使用_mm256_mullo_epi64实现矩阵对应元素相乘触发非法指令异常

一、非法指令异常的核心原因 #

_mm256_mullo_epi64对应的vpmullq ymm指令，硬性要求CPU同时支持AVX512DQ + AVX512VL扩展。如果你的CPU不具备这两个特性，执行该指令必然触发0xC000001D非法指令异常。

验证方法：

• 用CPU-Z等工具查看CPU的指令集支持列表
• 在代码中通过CPUID指令检测对应标志位是否置位

二、兼容AVX2的替代实现方案 #

如果你的CPU仅支持AVX2（无AVX512），可以通过AVX2指令组合实现64位整数逐元素相乘，替代_mm256_mullo_epi64：

__m256i mul_epi64_avx2(__m256i a, __m256i b) {
    // 拆分64位整数的低32位与高32位
    __m256i a_low = _mm256_and_si256(a, _mm256_set1_epi64x(0xFFFFFFFF));
    __m256i a_high = _mm256_srli_epi64(a, 32);
    __m256i b_low = _mm256_and_si256(b, _mm256_set1_epi64x(0xFFFFFFFF));
    __m256i b_high = _mm256_srli_epi64(b, 32);

    // 计算各部分乘积
    __m256i low_low = _mm256_mul_epu32(a_low, b_low);
    __m256i high_low = _mm256_mul_epu32(a_high, b_low);
    __m256i low_high = _mm256_mul_epu32(a_low, b_high);
    __m256i high_high = _mm256_mul_epu32(a_high, b_high);

    // 合并结果（处理有符号进位）
    high_low = _mm256_add_epi64(high_low, _mm256_srli_epi64(low_high, 32));
    high_high = _mm256_add_epi64(high_high, _mm256_slli_epi64(low_high, 32));
    high_low = _mm256_add_epi64(high_low, _mm256_slli_epi64(low_low, 32));

    return _mm256_or_si256(high_high, high_low);
}

将原代码中的c_line = _mm256_mullo_epi64(a_line, b_line);替换为c_line = mul_epi64_avx2(a_line, b_line);即可。

三、运算结果写入256位寄存器的可行性 #

完全可以将运算结果写入256位__m256i寄存器：

• 若CPU支持AVX512DQ+AVX512VL，_mm256_mullo_epi64的返回值就是存储了4个64位整数乘积的256位寄存器（注意：该指令只保留乘积的低64位，高位会被截断）。
• 上述AVX2兼容函数的返回值同样是256位寄存器，结果为4个64位整数的完整乘积。

四、代码中的其他潜在问题 #

• 注释错误：代码中“AMX register”表述错误，当前使用的是AVX256的ymm寄存器，与AMX矩阵扩展无关。
• 内存对齐优化：_mm256_loadu_si256是不对齐加载，若用_mm_malloc分配对齐内存，替换为_mm256_load_si256可提升性能。
• 函数返回值缺失：avx_mult声明返回int但无return语句，会导致未定义行为，需在函数末尾添加return 1;或对应返回值。
• 结果未存储：当前代码仅计算乘积未写入C矩阵，需添加_mm256_storeu_si256((__m256i*)&C[i][j], c_line);保存结果。

内容的提问来源于stack exchange，提问作者hellicop11