GNU C通用向量的标准内存加载初始化方法是什么？

GCC/Clang提供的向量扩展是跨WebAssembly、ARM64、x64等多架构实现SIMD向量化的便捷方式。比如以下代码可轻松实现SIMD加法，不同架构会生成对应汇编指令：

using v8x16u = uint8_t __attribute__((vector_size(16)));
v8x16u add(v8x16u a, v8x16u b) { return a + b; }

ARM64平台生成的汇编：

add     v0.16b, v1.16b, v0.16b
ret

不过这种方式在部分场景下并非性能最优。

我查遍各类文档，均未找到从内存初始化这类向量的推荐/标准方式，以下是几种常见实现的优劣分析：

1. 循环赋值初始化 #

v8x16u load(uint8_t const *p) {
   v8x16u a;
   for (int i = 0; i < 16; i++) a[i] = p[i];
   return a;
}

该实现在Clang x64、Clang ARMv8上能生成高效的向量加载指令：

; Clang ARMv8
ldr q0, [x0]
; GCC x64 7.3
movdqu  xmm0, XMMWORD PTR [rdi]
; Clang 15.0.0 x64
movups  xmm0, xmmword ptr [rdi]

但在GCC 7.3 ARM64上优化效果不佳，会额外操作栈空间：

sub     sp, sp, #16
ldr     q0, [x0]
add     sp, sp, 16

在WebAssembly环境中表现更差，直接生成循环指令，完全未利用SIMD加载能力。

2. 列表初始化（展开加载） #

v8x16u load(uint8_t const *p) {
   v8x16u a{p[0],p[1],p[2],p[3],
            p[4],p[5],p[6],p[7],
            p[8],p[9],p[10],p[11],
            p[12],p[13],p[14],p[15]
   };
   return a;
}

这种方式在WebAssembly和Clang上表现良好，WebAssembly会生成正确的SIMD加载指令：

local.get       0
v128.load       0:p2align=0
end_function

但GCC会生成16次单独的字节加载操作，完全未做向量优化，性能极差。

3. 类型双关方式 #

这种方式可编译通过，但存在两个问题：一是是否会引入未定义行为（UB）？二是Clang存在疑似bug——using和typedef在该场景下理应等效且保留属性，但实际生成的汇编不同：

用using定义向量类型 #

v8x16u load_fail(uint8_t const *p) {
    using Vec = uint8_t __attribute__((vector_size(16), aligned(1)));
    return *reinterpret_cast<const Vec*>(p);
}

Clang x64生成的汇编：

movaps  xmm0, xmmword ptr [rdi]

用typedef定义向量类型 #

v8x16u load_okish(uint8_t const *p) {
    typedef uint8_t Vec __attribute__((vector_size(16)))  __attribute__((aligned(1)));
    return *reinterpret_cast<const Vec*>(p);
}

Clang x64生成的汇编：

movups  xmm0, xmmword ptr [rdi]

可见，using定义的类型生成了要求内存对齐的movaps指令，而typedef生成的是支持不对齐加载的movups，这显然不符合两者属性等效的预期。

内容的提问来源于stack exchange，提问作者Aki Suihkonen