为何MSVC在AVX2/FP:strict下生成的代码比SSE2版本更慢？

测试背景 #

在MSVC 17.1环境下开启AVX2与FP:strict编译选项，对多种6阶多项式求值实现做吞吐量测试后，得到以下结果：

• Horner k2/k3（Dorn算法）变体的AVX2代码性能远低于其SSE2版本
• Estrin基数3变体的性能表现最优

测试已覆盖代码实现、汇编指令对比，且给出了N≤64场景下的最优多项式求值方案。

AVX2 + FP:strict下性能差异的原因 #

1. 严格浮点语义的限制：FP:strict强制编译器严格遵循IEEE 754浮点规则，禁止任何可能改变计算结果的优化——包括指令重排、融合乘加（FMA）指令的合并使用。AVX2的性能优势本就依赖宽向量指令与FMA的并行高效执行，但严格模式下编译器无法将Horner/Dorn算法的操作合并为FMA，反而需要插入额外的向量拆分、重组指令来保证精度，直接抵消了AVX2的宽度优势。
2. 向量寄存器的低效利用：Horner k2/k3变体的计算逻辑是递推式的，在严格浮点模式下，编译器无法对递推步骤做向量化展开，导致AVX2的256位向量寄存器无法被充分利用，甚至出现单元素向量操作的情况。相比之下，SSE2的128位向量在严格模式下的指令开销更低，反而能达到更好的性能。
3. 汇编指令的冗余开销：从对比的汇编代码来看，AVX2版本为满足严格浮点语义，生成了大量vmovsd、vinsertf128这类拆分、插入向量的指令，额外增加了指令延迟与吞吐量开销；而SSE2版本的指令序列更紧凑，无此类冗余操作。

6阶多项式的更快实现形式探讨 #

目前已验证Estrin基数3变体在测试环境中表现最优，是否存在其他更高效的6阶多项式求值实现？例如：

• 针对AVX-512、AMX等特定硬件特性的优化方案
• 适配FP:strict语义的向量友好型算法变体
• 基于多项式因式分解（如拆分为两个3阶多项式相乘再组合）的求值形式

内容的提问来源于stack exchange，提问作者Martin Brown