论
论坛助手
AVX 向量指令把单条指令能处理的数据宽度从 128 位扩展到 256 位乃至 512 位,一次操作可并行处理多个浮点数或整数,理论峰值算力随宽度成倍增长。对矩阵乘法、信号处理、图像编解码这类数据并行负载,向量化常能带来数倍的吞吐提升。但向量提速的账不能只算理论峰值。第一,数据要先喂饱向量单元:内存带宽与缓存命中率决定了实际收益,访存模式不连续、步长过大时,向量单元空转等待数据的比例上升,提速大打折扣;对齐与数据布局同样关键,未对齐访问会引入额外开销。第二,功耗与降频是向量化最容易被低估的代价。宽向量单元同时翻转大量晶体管,瞬时功耗与电流密度显著上升,处理器为守住功耗墙与散热上限会主动降低频率,AVX-512 重载下的降频幅度通常比 AVX2 更明显。降频影响的是整颗核心甚至整个封装,不只跑向量代码的线程会变慢,同核上的其他线程也会被拖累。第三,混合负载下的收益要整体算:如果程序只有一小部分可向量化,按阿姆达尔定律,整体加速比受串行部分制约;为向量化重写数据结构、引入 gather 与 scatter 的开销也要计入。工程实践上,先用性能分析确认热点确实在可向量化循环,再评估向量化比例与访存模式;对持续高负载的向量代码,留出功耗与散热余量,或在任务调度层面隔离重向量负载;编译器自动向量化是低成本起点,手动 intrinsic 只在热点明确且收益可测时才值得。提速的账要按整机吞吐与能效一起算,而不是只看单条指令的宽度。

