无法通过vectorcall返回多个SIMD向量，求GCC/Clang等效优化方案

Clang的vectorcall表现：未完全实现的特性 #

Clang对vectorcall调用约定的支持并非bug，而是未完全对齐MSVC的实现。目前Clang仅在部分场景下支持vectorcall（比如x86_64上对小型向量类型的传参），但对于多寄存器返回SIMD值、以及完整的256位YMM寄存器传参返回逻辑，确实没有实现MSVC级别的支持——这属于目标特性覆盖不全，而非功能bug。

GCC/Clang的替代实现方案 #

如果不想依赖内联（always_inline+LTO），可以尝试以下几种方法：

1. 利用结构体返回的寄存器优化 #

GCC和Clang在处理小型结构体返回时，会优先使用寄存器而非内存。如果你的256位向量+64位标量可以打包成一个刚好占40字节的结构体，编译器会自动用YMM0（存256位）和RAX（存64位）来传参/返回这个结构体，无需额外属性：

typedef struct {
    __m256i vec;
    uint64_t val;
} simd_packet;

simd_packet process_packet(simd_packet pkt) {
    // 处理逻辑示例
    pkt.vec = _mm256_add_epi32(pkt.vec, pkt.vec);
    pkt.val += 1;
    return pkt;
}

编译时开启-O3 -mavx2，GCC和Clang都会直接用YMM0和RAX操作，不会生成内存读写——这是最接近MSVC vectorcall效果的无依赖方案。

2. 自定义调用约定（手写寄存器控制逻辑） #

通过GCC/Clang的asm关键字直接指定函数的寄存器使用规则，手动控制传参和返回的寄存器，完全避免编译器生成内存读写：

typedef struct {
    __m256i ymm_data;
    uint64_t scalar_data;
} simd_context;

// 自定义规则：用YMM0传ymm_data，RAX传scalar_data，返回时用同样寄存器存结果
simd_context process_simd(simd_context ctx) {
    simd_context res;
    __asm__ volatile (
        // 示例处理逻辑：YMM0自加，RAX值加16
        "vaddps %%ymm0, %%ymm0, %%ymm0\n\t"
        "add $0x10, %%rax\n\t"
        : "=x"(res.ymm_data), "=a"(res.scalar_data)
        : "x"(ctx.ymm_data), "a"(ctx.scalar_data)
        : // 列出被修改的其他寄存器，避免编译器优化冲突
    );
    return res;
}

这种方式完全手动控制寄存器，性能开销等同于寄存器mov操作，同时兼容后续手写汇编版本的循环。

3. 使用Clang的preserve_most调用约定（减少寄存器保存开销） #

虽然不能直接指定SIMD寄存器传参，但__attribute__((preserve_most))可以让函数仅保存少数通用寄存器，保留大部分SIMD寄存器（包括YMM）。如果你的循环函数不需要修改所有YMM寄存器，可以用这个约定减少跨函数调用时的寄存器保存/恢复开销：

__m256i loop_function(__m256i input) __attribute__((preserve_most));

编译时配合-mavx2等SIMD编译flag，编译器会尽量避免将YMM寄存器 spill到内存。

4. GCC 32位环境下的regparm+向量类型组合（仅限32位x86） #

32位环境下，GCC的regparm(N)属性可指定用通用寄存器传参，结合__attribute__((vector_size(32)))声明的向量类型，配合-msse4.2/-mavx编译flag，部分场景下可让编译器优先使用SIMD寄存器传参：

typedef float __attribute__((vector_size(32))) avx_float8;

avx_float8 process_data(avx_float8 input) __attribute__((regparm(1)));

注意：64位x86下regparm无效，该方案仅适用于32位环境。

内容的提问来源于stack exchange，提问作者the4naves