AVX512在C++中需显式启用编译器支持（如GCC/Clang加-mavx512f -mavx512vl，MSVC用/arch:AVX512），运行时须检测CPU支持，掩码操作有开销，且持续使用易致降频，非万能优化方案。
AVX512在C++中不是开箱即用的
即使CPU支持AVX-512（如Intel Skylake-X及更新架构），_mm512_add_ps这类函数也不会自动生效。必须显式启用编译器对AVX-512的支持，否则会编译失败或退化为标量代码。
- Clang/GCC需加
-mavx512f -mavx512vl（vl用于处理256/128位宽指令混用） - MSVC需加
/arch:AVX512，且仅支持VS2019 16.9+ 和 VS2022 - 未启用时调用
_mm512_load_ps会报错：undefined reference to '__builtin_ia32_loadps512' - 运行时仍需检查CPU是否真正支持——
__builtin_ia32_cpu_supports("avx512f")（GCC/Clang）或用cpuid手动查ECX bit 16
别直接手写_mm512 intrinsic，先让编译器向量化
多数场景下，for (int i = 0; i 这种简单循环，现代编译器（GCC 11+/Clang 14+）在-O3 -march=native下已能自动生成AVX-512代码，无需手写intrinsic。
- 手写intrinsic易出错：对齐要求严（
_mm512_load_ps要求地址16字节对齐，_mm512_loadu_ps才支持任意地址） - 编译器更懂调度：它会自动做循环展开、寄存器重命名、避免bank conflict，而人工写的
_mm512_fmadd_ps链可能因依赖链过长反而变慢 - 验证是否真用了AVX-512：用
objdump -d your_binary | grep vaddps，看到vaddps %zmm而非%ymm才确认是512位宽
_mm512_mask_mov_ps和掩码操作是AVX512的关键差异点
SSE/AVX只有全量操作，AVX-512引入了可编程掩码寄存器（__mmask16等），这是实现条件计算、gather/scatter、不规则内存访问的核心。
- 例如实现“只对a[i]>0的位置执行a[i]*=2”：用
__mmask16 k = _mm512_cmp_ps_mask(a_zmm, _mm512_set1_ps(0.f), _CMP_GT_OQ)生成掩码，再传给_mm512_mask_mul_ps - 错误用法：
_mm512_mask_mov_ps(dst, k, src)若k全0，dst值不变；但若误用_mm512_mov_ps就无法跳过无效元素 - 掩码操作有额外开销：每次生成掩码需一次比较指令，频繁分支预测失败时，有时纯标量反而更快
AVX-512的功耗和频率降频问题常被忽略
在实际部署中，持续满负荷运行AVX-512指令会导致CPU大幅降频（Intel称"AVX-512 downclocking"），尤其在笔记本或双路服务器上，实测性能可能反不如AVX2。
立即学习“C++免费学习笔记（深入）”；
- 检测方法：Linux下读取
/sys/devices/system/cpu/cpu0/topology/core_id后查scaling_cur_freq，跑AVX-512密集计算前后对比 - 缓解策略：混合使用AVX2 + AVX-512，在关键热点用512，周边逻辑保持256位宽；或用
_mm256版本做fallback路径 - 部分CPU（如Ice Lake）支持AVX-512但禁用
AVX512ER和AVX512PF扩展，_mm512_exp2_ps这类函数会链接失败
AVX-512不是“越宽越好”的银弹，对齐、掩码、功耗、编译器支持这四点卡住大多数人的实际落地。
