Vector API 在 JDK 21 中正式可用，无需预览参数；合理使用可稳定触发 AVX-512/SVE 指令，实测矩阵加法加速 3.6×、乘法内核提升 5.8×；需手动处理对齐与余数，用 SPECIES.loopBound() 计算上界并标量兜底。
Vector API 在 JDK 21 中已转为正式特性（JEP 448），不再需要 --add-modules jdk.incubator.vector 或 --enable-preview，只要用 JDK 21+ 运行即可直接使用。它不是“可能加速”，而是只要数据布局合理、循环结构干净，就能稳定触发底层 AVX-512 / SVE 指令——实测矩阵加法加速 3.6×，矩阵乘法关键内核提升达 5.8×。
必须显式处理向量长度对齐与余数
Vector API 不会自动帮你补齐数组长度或跳过越界访问。FloatVector.fromArray() 在索引超出范围时直接抛 IndexOutOfBoundsException，不是静默截断。
- 正确写法：用
SPECIES.loopBound(array.length)算出主循环上界，而非array.length - SPECIES.length() + 1（后者在SPECIES.length() == 1时反而出错） - 余数部分必须用标量循环兜底，且不能漏掉——比如
for (int i = upperBound; i ，少一个元素结果就错 - 若数组长度固定且已知（如图像宽高），可预计算
upperBound并提取为常量，避免每次循环重复调用
矩阵乘法不能直接向量化整个三重循环
原始的 i-j-k 嵌套循环中，B[k][j] 的内存访问是跨步非连续的，FloatVector.fromArray() 无法高效加载——这会导致 JIT 放弃向量化，退回到标量执行。
- 真正可行的是分块（tiling）：把 A 按行切块、B 按列切块，使每块内访存局部性高
- 对每个
(i, j)输出位置，把内积sum += A[i][k] * B[k][j]的k维度向量化——即用FloatVector.fromArray(SPECIES, A, i * n + k)和FloatVector.fromArray(SPECIES, B, k * n + j)配合mul().reduceLanes(VectorOperators.ADD) - 注意：
reduceLanes()是归约操作，不支持带中间状态的累加；若需融合多个向量块的结果，得手动维护标量累加器
别依赖 SPECIES_PREFERRED 在所有场景都最优
FloatVector.SPECIES_PREFERRED 在 Intel AVX-512 上返回 16-lane，但在某些 JVM 启动参数或容器环境下（如被 cgroups 限制 CPU 特性），可能回落到 8-lane 甚至 4-lane，且不报错。
- 运行时检查真实规格：
System.out.println(SPECIES.length())，别只在开发机验证 - 对延迟敏感场景（如实时滤波），可硬编码
FloatVector.SPECIES_256强制 8-lane，避免因 CPU 特性检测波动导致性能抖动 - ARM64 服务器上，
SPECIES_PREFERRED可能选 SVE 变长模式，此时length()是运行时值，务必用loopBound()而非静态除法
最易被忽略的一点：Vector API 的性能收益高度依赖 JIT 编译稳定性。加日志（-XX:+TraceVectorization）能看到是否真生成了 vaddps 类指令；但一旦循环体里出现未捕获异常、方法内联失败、或对象逃逸，向量化就会静默失效——这时你写的全是“看起来向量化”的标量代码。
