在机器学习、人工智能等新兴领域中,定制化CPU和硬件、按需协同软硬件设计,能极大提高应用程序的性能、效率和安全性。但定制化CPU如果缺少配套编译器的支持,就无法执行应用程序,即新芯无“魂”。因此如何快速地为其开发编译器,从而打通软硬件设施,具有十分重要的意义。目前大多数与编译器相关的研究多集中在优化上,但在为特定目标生成代码的后端领域,缺乏广泛地研究和应有的重视。因此,本课题对编译器后端移植技术进行深入地探索和研究。本文对比了主流的两个编译器框架GCC和LLVM在后端移植上优缺点,总结了国内外的相关工作和研究现状。在LLVM现有工作和官方文档过时、资料匮乏的背景下,本文基于最新的代码分支LLVM 10,详细地分析了其后端代码生成和移植机制,这应当是目前最新也是最深入的研究工作。为了控制后端复杂度,使得相关学习和开发人员不会陷入机器和协议细节。本文在保证足够的功能性和支持运行复杂程序的前提下,首先设计模型机的指令集和软硬件交互协议,然后基于LLVM为该模型机移植后端,最后借助标准测试框架验证编译器的正确性,展示了后端移植中的标准开发流程和参考规范。相关代码已开源至https://github.com/Azurewyl/llvm_upt。