo | grep -E 'MemTotal|Cma|MemAvailable'
MemTotal:       14244860 kB
MemAvailable:   13643096 kB
CmaTotal:              0 kB
CmaFree:               0 kB
[root@Xbox-One miku]# dmesg | grep -E 'VRAM|GART|aper|visible|bo_init|kernel bo' 
[   12.297212] amdgpu 0000:00:01.0: amdgpu: VRAM: 2048M 0x0000000503000000 - 0x0000000582FFFFFF (2048M used)
[   12.297218] amdgpu 0000:00:01.0: amdgpu: GART: 1024M 0x0000000000000000 - 0x000000003FFFFFFF
[   12.297224] [drm] Detected VRAM RAM=2048M, BAR=2048M
[   12.297447] amdgpu 0000:00:01.0: amdgpu: amdgpu: 2048M of VRAM memory ready
[   12.297525] [drm] GART: num cpu pages 262144, num gpu pages 262144
[   12.297530] amdgpu 0000:00:01.0: amdgpu: (-12) failed to allocate kernel bo

结果很明显，BIOS是给核显划分了固定的显存。然后，Codex开始了修理工作：

• 清理旧的 is_app_apu=true 补丁，保留 VRAM manager。
• 仅对 1002:154c 跳过三处 WC reserve/free，其他 AMD APU 不受影响。
• 对 Kryptos aperture 使用 memremap(..., MEMREMAP_WB)，兼容 System RAM direct map 和 reserved RAM。
• 使用 memunmap() 对称释放，并在 WB 映射失败时输出明确错误。

然后还是继续失败报错：

[root@Xbox-One miku]# dmesg | grep -i amdgpu
[   12.212067] amdgpu: Virtual CRAT table created for CPU
[   12.212105] amdgpu: Topology: Add CPU node
[   12.212535] amdgpu 0000:00:01.0: amdgpu: initializing kernel modesetting (KABINI 0x1002:0x154C 0x1002:0x154C 0x00).
[   12.212562] amdgpu 0000:00:01.0: amdgpu: register mmio base: 0xFEA00000
[   12.212566] amdgpu 0000:00:01.0: amdgpu: register mmio size: 524288
[   12.212794] amdgpu 0000:00:01.0: amdgpu: detected ip block number 0 <common_v1_0_0> (cik_common)
[   12.212800] amdgpu 0000:00:01.0: amdgpu: detected ip block number 1 <gmc_v7_0_0> (gmc_v7_0)
[   12.212805] amdgpu 0000:00:01.0: amdgpu: detected ip block number 2 <ih_v2_0_0> (cik_ih)
[   12.212836] amdgpu 0000:00:01.0: amdgpu: detected ip block number 3 <gfx_v7_2_0> (gfx_v7_0)
[   12.212841] amdgpu 0000:00:01.0: amdgpu: detected ip block number 4 <sdma_v2_0_0> (cik_sdma)
[   12.212846] amdgpu 0000:00:01.0: amdgpu: detected ip block number 5 <smu_v1_0_0> (kv_dpm)
[   12.212851] amdgpu 0000:00:01.0: amdgpu: detected ip block number 6 <dce_v8_3_0> (dce_v8_0)
[   12.212855] amdgpu 0000:00:01.0: amdgpu: detected ip block number 7 <uvd_v4_2_0> (uvd_v4_2)
[   12.212860] amdgpu 0000:00:01.0: amdgpu: detected ip block number 8 <vce_v2_0_0> (vce_v2_0)
[   12.230204] amdgpu 0000:00:01.0: amdgpu: Fetched VBIOS from ROM BAR
[   12.230211] amdgpu: ATOM BIOS: 113-AmdCato-007
[   12.230681] kfd kfd: amdgpu: KABINI  not supported in kfd
[   12.251933] amdgpu 0000:00:01.0: vgaarb: deactivate vga console
[   12.251949] amdgpu 0000:00:01.0: amdgpu: Trusted Memory Zone (TMZ) feature not supported
[   12.251954] amdgpu 0000:00:01.0: amdgpu: PCIE atomic ops is not supported
[   12.252335] amdgpu 0000:00:01.0: amdgpu: vm size is 64 GB, 2 levels, block size is 10-bit, fragment size is 9-bit
[   12.252345] amdgpu 0000:00:01.0: amdgpu: VRAM: 2048M 0x0000000503000000 - 0x0000000582FFFFFF (2048M used)
[   12.252351] amdgpu 0000:00:01.0: amdgpu: GART: 1024M 0x0000000000000000 - 0x000000003FFFFFFF
[   12.252658] Modules linked in: amdgpu(+) amdxcp i2c_algo_bit drm_ttm_helper ttm drm_exec drm_panel_backlight_quirks gpu_sched drm_suballoc_helper drm_buddy drm_display_helper cec video wmi
[   12.252750]  amdgpu_ttm_init+0x43c/0x5f0 [amdgpu c7aa2d667817fe2b1ae23004c569e2c60385e309]
[   12.254102]  ? amdgpu_gmc_get_vbios_allocations+0xad/0x160 [amdgpu c7aa2d667817fe2b1ae23004c569e2c60385e309]
[   12.255400]  gmc_v7_0_sw_init+0x366/0x570 [amdgpu c7aa2d667817fe2b1ae23004c569e2c60385e309]
[   12.256712]  amdgpu_device_init+0x23fb/0x3290 [amdgpu c7aa2d667817fe2b1ae23004c569e2c60385e309]
[   12.257932]  amdgpu_driver_load_kms+0x18/0x70 [amdgpu c7aa2d667817fe2b1ae23004c569e2c60385e309]
[   12.259142]  amdgpu_pci_probe+0x1ed/0x4e0 [amdgpu c7aa2d667817fe2b1ae23004c569e2c60385e309]
[   12.260402]  ? __pfx_amdgpu_init+0x10/0x10 [amdgpu c7aa2d667817fe2b1ae23004c569e2c60385e309]
[   12.261588]  ? amdgpu_init+0x36/0xff0 [amdgpu c7aa2d667817fe2b1ae23004c569e2c60385e309]
[   12.262928] amdgpu 0000:00:01.0: amdgpu: failed to map Kryptos VRAM aperture as WB
[   12.262933] amdgpu 0000:00:01.0: amdgpu: sw_init of IP block <gmc_v7_0> failed -12
[   12.262938] amdgpu 0000:00:01.0: amdgpu: amdgpu_device_ip_init failed
[   12.262943] amdgpu 0000:00:01.0: amdgpu: Fatal error during GPU init
[   12.262949] amdgpu 0000:00:01.0: amdgpu: amdgpu: finishing device.
[   12.263230] amdgpu 0000:00:01.0: probe with driver amdgpu failed with error -12
[root@Xbox-One miku]# dmesg | grep -E 'VRAM|GART|aper|visible|bo_init|kernel bo'
[   12.252345] amdgpu 0000:00:01.0: amdgpu: VRAM: 2048M 0x0000000503000000 - 0x0000000582FFFFFF (2048M used)
[   12.252351] amdgpu 0000:00:01.0: amdgpu: GART: 1024M 0x0000000000000000 - 0x000000003FFFFFFF
[   12.252357] [drm] Detected VRAM RAM=2048M, BAR=2048M
[   12.262928] amdgpu 0000:00:01.0: amdgpu: failed to map Kryptos VRAM aperture as WB
[root@Xbox-One miku]# cat /proc/iomem
00000000-00000fff : Reserved
00001000-0009ffff : System RAM
000a0000-000dffff : PCI Bus 0000:00
  000c0000-000cd3ff : Video ROM
000f0000-000fffff : System ROM
00100000-3ac02fff : System RAM
3ac03000-3b1f1fff : Reserved
3b1f2000-3d8bffff : System RAM
3d8c0000-3d926fff : Reserved
3d927000-3d936fff : ACPI Tables
3d937000-3ddf1fff : ACPI Non-volatile Storage
3ddf2000-3df7efff : Reserved
3df7f000-3e106fff : System RAM
3e107000-3e11efff : Reserved
3e11f000-3e148fff : System RAM
3e149000-3e4b3fff : Reserved
3e4b4000-3e886fff : System RAM
3e887000-3eff7fff : Reserved
3eff8000-3effffff : System RAM
3f000000-3fffffff : RAM buffer
40000000-bfffffff : pnp 00:01
c0000000-ffffffff : PCI Bus 0000:00
  c0000000-cfffffff : 0000:00:01.0
  d0000000-d07fffff : 0000:00:01.0
  e0000000-efffffff : PCI ECAM 0000 [bus 00-ff]
    e0000000-efffffff : pnp 00:00
  fe900000-fe9fffff : PCI Bus 0000:03
    fe900000-fe903fff : 0000:03:00.0
    fe904000-fe904fff : 0000:03:00.0
      fe904000-fe904fff : r8169
  fea00000-fea7ffff : 0000:00:01.0
  feaa0000-feaa3fff : 0000:00:14.2
    feaa0000-feaa3fff : ICH HD audio
  feaa4000-feaa7fff : 0000:00:01.1
    feaa4000-feaa7fff : ICH HD audio
  feaa8000-feaa80ff : 0000:00:16.2
    feaa8000-feaa80ff : ehci_hcd
  feaa9000-feaa9fff : 0000:00:16.0
    feaa9000-feaa9fff : ohci_hcd
  feaaa000-feaaa0ff : 0000:00:14.7
    feaaa000-feaaa0ff : mmc0
  feaab000-feaabfff : 0000:00:14.5
    feaab000-feaabfff : ohci_hcd
  feaac000-feaac0ff : 0000:00:13.2
    feaac000-feaac0ff : ehci_hcd
  feaad000-feaadfff : 0000:00:13.0
    feaad000-feaadfff : ohci_hcd
  feaae000-feaae0ff : 0000:00:12.2
    feaae000-feaae0ff : ehci_hcd
  feaaf000-feaaffff : 0000:00:12.0
    feaaf000-feaaffff : ohci_hcd
  feab0000-feab07ff : 0000:00:11.0
    feab0000-feab07ff : ahci
  feb80000-febfffff : amd_iommu
  fec00000-fec003ff : IOAPIC 0
  fec01000-fec013ff : IOAPIC 1
  fec10000-fec10fff : Reserved
    fec10000-fec10fff : pnp 00:04
  fed00000-fed003ff : HPET 0
    fed00000-fed003ff : PNP0103:00
  fed61000-fed70fff : pnp 00:04
  fed80000-fed8ffff : Reserved
    fed80000-fed8ffff : pnp 00:04
  fee00000-fee00fff : pnp 00:04
  ff000000-ffffffff : pnp 00:04
100000000-43effffff : System RAM
  233200000-2349f00af : Kernel code
  234a00000-2359cafff : Kernel rodata
  235a00000-235ce3b3f : Kernel data
  2366db000-236bfffff : Kernel bss
43f000000-43fffffff : RAM buffer
[root@Xbox-One miku]# dmesg | grep -Ei 'BIOS-e820|e820|PAT|MTRR|ioremap|memtype'
[    0.000000] BIOS-e820: [mem 0x0000000000000000-0x000000000009ffff] usable
[    0.000000] BIOS-e820: [mem 0x0000000000100000-0x000000003d8bffff] usable
[    0.000000] BIOS-e820: [mem 0x000000003d8c0000-0x000000003d926fff] reserved
[    0.000000] BIOS-e820: [mem 0x000000003d927000-0x000000003d936fff] ACPI data
[    0.000000] BIOS-e820: [mem 0x000000003d937000-0x000000003ddf1fff] ACPI NVS
[    0.000000] BIOS-e820: [mem 0x000000003ddf2000-0x000000003df7efff] reserved
[    0.000000] BIOS-e820: [mem 0x000000003df7f000-0x000000003e106fff] usable
[    0.000000] BIOS-e820: [mem 0x000000003e107000-0x000000003e11efff] reserved
[    0.000000] BIOS-e820: [mem 0x000000003e11f000-0x000000003e148fff] usable
[    0.000000] BIOS-e820: [mem 0x000000003e149000-0x000000003e4b3fff] reserved
[    0.000000] BIOS-e820: [mem 0x000000003e4b4000-0x000000003e886fff] usable
[    0.000000] BIOS-e820: [mem 0x000000003e887000-0x000000003eff7fff] reserved
[    0.000000] BIOS-e820: [mem 0x000000003eff8000-0x000000003effffff] usable
[    0.000000] BIOS-e820: [mem 0x00000000e0000000-0x00000000efffffff] reserved
[    0.000000] BIOS-e820: [mem 0x00000000feb80000-0x00000000fec01fff] reserved
[    0.000000] BIOS-e820: [mem 0x00000000fec10000-0x00000000fec10fff] reserved
[    0.000000] BIOS-e820: [mem 0x00000000fed80000-0x00000000fed8ffff] reserved
[    0.000000] BIOS-e820: [mem 0x00000000ff000000-0x00000000ffffffff] reserved
[    0.000000] BIOS-e820: [mem 0x0000000100000000-0x000000043effffff] usable
[    0.000000] efi: Remove mem36: MMIO range=[0xe0000000-0xefffffff] (256MB) from e820 map
[    0.000000] e820: remove [mem 0xe0000000-0xefffffff] reserved
[    0.000000] efi: Remove mem37: MMIO range=[0xfeb80000-0xfec01fff] (0MB) from e820 map
[    0.000000] e820: remove [mem 0xfeb80000-0xfec01fff] reserved
[    0.000000] efi: Not removing mem38: MMIO range=[0xfec10000-0xfec10fff] (4KB) from e820 map
[    0.000000] efi: Not removing mem39: MMIO range=[0xfed80000-0xfed8ffff] (64KB) from e820 map
[    0.000000] efi: Remove mem40: MMIO range=[0xff000000-0xffffffff] (16MB) from e820 map
[    0.000000] e820: remove [mem 0xff000000-0xffffffff] reserved
[    0.001167] e820: update [mem 0x00000000-0x00000fff] usable ==> reserved
[    0.001172] e820: remove [mem 0x000a0000-0x000fffff] usable
[    0.001594] Found optimal setting for mtrr clean up
[    0.001603] MTRR map: 6 entries (3 fixed + 3 variable; max 20), built from 9 variable MTRRs
[    0.001607] x86/PAT: Configuration [0-7]: WB  WC  UC- UC  WB  WP  UC- WT
[    0.001912] e820: update [mem 0x3f000000-0xffffffff] usable ==> reserved
[    0.062495] e820: update [mem 0x3ac03000-0x3b1f1fff] usable ==> reserved
[    0.430327] le9 Unofficial (le9uo) working set protection 1.15a by Masahito Suzuki (forked from hakavlad's original le9 patch)
[    0.472315] PCI: Using E820 reservations for host bridge windows
[    0.509845] e820: reserve RAM buffer [mem 0x3ac03000-0x3bffffff]
[    0.509850] e820: reserve RAM buffer [mem 0x3d8c0000-0x3fffffff]
[    0.509853] e820: reserve RAM buffer [mem 0x3e107000-0x3fffffff]
[    0.509857] e820: reserve RAM buffer [mem 0x3e149000-0x3fffffff]
[    0.509860] e820: reserve RAM buffer [mem 0x3e887000-0x3fffffff]
[    0.509863] e820: reserve RAM buffer [mem 0x3f000000-0x3fffffff]
[    0.509865] e820: reserve RAM buffer [mem 0x43f000000-0x43fffffff]
[    2.130747] systemd[1]: Reached target Path Units.
[   15.949985] systemd[1]: Dispatch Password Requests to Console Directory Watch skipped, unmet condition check ConditionPathExists=!/run/plymouth/pid
[   16.007575] systemd[1]: Clear Stale Hibernate Storage Info skipped, unmet condition check ConditionPathExists=/sys/firmware/efi/efivars/HibernateLocation-8cf2644b-4b0b-428f-9387-6d876050dc67
[   16.032660] systemd[1]: TPM PCR NvPCR Initialization Separator skipped, unmet condition check ConditionPathExists=/etc/initrd-release
[   18.864609] scsi host4: pata_atiixp
[   18.864981] scsi host5: pata_atiixp
[   18.865079] ata5: PATA max UDMA/100 cmd 0x1f0 ctl 0x3f6 bmdma 0xf100 irq 14 lpm-pol 0
[   18.865084] ata6: PATA max UDMA/100 cmd 0x170 ctl 0x376 bmdma 0xf108 irq 15 lpm-pol 0

为了修复这个问题，Codex给我的修复方案是：

• 不再尝试将 0x503000000 作为 CPU 物理地址进行 WB 映射。
• Kryptos 改为保留真实 PCI BAR0 作为 CPU 可见显存窗口。

• BIOS 设置的 2GB 仍由 CONFIG_MEMSIZE 识别为总 VRAM。预期日志应类似：

  Detected VRAM RAM=2048M, BAR=256M

  这是正常状态，TTM 会把需要 CPU 访问的 BO 限制在 256MB 可见窗口内。

• 没有再修改 WC reserve/free、ioremap_wc() 或 iounmap()。

接下来就是噩梦的开始：加载驱动触发机器重置

Codex给出的Debug方案是：
先禁止 amdgpu 自动加载，让系统正常进入并建立 SSH，然后手动加载模块，同时把 dmesg -w 输出保存在另一台机器上。即使目标机随后硬锁或重启，已经通过 SSH 发出的最后几行仍保留在客户端。
在Linux启动参数追加：

modprobe.blacklist=amdgpu rd.driver.blacklist=amdgpu panic=0 nowatchdog nmi_watchdog=0 loglevel=7 ignore_loglevel drm.debug=0x1ff

• blacklist 让系统先正常启动。
• panic=0 阻止 panic 后自动重启。
• nowatchdog nmi_watchdog=0 避免锁死检测器自动重启。
• 后三个参数增加 DRM 日志。

目标机器启动后，在另一台机器运行：

ssh root@目标机器IP 'stdbuf -oL dmesg --follow-new --human' | tee amdgpu-crash.log

保持这个终端运行。
然后再开一个 SSH 终端，手动触发驱动加载：

modprobe amdgpu

即使目标机硬锁或重启，amdgpu-crash.log 中已经传出来的内容仍会保留。

不得不说，这确实是一个好办法。不过这样子会被simple-framebuffer的 DRM debug 信息刷屏，解决办法是测试前执行：

echo 0 > /sys/module/drm/parameters/debug
dmesg -n 7

• drm debug=0 会关闭 [drm:drm_atomic_*] 等调试刷屏。
• dmesg -n 7 允许 info 及更高优先级通过控制台/netconsole，但排除 debug。

然后我就按照这个办法，拉锯了三四天，搞得筋疲力尽，还是毫无进展。这个阶段非常地枯燥，基本就是三点一线：Codex提出假设和验证并落实代码——我进行内核编译和安装——在目标机器上面启动，测试，抓取日志。
因为整个解决问题的过程太过于枯燥，而且我本人没有学过C语言，只能是让Codex来解决，但是我并不太懂具体应该怎么修复，所以基本上GPT说是什么就是什么了。
整个尝试的过程非常漫长，我只把让Codex尝试过的方法和结果罗列出来：

一、早期尝试（解决 WC memtype 和 VRAM 映射错误）

1. 修改 APU 的 WC memtype 预留条件

   • 在 amdgpu_object.c 和 amdgpu_device.c 的三处条件中增加 !(adev->flags & AMD_IS_APU)，跳过 arch_io_reserve_memtype_wc()。
   • 结果：仍触发复位，且后续发现映射仍是 ioremap_wc()，并非真正的 WB。

2. 强制使用 memremap(..., MEMREMAP_WB) 替代 ioremap_wc()

   • 针对 Kryptos 的 VRAM aperture 改用 WB 映射。
   • 结果：memremap 失败（地址不在 E820 中），导致 -12。

3. 保留真实 PCI BAR0（256 MiB）替代被覆盖的错误 aperture

   • 禁止 gmc_v7_0_mc_init() 用 MC_VM_FB_OFFSET 覆盖 aper_base，保留 BAR0 的物理地址。
   • 结果：消除了 memremap 错误，但后续 GART 表写入仍复位。

4. 尝试 vramlimit 参数

   • vramlimit=2 不重启（因提前 ENOMEM），vramlimit=8、128 仍重启。
   • 结论：不解决根本问题，只是提前失败。

二、GART 页表写入方式的穷举测试

5. 拆分 64 位 PTE 为两个 32 位 writel()

   • 避免原生的 writeq() 可能引发的 64 位写合并问题。

   • 结果：复位点略变，但仍在约 80~90 个 PTE 后复位。
     Godavari golden table**

     • 使用 Windows 中匹配的 godavari_golden_registers 替换 Kabini 表，并修正一

6. 调整写入顺序（正序、倒序、偶数/奇数页优先）

   • 通过模块参数改变 PTE 写入顺序。
   • 结果：复位点随顺序改变，但未消除，排除固定地址故障。

7. 插入不同内存屏障（wmb()、mb()、sfence、mfence）

   • 尝试每批、每页、每半写后增加屏障。
   • 结果：屏障类型和频率不影响复位位置，排除写合并未排空。

8. 改变批量提交大小（每 1/8/32/64 页提交一次）

   • 测试不同的 WC 批处理粒度。
   • 结果：依然在相近累计页数复位，排除批次大小。

9. 清除 PTE 的 VALID 位（写入全零或仅 flags）

   • 测试是否因有效位导致 VMC 解析错误。
   • 结果：全零 PTE 仍在相同累计数复位，排除 PTE 内容。

10. 增加 PTE 写入间隔（10ms 延迟）

    • 放慢写入速度，试图避免硬件过载。
    • 结果：仍复位，排除写入速率。

11. 尝试不同的写入后端（memcpy_toio、writew、writeb、批量 memcpy）

    • 替换 writel() 为其他 MMIO 原语。
    • 结果：memcpy_toio 能写到更多页（约 265 页），但最终仍复位，说明事务形态影响边界，但非根因。

三、ASIC 类型和固件切换

12. 强制 force_asic_type 为 Kabini、Bonaire、Kaveri、Mullins

    • 尝试不同芯片枚举，期望走不同的初始化路径。
    • 结果：Bonaire 早期失败，Kaveri/Mullins 与 Kabini 复位点几乎相同，排除简单换类型。

13. 切换 RLC 固件（Kabini vs Mullins）

    • 通过模块参数单独选择 RLC 固件。
    • 结果：不影响复位，仍停在相同位置。

14. 切换 CP 微码（PFP/ME/CE/MEC）固件族

    • 尝试 Kaveri、Bonaire 等固件。
    • 结果：忙状态改变，但复位/卡住位置不变。

四、IOMMU 和 BIOS 设置

15. 关闭 BIOS 中的 GFX IOMMU

    • 对比开启和关闭时的 DMA 地址和复位点。
    • 结果：地址变化，但复位位置不变，排除 IOMMU 翻译。

16. 内核参数 amd_iommu=off

    • 完全禁用 IOMMU。
    • 结果：同 BIOS 关闭，复位依旧。

五、内存硬件排除

17. 更换不同内存条、单通道测试

    • 排除内存条兼容性或双通道问题。
    • 结果：复位位置完全相同，排除普通 DIMM 故障。

六、VMC 寄存器访问和时钟门控

18. 读取 VMC 寄存器状态

    • 发现 VM_L2_CNTL、VM_CONTEXT0_CNTL 等写入后读回始终为 0。
    • 结论：VMC 单元未正确配置或未解锁。

19. 尝试 VMC 软复位（SRBM_SOFT_RESET）

    • 先 assert 再 deassert VMC 复位位。
    • 结果：复位位可操作，但 VMC 寄存器仍不可写。

20. 尝试 MM_INDEX/MM_DATA 间接访问 VMC 寄存器

    • 模拟可能的间接窗口。
    • 结果：仍读回 0，排除访问方式错误。

21. 解除 MC/VMC 时钟门控和 memory light sleep

    • 操作与 Linux mc_cg_registers[] 相同的 9 个寄存器，关闭门控位。
    • 结果：门控位可写，但 VMC 寄存器仍为零（此方法最终未被采用为最终修复）。

七、Windows 驱动逆向与差异移植

22. 分析 Windows 驱动（atikmdag.sys）的设备记录

    • 发现 0x154C 的配置指针与 Mullins 0x985x 完全相同，而非 Kabini 或 Kaveri。
    • 提取 external_rev=0xC3，修正 Linux 的 revision 映射。

23. 移植 Godavari golden table

    • 使用 Windows 中匹配的 godavari_golden_registers 替换 Kabini 表，并修正一个错误寄存器（0x260c0 → 0x260d）。
    • 结果：golden 寄存器可写，但 VMC 仍不可写，未解决复位。

24. 修改 clear-state/CSB 中的 stencil 值

    • 根据 Windows 驱动，将 DB_STENCILREFMASK 和 DB_STENCILREFMASK_BF 设为 0x01000000（Linux 为 0）。
    • 结果：改变了 CP 忙状态，但 RPTR 仍停在 0x48，未解决。

25. 采用 Windows 的 NOP 填充方式

    • 单 DWORD 用 PACKET2(0)，多 DWORD 用一条长 PACKET3_NOP，替代 Linux 的重复 0xffff1000。
    • 结果：仍无法执行第一条命令，但定位到 CP 前端问题。

八、最终有效方案：系统内存 GART 页表

26. 将 GART 页表从 VRAM（BAR0 映射）改为系统内存（dma_alloc_coherent）

    • 使用 dma_alloc_coherent() 分配 64 KiB 页表，将其 DMA 地址写入 VM 页表基址寄存器。
    • kryptos_gart_table_mode=1：用 dma_alloc_coherent() 在系统内存分配 GART 页表。
    • 把真实 DMA 地址写入 CIK 页表基址，避免依赖正在构建的 GART。
    • 系统页表使用普通内存写入和 dma_wmb()，不再经过 BAR0/WC。
    • init/fini 按分配类型对称处理。
    • 结果：不再复位，GART 初始化成功，所有 GTT BO 映射正常，后续 IH、GFX 等 IP 可继续初始化（尽管 GFX ring 测试仍超时，但那是另一层问题，不再导致硬重启）。

到这里，我感觉看到了胜利的曙光，还以为再努力一把就能让这个问题解决，没想到却掉入了一个更加无底洞的深渊。

不过现在写这篇技术笔记的时候，思考了一下，感觉应该最开始的故障点并没有解决：之前导致硬件复位应该和显存寄存器不可写有很大关系，因为后续Codex把 GART 页表移动到了系统内存，不再经过 BAR0/WC，这次就工作正常了。而后续寄存器大战，失败的点正是寄存器不可写。说明早期导致复位的故障和 VRAM 不可写/读取为0有很大的关联：内存控制器挂死并整机复位。前面搞的东西，有可能都是错误的，只不过是临时解决问题罢了，没能挖出根源。

终极噩梦：寄存器大战

因为前面提到的解决了重置问题，GMC开始工作，CP也能开始工作，我还以为说准备就能成功了，结果烧光了Token也没能解决问题。
随后的测试，真的让人感觉希望就在眼前：

• 系统 DMA GART 页表成功分配
• 原先必定复位的 map 4 已完成 256/256
• map 5、map 6 也完成，三个 IB pool 初始化成功。
• 0x7 已完成 GMC/IH 初始化并注册 amdgpu
• 0x0f 到 0x1ff 全部停在同一点：GFX 初始化分配 67,584 字节 CP table BO 时 pin 失败

但是后续的测试中发现，只要触碰到 BAR0 的 8 MiB 边界后就会发生平台级复位。为了解决这个问题，我让Codex逆向了Windows的驱动，发现了之前最开始就走错的地方：
Windows 安装包确实把设备挂在 Kaveri_Desktop 下，但 atikmdag.sys 内部的 0x154C 记录并没有复用标准 Kaveri 的两组配置指针，而是与 Mullins 0x9851 完全一致。
内核对比结果（By-Codex）:

不过，现在我再看表格，对于GFX拓扑应该是存疑的，因为Kryptos核显规模要大得多。

也就是意味着，Windows驱动初始化的逻辑，很大程度上是复用了Mullins微架构的，不是Kabini，不是Kaveri，更不是Bonaire！！！这说明，一开始那个仓库直接简单粗暴把芯片类型设置为Bonaire完全就是乱来，果然是个⑨！！！
所以到目前，基本上思路清晰了：以Mullins的初始化逻辑为基线，对Mullins和Kryptos存在差异的部分进行针对性的修补。随后，我让Codex继续逆向分析Windows的驱动，找到了一些信息：
设备表里标准 Kaveri 的公共 profile 被 19 条 0x13xx 记录使用；另一套 profile 被 41 条 0x985x Mullins 记录使用，而第 42 条就是 0x154C。其中 0x154C 的两个 profile 指针与 Mullins 0x9851 完全相同，只是它自己的 raw/external revision 是 0x25/0xc3。其中，0x154C就是Kryptos的ID。
得到以上的信息，我赶紧按照Codex的建议使用 Mullins 的初始化逻辑进行测试，并测试了Kabini和Kaveri，结果测出来了终极BOSS：

• KABINI、MULLINS、KAVERI 最终都停在同一点：rlc_resume 和微码加载成功，但 gfx ring test 超时 -110。
• 使用 kryptos_gfx_bo_mode=2 后不再整机复位，说明此前的复位确实主要由危险的 VRAM CPU 写入触发。

更关键的是，日志中 gfx ring 已放在 GTT，但初始化后的 VM 状态显示：

VM_L1_TLB_CNTL = 0x25b
VM_L2_CNTL     = 0
VM_L2_CNTL2    = 0
VM_L2_CNTL3    = 0
VM_CONTEXT0    = 0
VM_CONTEXT1_15 = 0

这足以解释 gfx ring 超时：CPU 创建了 GTT PTE，但 GPU 的 L2/VM context 看起来没有真正启用，CP 无法从 0x470000 左右的 GTT 地址读取命令环。

咚咚咚，VMC都是0，而且确定CPU写入 VRAM 的 BAR0 会触发重置！
后续也确认： VM_L2_CNTL 和 VM_L2_CNTL3 写入后立即读回 0；与此同时同一阶段的 MC L1 寄存器可以正常写入。整个 0x500–0x56x VMC 寄存器区像不存在一样，而 0x819 一类 MC 寄存器正常。非常的反常和奇怪！
后续，Codex尝试多个方向排查问题，均没能解决问题。我们尝试过不少分析推测和解决方案：

• 分析Windows驱动KMD寄存器写入方式：对 0x500 这类低地址寄存器，Windows 最终仍是 BAR + reg*4 的普通 MMIO，和 Linux WREG32() 的寻址方式一致。
• 参考Windows的完整初始化次序已经还原：它先写页表基址和 Context，再清理若干 VM 状态、写地址范围及 aperture，最后才启用 L2，并执行 invalidate。Linux 当前恰好先启用 L2，再写 Context。更重要的是，Windows 使用的 L2 常量也与主线 CIK 不同。并做出适配性修补。
• Kryptos 0x154c 虽然同属 FAMILY_KV，但配置指针是 0x0191ba40 / 0x00622488，与 0x985x Mullins 组一致，而不是原生 Kabini 或 Kaveri。
• 分析早期寄存器序列：Kryptos 的早期寄存器序列与 Linux 的 godavari_golden_registers 精确匹配。
• Windows KMD 中 Kryptos 154c 的两个配置指针与大量 985x Mullins 设备完全相同，和原生 Kabini 983x 不同。其 golden table 又精确对应 Linux godavari_golden_registers。所以从硬件配置看，它确实更像 Mullins/Godavari。
• 在已经恢复出的 Windows 设备选择层，Kryptos 与 Mullins 使用完全相同的 primary/secondary profile 指针，这一层可以确认是 100% 复用。
• Kryptos 专有部分主要是 PCI ID、revision、内存放置和少量寄存器值。
• Windows CIK clear-state 表与 Linux 基本一致，但 DB_STENCILREFMASK、DB_STENCILREFMASK_BF 使用 0x01000000，Linux 使用 0。
• CP/GART 已能正常取指，RPTR=0x48 证明不是整体 VM 地址错误。

但是结果是残酷的：

• VMC reset 确实成功置位并解除：SRBM_SOFT_RESET 回读正常。
• reset 后 VM_L2_CNTL、Context、aperture 寄存器仍拒绝写入并回读为零。
• 两套 Windows VMC 写入顺序都无法让 VM_L2_CNTL、页表基址等寄存器保留写入值，说明问题不只是 VMC 常量或初始化顺序。
• 从 gart_enable 当场开始，VM_L2_CNTL(0x500)、VM_CONTEXT0_CNTL(0x504)、页表基址和范围寄存器的写入都读回 0；只有 MC_VM_MX_L1_TLB_CNTL(0x819) 等 MC 寄存器能保持写入，也就是说当前真正可疑点已经前移到 VMC 寄存器访问/寄存器布局。
• CP_RB0_RPTR 仍固定在 0x48，ring test 超时 -110
• 按 KRYPTOS + Mullins CP 固件运行，PFP 内存写目标始终为 0xcafedead，RPTR/WPTR=0x48/0x100，最终正常超时卸载。

总结起来，问题还是：

• MC L1 配置成功；
• CPU 侧 GART PTE 正常；
• 但 VM_L2_CNTL、VMID0 页表 base/end/cntl 等关键寄存器完全没有保留写入值；
• 这个状态一直持续到 ring 超时。

没有任何进展。
看着日志中永恒不变的一系列：

amdgpu 0000:00:01.0: amdgpu: Kryptos VMC status: point=read-after stage=before-gtt-recover map=0 writes=0 name=VM_CONTEXT0_CNTL reg=0x504 value=0x00000000 direct=0x00000000 indexed=0x00000000 access_mode=1

说明VMC寄存器仍全部为零
再看看已经烧完的两周Codex额度，我，破防了。

尾声

烧了两周额度的Codex，浪费了宝贵的一周的暑假时间，到最后还是没能驱动起来A9-9820的GPU，虽然结果很失望，但是也并不是一无所获。我从最开始对Linux内核内部是怎么工作的一无所知，到现在大概了解了一些硬件的初始化流程，还学会了编译和安装内核，也算是折腾失败的结果里面，不幸中的万幸吧。
相关的代码和文件我已经整理到了附件，里面还有对应的Windows显卡驱动和Linux内核源码，修改后应该是可以用makepkg直接构建内核软件包进行安装测试的，感兴趣的朋友可以看一下，我也希望能有这方面的大佬可以指点迷津。
A9-9820-files.zip
压缩包解压密码是：www.nekopara.uk