NEON代码在armeabi-v7a快于标准C但arm64-v8a变慢原因查询

• 编译器自动向量化能力超出预期：AArch64架构配套的Clang编译器自动向量化优化能力远高于armeabi-v7a对应的32位编译链，无需手写intrinsic就能将C版本FIR代码自动转换为高效的原生AArch64 NEON指令，执行效率远超适配自32位架构的手写NEON代码。
• 旧版手写NEON代码无arm64优化：你测试用的NEON intrinsic代码原本是为32位ARMv7架构编写的，没有针对AArch64的128位全宽NEON寄存器、指令流水线、双发射策略做针对性优化，甚至部分32位特有intrinsic在AArch64下是通过兼容层转换执行，额外增加了指令开销。
• 适配过程引入额外性能损耗：原代码在arm64下默认报错，你做的适配调整大概率引入了额外的类型转换、非对齐内存访问处理、寄存器溢出逻辑，这些开销直接抵消了SIMD并行计算带来的收益。
• 访存瓶颈放大手写代码劣势：FIR是访存密集型算法，AArch64架构下Cache、内存带宽对性能的影响远大于32位架构，手写NEON代码没有做Cache预取、内存对齐优化的情况下，访存等待时间会远长于计算时间，而编译器自动生成的C版本代码会默认做对齐、预取优化，访存效率更高。
• 标量性能提升缩小收益空间：arm64设备本身的标量指令执行效率远高于32位设备，本次测试中C版本运行耗时已经低至10ms级，手写NEON的指令重排、向量数据打包拆包的开销已经超过了并行计算带来的收益，最终表现为性能倒挂。

内容的提问来源于stack exchange，提问作者Minhaz