go无法直接写simd汇编，仅能通过cgo调用c实现的simd函数或已基本失效的runtime·call绕过方案；推荐使用github.com/username/simd等成熟库，并确保cpu支持、内存对齐与数据布局合理。
Go 里真能直接写 SIMD 汇编？
不能。Go 的 asm 不支持 AVX/SSE 指令嵌入，GOOS=linux GOARCH=amd64 下的汇编器只认基础 x86-64 指令，vaddps、vpmulld 这类向量化指令会报 unknown instruction 错误。
真正可行的路径只有两条：用 CGO 调用 C 写的 SIMD 函数，或用 Go 官方维护的 golang.org/x/arch/x86/x86asm + runtime·call 方式绕过类型检查——但后者极其脆弱，Go 1.21+ 已因 ABI 变更基本失效。
所以别折腾内联汇编，老实用 golang.org/x/exp/slices 配合 unsafe + uintptr 手动对齐内存，再靠编译器自动向量化（如果它愿意）。
哪些计算能被 Go 编译器自动向量化？
仅限非常受限的场景：连续数组的等距访存 + 简单算术（加减乘、位运算），且循环体不能含分支、函数调用、指针逃逸。比如：
立即学习“go语言免费学习笔记（深入）”；
for i := 0; i < len(a); i++ {
c[i] = a[i] + b[i]
}
这种模式在 GOAMD64=v3 或更高（v4/v5）下，且数组长度 ≥ 32、地址 32 字节对齐时，才可能生成 vpaddd 指令。
- 必须用
go build -gcflags="-m=3"看是否打出loop vectorized提示 -
[]float32比[]float64更容易被向量化（AVX 寄存器一次塞 8 个 float32，但只塞 4 个 float64） - 一旦循环里出现
if a[i] > 0 { ... }，向量化立即失败
手动 SIMD 加速该选哪个库？
目前最稳的是 github.com/minio/simdjson-go 间接依赖的 github.com/username/simd（注意不是同名的另一个），它提供 Load8/Add8/Store8 等封装，底层仍是 CGO 调用 C 实现的 AVX2 函数。
别用 github.com/ncw/gotk3 里的 simd 子包——已归档，不维护；也别自己写 C 文件配 // #include <immintrin.h></immintrin.h>，GCC 版本稍有差异就会触发 __builtin_ia32_addps not found。
- 初始化前务必检查 CPU 支持：
cpuid.Feature.SSE2和cpuid.Feature.AVX2（用golang.org/x/sys/cpu） - 输入切片长度必须是向量宽度整数倍（如 AVX2 处理
float32是 8 元素一组），余数得单独循环处理 - 内存必须 32 字节对齐，否则
vloadps触发segmentation fault—— 用aligned.AlignedSlice或C.posix_memalign
为什么你跑不出理论加速比？
SIMD 不是银弹。常见瓶颈根本不在计算本身：内存带宽吃满、cache line 伪共享、非对齐访存导致的额外 movaps + movups 混用，甚至 Go runtime 的 GC 扫描会中断长向量循环。
实测中，纯计算密集型任务（如图像卷积核）在 AVX2 下通常只拿到 2.3–3.1× 加速，远低于理论 8×；一旦涉及结构体字段提取（arr[i].x + arr[i].y），性能可能反不如标量循环——因为 SoA 布局没做，CPU 得反复 shuffle 数据。
真正值得 SIMD 的场景其实很窄：固定长度、同构数据、无分支、高局部性。其它时候，先 profile 看是不是真的卡在 CPU 计算上，而不是 net/http 解析或 sync.Mutex 争用。
