为什么 x86_64 CPU 上的通用寄存器没有融合乘加法？
Why is there no fused multiply-add for general-purpose registers on x86_64 CPUs?
在 Intel 和 AMD x86_64 处理器上，SIMD 矢量化寄存器具有特定的融合乘加功能，但通用（标量、整数）寄存器 don't - 您基本上需要乘法，然后添加（除非您可以将内容放入 lea）。
这是为什么？我的意思是，它是否无用以至于不值得开销？
整数乘法很常见，但不是 最 最常见的整数乘法之一。但是对于浮点数，一直使用乘法和加法，FMA 为大量 ALU-bound FP 代码提供 主要 加速。
此外，浮点数实际上避免了 FMA 的精度损失（x*y 内部临时变量在添加之前根本没有四舍五入）。这就是 the ISO C99 / C++ fma() math library function 存在的原因，也是为什么在没有硬件 FMA 支持的情况下实施起来很慢的原因。
整数 FMA（或 multiply-accumulate，又名 MAC）与单独的乘法和加法相比没有任何精度优势。
一些非 x86 ISA 确实提供整数 FMA。它不是没用，但 Intel 和 AMD 都没有费心将它包括在内until AVX512-IFMA（而且这仍然仅适用于 SIMD，基本上暴露了 double-precision FMA/[=12 所需的 52 位尾数乘法器电路=] 供整数指令使用）。
非 x86 示例包括：
MIPS32, madd / maddu (unsigned) to multiply-accumulate into the hi / lo registers （常规乘法和除法指令用作目标的特殊寄存器）。
ARM smlal 和朋友（32x32=>64 位 MAC，或 16x16=>32 位），也可用于无符号整数。操作数是常规的 R0..R15 通用寄存器。
整数寄存器 FMA 在 x86 上很有用，但具有 3 个整数输入的 uops 很少见。 CMOV 和 ADC 有 3 个输入，但其中一个是标志。即便如此，在为 Haswell 中的 FP FMA 添加了 3 输入微指令支持之后，直到 Broadwell，他们才在英特尔上解码为单个微指令。
Haswell 及更高版本可以使用 3 个整数输入跟踪 fused-domain 微指令，不过 for (some) micro-fused instructions with indexed addressing modes。 Sandybridge/Ivybridge un-laminate 指令如 add eax, [rdx+rcx]。 （但 Nehalem 可以像 Haswell 一样保留它们 micro-fused；SnB 简化了 fused-domain uop 格式）。无论如何，那是融合域，不在调度程序中。只有 Broadwell/Skylake 可以在调度程序中跟踪 3 输入整数 uops，并且仅适用于 2 个整数 + 标志，而不是 3 个整数寄存器。
英特尔确实使用了 "unified" 调度器，其中 FP 和整数运算使用相同的调度器，并且它可以跟踪适当的 3 输入 FP FMA。如果存在技术障碍，那么 IDK。如果不是，IDK 为什么英特尔没有将整数 FMA 作为 BMI2 或其他东西的一部分，它添加了东西 like mulx（2 输入 2 输出 mul，主要是显式操作数，与传统 mul 使用 rdx:rax.)
SSE2/SSSE3 是否有向量寄存器的整数mul-add指令，但只有在加宽16x16后水平相加=> 32 位 (SSE2 pmaddwd) or (unsigned)8x(signed)8=>16-bit (SSSE3 pmaddubsw).
但这些只是 2 个输入指令，所以即使有乘法和加法，它也与 FMA 有很大不同。
脚注：问题标题原来说没有FMA "for scalars"。标量 FP FMA 具有相同的 FMA3 扩展，添加了这些的打包版本：VFMADD231SD 和朋友在标量 double-precision 上运行，并且相同风格的 vfmaddXXXss 可用于 XMM 寄存器中的标量浮点数。
在 Intel 和 AMD x86_64 处理器上，SIMD 矢量化寄存器具有特定的融合乘加功能，但通用（标量、整数）寄存器 don't - 您基本上需要乘法，然后添加（除非您可以将内容放入 lea）。
这是为什么？我的意思是，它是否无用以至于不值得开销？
整数乘法很常见，但不是 最 最常见的整数乘法之一。但是对于浮点数，一直使用乘法和加法，FMA 为大量 ALU-bound FP 代码提供 主要 加速。
此外，浮点数实际上避免了 FMA 的精度损失（x*y 内部临时变量在添加之前根本没有四舍五入）。这就是 the ISO C99 / C++ fma() math library function 存在的原因，也是为什么在没有硬件 FMA 支持的情况下实施起来很慢的原因。
整数 FMA（或 multiply-accumulate，又名 MAC）与单独的乘法和加法相比没有任何精度优势。
一些非 x86 ISA 确实提供整数 FMA。它不是没用，但 Intel 和 AMD 都没有费心将它包括在内until AVX512-IFMA（而且这仍然仅适用于 SIMD，基本上暴露了 double-precision FMA/[=12 所需的 52 位尾数乘法器电路=] 供整数指令使用）。
非 x86 示例包括：
MIPS32,
madd/maddu(unsigned) to multiply-accumulate into thehi/loregisters （常规乘法和除法指令用作目标的特殊寄存器）。ARM
smlal和朋友（32x32=>64 位 MAC，或 16x16=>32 位），也可用于无符号整数。操作数是常规的 R0..R15 通用寄存器。
整数寄存器 FMA 在 x86 上很有用，但具有 3 个整数输入的 uops 很少见。 CMOV 和 ADC 有 3 个输入，但其中一个是标志。即便如此，在为 Haswell 中的 FP FMA 添加了 3 输入微指令支持之后，直到 Broadwell，他们才在英特尔上解码为单个微指令。
Haswell 及更高版本可以使用 3 个整数输入跟踪 fused-domain 微指令，不过 for (some) micro-fused instructions with indexed addressing modes。 Sandybridge/Ivybridge un-laminate 指令如 add eax, [rdx+rcx]。 （但 Nehalem 可以像 Haswell 一样保留它们 micro-fused；SnB 简化了 fused-domain uop 格式）。无论如何，那是融合域，不在调度程序中。只有 Broadwell/Skylake 可以在调度程序中跟踪 3 输入整数 uops，并且仅适用于 2 个整数 + 标志，而不是 3 个整数寄存器。
英特尔确实使用了 "unified" 调度器，其中 FP 和整数运算使用相同的调度器，并且它可以跟踪适当的 3 输入 FP FMA。如果存在技术障碍，那么 IDK。如果不是，IDK 为什么英特尔没有将整数 FMA 作为 BMI2 或其他东西的一部分，它添加了东西 like mulx（2 输入 2 输出 mul，主要是显式操作数，与传统 mul 使用 rdx:rax.)
SSE2/SSSE3 是否有向量寄存器的整数mul-add指令，但只有在加宽16x16后水平相加=> 32 位 (SSE2 pmaddwd) or (unsigned)8x(signed)8=>16-bit (SSSE3 pmaddubsw).
但这些只是 2 个输入指令，所以即使有乘法和加法，它也与 FMA 有很大不同。
脚注：问题标题原来说没有FMA "for scalars"。标量 FP FMA 具有相同的 FMA3 扩展，添加了这些的打包版本：VFMADD231SD 和朋友在标量 double-precision 上运行，并且相同风格的 vfmaddXXXss 可用于 XMM 寄存器中的标量浮点数。