不能手动编写_mm256_add_ps，因为它不是普通函数，而是编译器内建的intrinsic，直接映射到CPU的vaddps指令，无法用C++代码重实现；实际“手动编写”指显式调用它，需正确加载（如_mm256_load_ps）、对齐、存储并启用-mavx2等编译选项。
为什么不能“手动编写”_mm256_add_ps？
它不是可手写的普通函数，而是编译器内建的固有函数（intrinsic），底层直接映射到一条 vaddps AVX 指令。你无法用标准 C++ 代码“重实现”它的行为——那相当于重写 CPU 的浮点加法单元。所谓“手动编写”，实际是指：如何在不依赖编译器自动向量化的情况下，显式调用它、正确构造参数、处理对齐与数据布局。
_mm256_add_ps 的输入必须是 __m256，不是 float 数组
常见错误是直接传 float* 或 std::array<float></float> 给它，编译器会报错：cannot convert ‘float*’ to ‘__m256’。必须先用加载函数把内存数据转成向量类型：
-
_mm256_load_ps(ptr)：要求ptr256 位（32 字节）对齐，否则运行时崩溃（SIGSEGV） -
_mm256_loadu_ps(ptr)：支持任意地址，但性能略低（尤其在老 CPU 上） -
_mm256_set_ps(a, b, c, d, e, f, g, h)：从标量构造，顺序是反的（h在最低位）
示例：
float a[8] __attribute__((aligned(32))) = {1,2,3,4,5,6,7,8};
float b[8] __attribute__((aligned(32))) = {0,1,0,1,0,1,0,1};
__m256 va = _mm256_load_ps(a);
__m256 vb = _mm256_load_ps(b);
__m256 vr = _mm256_add_ps(va, vb); // 得到 {1,3,3,5,5,7,7,9}
AVX 内在函数必须显式启用编译选项
即使头文件 #include <immintrin.h></immintrin.h> 写了，没开指令集支持，编译器会静默降级成标量代码，或报错 undefined reference to `_mm256_add_ps'：
立即学习“C++免费学习笔记（深入）”；
- GCC/Clang：加
-mavx（仅 AVX1）或-mavx2（含 AVX2 扩展） - MSVC：用
/arch:AVX或/arch:AVX2 - 别只靠
__AVX__宏判断——它只说明编译器支持，不代表你启用了该指令集
运行时还需检查 CPU 是否真支持：__builtin_ia32_xgetbv(0)（GCC）或调用 __cpuid 查 ECX bit 28（AVX）。
结果要存回内存？小心对齐和截断
_mm256_add_ps 返回 __m256，若想写回数组，同样要用存储函数：
-
_mm256_store_ps(dst, vr)：dst必须 32 字节对齐，否则崩溃 -
_mm256_storeu_ps(dst, vr)：安全但稍慢 - 别用
memcpy(&dst[0], &vr, 32)—— 未定义行为，可能被优化掉或触发 strict aliasing 报错
另外注意：AVX 寄存器是 256 位宽，一次处理 8 个 float，若数据总数不是 8 的倍数，得单独处理尾部（用掩码或标量循环），否则越界读写。
最易被忽略的是：AVX 指令在部分 CPU 上会清零高位的 YMM 寄存器（如从 SSE 切换过来时），若混用 SSE 和 AVX 且未用 vzeroupper，可能引发显著性能惩罚——这不是 bug，是 x86 架构的现实约束。
