整数向量化除法精度是否依赖CPU？.NET向量化计算异常咨询

我正在对16位整数ARGB通道的64位颜色执行预乘向量化操作。由于缺乏加速整数除法支持，需要将值转为float并显式使用SSE2/SSE4.1 intrinsics以获取最佳性能，但同时保留了通用版本作为降级方案（尽管当前性能低于常规操作，但可兼容未来优化）。

最小复现：精度偏差问题 #

// Test color with 50% alpha
(ushort A, ushort R, ushort G, ushort B) c = (0x8000, 0xFFFF, 0xFFFF, 0xFFFF);

// Minimal version of the fallback logic if HW intrinsics cannot be used:
Vector128<uint> v = Vector128.Create(c.R, c.G, c.B, 0u);
v = v * c.A / Vector128.Create(0xFFFFu);
var cPre = (c.A, (ushort)v[0], (ushort)v[1], (ushort)v[2]);

// Original color:
Console.WriteLine(c); // prints (32768, 65535, 65535, 65535)

// Expected premultiplied color:   (32768, 32768, 32768, 32768)
Console.WriteLine(cPre); // prints (32768, 32769, 32769, 32769)

运行结果不符合预期，且SharpLab中结果正确，但.NET Fiddle可复现该问题。疑问：这是特定平台的预期表现还是需提交运行时bug？

扩展测试：结果完全错误 #

using System;
using System.Numerics;
using System.Runtime.Intrinsics;

(ushort A, ushort R, ushort G, ushort B) c = (32768, 65535, 32768, 16384);

Vector128<uint> v1 = Vector128.Create(c.R, c.G, c.B, 0u);
v1 = v1 * c.A / Vector128.Create(0xFFFFu);

// prints <32769, 49152, 57344, 0> instead of <32768, 16384, 8192, 0>
Console.WriteLine(v1);

// Also for the older Vector<T>
Span<uint> span = stackalloc uint[Vector<uint>.Count];
span[0] = c.R;
span[1] = c.G;
span[2] = c.B;
Vector<uint> v2 = new Vector<uint>(span) * c.A / new Vector<uint>(0xFFFF);

// prints <32769, 49152, 57344, 0, 0, 0, 0, 0> on my machine
Console.WriteLine(v2);

问题根源：ushort值的错误处理 #

最终发现问题出在乘法阶段：将* c.A替换为常量表达式* 32768后结果正确，ushort值未被正确提取/掩码，甚至Vector.Create也受影响：

(ushort A, ushort R, ushort G, ushort B) c = (32768, 65535, 32768, 16384);

Console.WriteLine(Vector128.Create((int)c.A)); // -32768
Console.WriteLine(Vector128.Create((int)32768)); // 32768
Console.WriteLine(Vector128.Create((int)c.A, (int)c.A, (int)c.A, (int)c.A)); // 32768

已在.NET运行时仓库提交issue，同时咨询：整数向量化除法的精度/准确度是否依赖CPU？

内容的提问来源于stack exchange，提问作者György Kőszeg