使用GCC编译sum_of_squares函数返回0，是否为GCC Bug？

用户代码如下：

#include <stdio.h>
#include <x86intrin.h>

int sum_of_squares(int x[], int n) {
    int sum = 0;
    __m256i sum8 = _mm256_set1_epi32(0);
    for (int i = 0; i < n; i += 8) {
        __m256i x8 = _mm256_load_si256((__m256i *)&x[i]);
        x8 = _mm256_mul_epi32(x8, x8);
        sum8 = _mm256_add_epi32(x8, sum8);
    }

    int *_sum = (int *)&sum8;
    for (int i = 0; i < 8; i++) sum += _sum[i];
    return sum;
}

int main() {
    _Alignas(32) int x[16];
    for (int i = 0; i < 15; i++) {
        x[i] = i;
    }
    printf("%d", sum_of_squares(x, 16));
}

问题根源：误用AVX乘法指令 #

这不是GCC的Bug，是代码里错误使用了AVX指令：

• _mm256_mul_epi32的行为并非对每个32位元素单独平方，而是将寄存器中8个32位整数两两配对相乘，每对生成一个64位结果。也就是说，_mm256_mul_epi32(x8, x8)会把x8中的[a0,a1,a2,a3,a4,a5,a6,a7]转换成[a0*a1(64位), a2*a3(64位), a4*a5(64位), a6*a7(64位)]，寄存器里实际是4个64位值，而非8个32位值。
• 后续用_mm256_add_epi32累加时，会把64位值拆成两个32位部分单独相加，导致高位的乘积结果被错误拆分；最后直接把sum8当成8个int读取时，读到的是64位值的高32位（测试用例中数值很小，高32位为0）和低32位的错误组合，最终求和结果为0。

修正方案 #

如果你需要对每个32位元素单独平方并累加，应该使用_mm256_mullo_epi32指令——它会对每个32位元素执行乘法，保留结果的低32位，输出仍为8个32位整数，完全符合需求。

修正后的核心代码部分：

// 替换原来的_mm256_mul_epi32调用
x8 = _mm256_mullo_epi32(x8, x8);
sum8 = _mm256_add_epi32(x8, sum8);

修正后运行代码，会得到正确的平方和结果（测试用例中x[0]到x[15]的平方和为1240）。

内容的提问来源于stack exchange，提问作者Sai Charan Marrivada