Является ли _mm_broadcast_ss быстрее, чем _mm_set1_ps?

mm_broadcast_ss, вероятно, будет быстрее, чем mm_set1_ps. Первый преобразуется в одну инструкцию (VBROADCASTSS), а второй эмулируется с использованием нескольких инструкций (вероятно, MOVSS с последующим перемешиванием). Однако для mm_broadcast_ss требуется набор инструкций AVX, а для mm_set1_ps требуется только SSE.

_mm_broadcast_ss имеет недостатки, вызванные архитектурой, которые в значительной степени скрыты API mm SSE. Самое главное отличие заключается в следующем:

• _mm_broadcast_ss ограничивается загрузкой значений только из памяти.

Это означает, что если вы явно используете _mm_broadcast_ss в ситуации, когда источник не находится в памяти, то результат, вероятно, будет менее эффективным, чем результат использования _mm_set1_ps. Такая ситуация обычно возникает при загрузке немедленных значений (констант) или при использовании результата недавнего вычисления. В таких ситуациях результат будет отображен компилятором в регистр. Чтобы использовать значение для широковещательной рассылки, компилятор должен сбросить значение обратно в память. В качестве альтернативы, вместо этого можно использовать pshufd для splat непосредственно из регистра.

_mm_set1_ps определяется реализацией, а не сопоставляется с конкретной основной операцией процессора (инструкцией). Это означает, что он может использовать одну из нескольких инструкций SSE для выполнения знака. Интеллектуальный компилятор с включенной поддержкой AVX обязательно должен использовать vbroadcastss внутри, когда это уместно, но это зависит от состояния реализации AVX оптимизатора компилятора.

Если вы очень уверены, что загружаете из памяти — например, перебираете массив данных — тогда прямое использование широковещательной передачи вполне допустимо. Но если есть какие-то сомнения, я бы рекомендовал придерживаться _mm_set1_ps.

И в конкретном случае с static const float вы абсолютно не хотите использовать _mm_broadcast_ss().

Если вы ориентируетесь на набор инструкций AVX, gcc будет использовать VBROADCASTSS для реализации встроенного _mm_set1_ps. Однако Clang будет использовать две инструкции (VMOVSS + VPSHUFD).