自律小屋Mojo SIMD 向量化编程
本篇覆盖：SIMD 类型与基本运算、向量化的价值、vectorize 工具、benchmark 基准测试。SIMD 是 Mojo 对 AI 开发者最实用的能力——不用写汇编就能吃满 CPU 向量指令。
一、什么是 SIMD，为什么重要
SIMD（Single Instruction, Multiple Data）：一条指令同时处理多个数据。现代 CPU 的 AVX2/AVX-512/NEON 指令集可以一次做 4~16 个浮点运算——理论上白拿 4~16 倍吞吐。
问题在于：C++ 里手写 SIMD 要么依赖编译器自动向量化（玄学），要么手撸 intrinsic（痛苦）；Python 里完全无门。Mojo 把 SIMD 做成了一等语言公民。
二、SIMD 类型：向量是一等公民
SIMD 是标准库里的参数化类型（编译期参数：元素类型 + 宽度）：
def main():
# 4 个 float64 组成的向量
var a = SIMD[DType.float64, 4](1.0, 2.0, 3.0, 4.0)
var b = SIMD[DType.float64, 4](10.0, 20.0, 30.0, 40.0)
var c = a + b # 一条指令算 4 个加法
print(c) # [11.0, 22.0, 33.0, 44.0]
var d = a * b # 对应元素相乘
print(d) # [10.0, 40.0, 90.0, 160.0]
# 归约：把向量压成一个标量
print(c.reduce_add()) # 110.0
print(a.reduce_max()) # 4.0所有算术、比较、位运算都直接作用在向量上，写起来和标量没区别——但生成的机器码是真实的向量指令。
日常写代码时甚至不用感知它：Mojo 里的 Int 和 Float64 本质就是 SIMD[int64, 1] 和 SIMD[float64, 1]——宽度为 1 的向量。标量和向量是同一套类型系统的两档。
三、标量循环 vs 向量化：直接看差距
两个数组逐元素相乘的例子。
标量写法（和 Python 一样）：
def mul_scalar(a: List[Float64], b: List[Float64]) -> List[Float64]:
var result = List[Float64]()
for i in range(len(a)):
result.append(a[i] * b[i])
return resultSIMD 写法（借 UnsafePointer 做向量加载，宽度 4）：
from memory import UnsafePointer
def mul_simd(a: UnsafePointer[Float64],
b: UnsafePointer[Float64],
result: UnsafePointer[Float64],
size: Int):
var width = 4
for i in range(0, size, width):
var va = a.load[width=4](i) # 一次加载 4 个 float64
var vb = b.load[width=4](i)
result.store[width=4](i, va * vb) # 一条指令算 4 个乘法load[width=4](i) 一次读一个 4 元素向量，乘法在向量寄存器里完成，store 一次写回——同样长度的循环，迭代次数变为 1/4，每次迭代吞吐 ×4。
四、vectorize：自动帮你处理宽度
手写 SIMD 循环的麻烦在于宽度选择和尾部处理（长度不能被宽度整除时怎么办）。标准库的 vectorize 把这两件事都包了：
from algorithm import vectorize
from memory import UnsafePointer
def mul_simd_auto(a: UnsafePointer[Float64],
b: UnsafePointer[Float64],
result: UnsafePointer[Float64],
size: Int):
@parameter
@always_inline
def compute(i: Int):
var va = a.load[width=4](i)
var vb = b.load[width=4](i)
result.store[width=4](i, va * vb)
vectorize[4, compute](size)vectorize 负责按宽度切分区间并处理余数，你只需要写「第 i 个宽度为 4 的块」的计算。
想吃到机器的最大向量宽度（比如 AVX-512 的 16 路），用
simd_width_of[DType.float64]()查询当前 CPU 的原生宽度，把它作为编译期参数传入，编译器即为你的机器量身生成指令。
五、用 benchmark 模块量化性能
标准库自带基准测试模块，run() 接受一个函数，自动处理预热和迭代统计：
from benchmark import run
def bench_workload():
# 待测代码……
pass
def main():
var report = run(bench_workload)
print("平均耗时 (ns):", report.mean)
print("最小耗时 (ns):", report.min)建议的实验路径：把第三节的标量版和 SIMD 版分别包进 benchmark，亲眼看看 3~8 倍的差距（具体倍数取决于 CPU 和数据规模）——这是理解「Mojo 为什么快」最直接的一课。
六、SIMD 的适用边界
适合向量化的计算：
- 逐元素运算：向量加/乘、激活函数、归一化
- 归约：sum / max / min
- 点积、矩阵乘内层循环（下一篇实战）
不适合的场景：
- 分支密集的逻辑（每个元素走不同路径）
- 数据依赖链长的串行计算（前后元素互相依赖）
- 内存带宽瓶颈的任务（向量指令帮不了内存墙）
七、小结
SIMD[DType.float64, N]是一等类型，算术运算直接映射向量指令Int/Float64就是宽度 1 的 SIMD——标量向量同一体系vectorize处理宽度切分和尾部，simd_width_of查询硬件原生宽度benchmark.run量化优化效果，用数据说话
下一篇：与 Python 互操作。