ISO C++ 没有定义__m256，所以我们需要看看是什么在支持它们的实现上定义了它们的行为。
Intel 的内部函数将矢量指针（如 __m256*）定义为允许为其他任何东西设置别名，就像 ISO C++ 将 char* 定义为允许使用别名一样。
所以是的，取消引用 __m256* 而不是使用 _mm256_load_ps() 对齐加载内在函数是安全的。
但特别是对于 float/double，使用内部函数通常更容易，因为它们也负责从 float* 进行转换。对于整数，AVX512 加载/存储内在函数被定义为采用 void*，但在此之前您需要一个额外的 (__m256i*)，这只是很多混乱。
在 gcc 中，这是通过使用 may_alias 属性定义 __m256 来实现的：来自 gcc7.3 的 avxintrin.h（<immintrin.h> 包括的标头之一）：
/* The Intel API is flexible enough that we must allow aliasing with other
vector types, and their scalar components. */
typedef float __m256 __attribute__ ((__vector_size__ (32),
__may_alias__));
typedef long long __m256i __attribute__ ((__vector_size__ (32),
__may_alias__));
typedef double __m256d __attribute__ ((__vector_size__ (32),
__may_alias__));
/* Unaligned version of the same types. */
typedef float __m256_u __attribute__ ((__vector_size__ (32),
__may_alias__,
__aligned__ (1)));
typedef long long __m256i_u __attribute__ ((__vector_size__ (32),
__may_alias__,
__aligned__ (1)));
typedef double __m256d_u __attribute__ ((__vector_size__ (32),
__may_alias__,
__aligned__ (1)));
（如果您想知道，这就是为什么取消引用 __m256* 就像 _mm256_store_ps，而不是 storeu。）
没有 may_alias 的 GNU C 原生向量可以为其标量类型设置别名，例如即使没有may_alias，您也可以安全地在float* 和假设的v8sf 类型之间进行转换。但是may_alias 可以安全地从int[]、char[] 或其他数组中加载。
我在谈论 GCC 如何实现英特尔的内在函数只是因为那是我所熟悉的。我从 gcc 开发人员那里听说，他们之所以选择该实现，是因为它是与 Intel 兼容所必需的。
需要定义英特尔内部函数的其他行为
为_mm_storeu_si128( (__m128i*)&arr[i], vec); 使用英特尔的 API 需要您创建潜在未对齐的指针，如果您尊重它们就会出错。而_mm_storeu_ps 到非 4 字节对齐的位置需要创建一个未对齐的 float*。
只是创建未对齐的指针，或对象外的指针，在 ISO C++ 中是 UB，即使你不取消引用它们。我猜这允许在异国情调的实现在创建指针时（可能而不是取消引用时）对指针进行某种检查的硬件，或者可能无法存储指针的低位的硬件。 （我不知道是否存在任何特定硬件，因为这个 UB 可以实现更高效的代码。）
但支持 Intel 内在函数的实现必须定义行为，至少对于 __m* 类型和 float*/double*。这对于针对任何普通现代 CPU 的编译器来说都是微不足道的，包括具有平面内存模型（无分段）的 x86； asm 中的指针只是与数据保存在同一寄存器中的整数。 （m68k 有地址与数据寄存器，但它永远不会因为在 A 寄存器中保留不是有效地址的位模式而出错，只要您不取消引用它们。）
另辟蹊径：向量的元素访问。
请注意，may_alias 与 char* 别名规则一样，只有一种方式：不保证使用 int32_t* 读取是安全的一个__m256。使用float* 读取__m256 甚至可能不安全。就像 char buf[1024]; int *p = (int*)buf; 不安全一样。
通过char* 读取/写入可以给任何东西起别名，但是当您拥有char object 时，严格别名确实可以使其通过其他类型读取它。 （我不确定 x86 上的主要实现是否确实定义了该行为，但您不需要依赖它，因为它们将 4 个字节的 memcpy 优化为 int32_t。您可以并且应该使用 @987654366 @ 表示来自char[] 缓冲区的未对齐负载，因为允许具有更宽类型的自动矢量化假定int16_t* 的2 字节对齐，如果不是则使代码失败：Why does unaligned access to mmap'ed memory sometimes segfault on AMD64?)
要插入/提取向量元素，请使用 shuffle 内在函数，SSE2 _mm_insert_epi16 / _mm_extract_epi16 或 SSE4.1 insert / _mm_extract_epi8/32/64。对于浮点数，没有应与标量 float 一起使用的插入/提取内在函数。
或存储到数组并读取数组。 (print a __m128i variable)。这确实优化了向量提取指令。
GNU C 向量语法为向量提供[] 运算符，例如__m256 v = ...; v[3] = 1.25;。 MSVC 将向量类型定义为具有 .m128_f32[] 成员的联合，用于每个元素的访问。
有像 Agner Fog's (GPL licensed) Vector Class Library 这样的包装库，它们为其向量类型提供可移植的 operator[] 重载，以及运算符 + / - / * / << 等等。这非常好，特别是对于具有不同元素宽度的不同类型的整数类型，v1 + v2 可以使用正确的大小。 （GNU C 原生向量语法对浮点/双精度向量执行此操作，并将 __m128i 定义为有符号 int64_t 的向量，但 MSVC 不提供基于 __m128 类型的运算符。）
您还可以在向量和某种类型的数组之间使用联合类型双关语，这在 ISO C99 和 GNU C++ 中是安全的，但在 ISO C++ 中不安全。我认为它在 MSVC 中也是官方安全的，因为我认为他们将 __m128 定义为普通联合的方式。
但不能保证您会从任何这些元素访问方法中获得高效代码。不要在内部循环中使用，如果性能很重要，请查看生成的 asm。