AVX指令需CPU硬件支持（Intel Sandy Bridge或AMD Bulldozer起）并显式开启编译器支持，否则_mm256_add_ps等内联函数会链接失败或崩溃；运行时可用__get_cpuid(1, &a, &b, &c, &d)检查c & (1
确认 CPU 支持 AVX 并启用编译器支持
_mm256_add_ps 是 AVX 指令集的内联函数，依赖 CPU 硬件支持（Intel Sandy Bridge 或更新，AMD Bulldozer 及以后），且必须显式开启编译器的 AVX 支持，否则会链接失败或运行时崩溃。
- 用
cpuid检查运行时是否支持：调用__get_cpuid(1, &a, &b, &c, &d)后检查c & (1 （AVX bit） - GCC/Clang 编译时必须加
-mavx；MSVC 用/arch:AVX - 仅加
-O2不够——若没开-mavx，即使代码能编译，_mm256_add_ps也会被当作未定义符号报错 - 注意：某些旧版 MinGW-w64 默认不启用 AVX，需额外确认
__AVX__宏是否被定义
正确声明和加载 8 个 float 的向量数据
AVX 的 __m256 类型一次处理 8 个 float，但内存对齐要求严格：输入指针必须是 32 字节对齐的，否则在部分 CPU 上触发 #GP 异常（尤其是启用了 AVX-512 的系统）。
- 用
alignas(32)声明数组：alignas(32) float a[8] = {1.0f}; - 避免从普通栈变量取地址后强制转成
__m256*——栈通常只保证 16 字节对齐 - 加载推荐用
_mm256_load_ps(ptr)（要求 ptr 32 字节对齐），而非_mm256_loadu_ps（慢 2–3 周期，且掩盖对齐问题） - 若数据来自 malloc，用
aligned_alloc(32, size)或_mm_malloc(size, 32)（对应用_mm_free释放）
执行加法并安全存储结果
加法本身很简单，但存回内存时最容易出错：直接用普通指针接收 __m256 会导致未定义行为，必须用对应的 store 函数。
- 加法写法：
__m256 r = _mm256_add_ps(a_vec, b_vec);，其中a_vec和b_vec都是__m256 - 存储必须用
_mm256_store_ps(dst_ptr)，且dst_ptr必须 32 字节对齐 - 如果目标内存无法保证对齐，改用
_mm256_storeu_ps，但性能下降明显，应作为兜底而非默认 - 别试图用
reinterpret_cast<float>(&r)[i]</float>访问单个分量——这是未定义行为，且破坏向量化意图
常见错误现象和调试线索
这类代码出错往往不报编译错误，而是运行时崩溃或结果全为零/乱码，原因高度集中于对齐和指令集配置。
立即学习“C++免费学习笔记（深入）”；
- Windows 上报错
0xC000001D: Illegal Instruction→ 通常是 CPU 不支持 AVX 或编译未加/arch:AVX - Linux 报
Illegal instruction (core dumped)→ 检查cat /proc/cpuinfo | grep avx，再确认编译参数 - 结果前 4 个元素正确、后 4 个为 0 → 很可能是误用了
_mm_add_ps（AVX-128）而非_mm256_add_ps，函数名差一个256就全错 - 用 AddressSanitizer 报
misaligned address→ 存储或加载指针未按 32 字节对齐
AVX 向量化不是“写了 _mm256_* 就自动快”，对齐、编译开关、寄存器生命周期这三点漏掉任何一个，都会让代码要么崩，要么退化成标量执行。尤其要注意 _mm256_* 系列函数不会帮你做边界检查或对齐补偿。
