每个核心上是否“存在”AVX/AVX2？

现代 CPU 上的 SIMD 指令，如 AVXvmulps ymm1, ymm2, ymm3或 SSE2 pmaddwd xmm0, xmm1，纯粹在运行该指令的物理核心内执行。 每个物理内核都有自己的执行资源，包括 SIMD/FP 执行单元。 （在 CPU 架构中，标量 FP 通常与 SIMD 分组。在现代 x86 中，您实际上在向量寄存器的低元素上使用标量版本的 SSE2 或 AVX 指令来进行标量 FP 数学。）

这就是最大 FLOP/s 随内核数量而变化的原因：对于 Sandy-bridge 和 haswell SSE2/AVX/AVX2，每个周期的 FLOPS

（甚至每个内核都不止一个“AVX 单元”，例如 Haswell 和 Zen2 内核都有两个 256 位宽的 FMA 单元，并且可以在更多端口上运行按位布尔向量指令，以获得更高的每时钟吞吐量指示。）

CPU 处理 SIMD 指令（几乎）与整数指令（如add eax, ecx. 这（以及其他原因）就是为什么 x86 CPU 可以有效地在整数和 FP 寄存器之间获取数据，延迟非常低，对于像cvttss2si eax, xmm0(float->int with truncation) 或vpmovmskb eax, ymm0(bitmap of the high bit of the每个字节）。 https://uops.info/和https://agner.org/optimize/有关于性能数据的更多细节。

请参阅https://www.realworldtech.com/haswell-cpu/4/，了解英特尔 Haswell 中每个执行端口上的执行单元图。请注意，标量整数乘法器 ( imul) 与 位于同一端口上vaddps，因此这些指令不能在给定内核的同一时钟周期内开始执行。（Skylake 在其 2 个 FMA 单元中的任何一个上运行 vaddps）。

有关 CPU 工作原理的更多背景信息，请参阅现代微处理器 90 分钟指南！.

AMD 推土机系列，成对的内核共享一个 SIMD/FP 单元（和缓存）

在推土机/打桩机/蒸汽压路机/挖掘机中，每对（弱）整数核心共享一个 SIMD/FP 单元、L1i 缓存和 L2 缓存。这基本上是SMT（例如 Intel 的超线程）的替代方案，它在所有内核都忙的情况下具有更高的总吞吐量，但无法像单个更宽的内核一样快地运行单个线程。

因此，考虑到它们之间的紧密耦合，这并不是正常意义上的两个独立内核。但它也不是可以运行两个硬件线程的单个内核。这就像连体双胞胎共享身体的一部分。 https://www.realworldtech.com/bullldozer/2/对其进行了更详细的描述。

Bulldozer 系列代表了 CPU 架构中的许多实验，其中许多被证明是不成功的。（就像具有小型 4k 写入组合缓冲区的直写 L1d 缓存一样）。AMD Zen 使用了更传统的设计，很像 Intel 的设计：完全独立的宽核与 SMT，以允许高单线程性能和以良好的总吞吐量运行大量线程。和更传统的缓存层次结构，带有普通的回写 L1d 缓存。Zen 保留了 AMD 将 SIMD/FP 与管道的标量整数部分分开，这与英特尔更统一的调度程序和执行端口不同。Zen1 甚至保留了 AMD 惯用的将 256 位指令拆分为 2 个 uop 的技术，直到 Zen 2 扩展了执行单元。（英特尔已经在 Pentium III 和 Pentium-M 等早期 CPU 上为 SSE 进行了这种拆分，但还没有

Bulldozer 上的 SIMD / FP 指令具有更高的延迟（即使对于像这样的东西pxor xmm0,xmm1也至少为 2 个周期），但这可能是由于 Bulldozer 的“速度恶魔”方法可以提高时钟频率。在整数和 FP 寄存器之间获取数据的延迟特别糟糕，比如 10 个周期。（但通常您不会一直来回弹跳数据，并且在寻址模式中使用整数 regs 进行 FP 加载是可以的。这不是推土机系列 CPU 相对较慢的主要或唯一原因。）

因此，它不是像rdrand eax它必须由所有内核共享的随机性源提取数据，并很慢比正常的指令（如200次循环的Ivy Bridge的，更像是一个高速缓存未命中负载），因为它已去非核心. 并且因为它的使用频率不足以证明构建更多硬件以使其更快（例如缓冲每个内核中的随机性）是合理的。（常春藤桥上 RDRAND 指令的延迟和吞吐量是多少？有大卫约翰斯顿的回答，他在英特尔工作）。