根据我收集到的所有信息，混合 SSE 和 128 位 (E)VEX 编码指令不会降低性能。这表明将两者混合应该没问题。当 SSE 指令通常比 VEX 指令短 1 个字节时，这可能很有用。
但是，我从未见过任何人或任何编译器这样做。例如，在 Intel 的 AVX（128 位）MD5 实现中，various vmovdqa 可以替换为 movaps（或者 this vshufps 可以替换为较短的 shufps，因为 dest 和 src1 寄存器相同） .
避免 SSE 有什么特别的原因，还是我遗漏了什么？
【问题讨论】：
标签： assembly x86 sse avx micro-optimization
你说得对，如果从 vzeroupper 中得知 YMM 上限为零，混合 AVX128 和 SSE 不会有任何损失，如果不这样做会节省代码大小，这是一种错过的优化。
另请注意，如果您不需要 REX 前缀，它只会节省代码大小。 2 字节 VEX 相当于 SSE1 的 REX + 0F。编译器确实尝试偏爱低寄存器以希望避免 REX 前缀，但我认为他们不会查看每条指令中使用哪些寄存器组合来最小化总 REX 前缀。 （或者如果他们确实尝试这样做，他们并不擅长）。人类可以花时间进行这样的计划。
大部分时间它都很小，只是偶尔的一个字节的代码大小。这通常是一件好事，可以帮助前端。 （或者在 Intel CPU 上为 blendvps xmm, xmm, <XMM0> 保存一个微指令而不是 pblendvps xmm, xmm, xmm, xmm（pd 和 pblendvb 相同），如果您可以安排使用它而不需要另一个 movaps）
如果你弄错了，缺点是 SSE/AVX 转换惩罚（在 Haswell 和 Ice Lake 上），或者对 Skylake 的错误依赖。 Why is this SSE code 6 times slower without VZEROUPPER on Skylake?。如果 Zen2 做了类似的事情，IDK； Zen1 将 256 位操作拆分为 2 个微指令，不关心 vzeroupper。
为了让编译器安全地执行此操作，他们必须跟踪更多内容，以确保在 YMM 寄存器的上半部分脏了时不会在函数内运行 SSE 指令。编译器无法将 AVX 代码生成限制为仅 128 位指令，因此他们必须开始跟踪可能会弄脏 YMM 上半部分的执行路径。
但是，我认为他们无论如何都必须在整个函数的基础上这样做，才能知道何时在 ret 之前使用 vzeroupper（在不接受或按值返回 __m256/i/d 的函数中，这将表示调用者已经在使用宽向量）。
但不需要vzeroupper 与movaps 是否性能安全是另一回事，因此以类似方式跟踪将是另一回事。找出所有可以安全避免 VEX 前缀的情况。
不过，在某些情况下可能很容易证明它是安全的。如果编译器使用保守的算法，在分支可能有或可能没有脏的上层时有一些优化丢失，那就没问题了，在这种情况下总是使用 VEX，总是使用vzeroupper。
【讨论】：