是的，使用vpermilps-immediate 通常是一个错过优化的结果。vshufps（Knight's Landing 除外），对于具有相同性能的相同操作浪费 1 个字节的代码大小。
我认为要点是vpermilps是它可以与矢量控制操作数一起使用。在 AVX 之前，唯一的可变控制洗牌是整数pshufb.
VPERMILPS ymm1, ymm2, ymm3/m256 https://www.felixcloutier.com/x86/vpermilps- 使用 ymm3/m256 中的控件排列 ymm2 中的单精度浮点值，并将结果存储在 ymm1 中。
但是当然，直接形式有一个完全独立的操作码，你会问为什么it存在。英特尔肯定可以只包含矢量版本，所以问题就变成了“为什么他们要包含即时版本？”它至少需要一些额外的解码硬件。洗牌单元已经具有以这种形式解压缩立即控制操作数的硬件，因为它与vshufps，那么实施起来也许成本很低？
你唯一能立即做的事vpermilps你不能用的vshufps is 在一条指令中加载+随机播放, like vpermilps ymm0, [rdi], 0b00011011反转源的每个通道中的元素。但与大多数带有立即数的指令一样，它无法微融合内存操作数，因此前端仍然是 2 个融合域微指令。 （在 AMD CPU 上，它实际上确实节省了前端带宽。）尽管如此，它仍然可以节省代码大小。vmovups ymm0, [rdi] / vshufps ymm0,ymm0,ymm0, 0b00011011.
除此之外，我看不出有什么意义。它们都在两个 128 位通道中执行相同的洗牌操作，为两个通道重复使用立即数的 4x 2 位字段。 （尽管vpermilpd https://www.felixcloutier.com/x86/VPERMILPD.html and vshufpd https://www.felixcloutier.com/x86/SHUFPD.html两者都在立即数中使用 1 位字段，并且可以在每个通道中进行不同的洗牌；上面的通道使用位 2 和 3。ZMM 版本使用位 4..7 作为上面的 256。所以再一次vpermilpd dst, src, imm与vshufpd dst, src,src, imm，除非您使用内存源或使用随机控制向量而不是立即向量。）
这让你怀疑英特尔是否忘记了 VEX 编码将启用非破坏性vshufps对立即洗牌做同样的事情。
或者也许他们考虑的是低功耗 CPU，例如 Knight's Landing (Xeon Phi)，其中 1 源洗牌更便宜：
vpermilps那里有 1 个周期的吞吐量，但是vshufps or vperm2f128具有 2 个周期的吞吐量和一个额外周期的延迟。 （根据Agner Fog 的说明书 https://agner.org/optimize/.)
所以使用vshufps两次相同的输入会比较慢。
但在Intel的大核主流CPU上，是的，使用vpermilps-immediate 与立即优化相比，是一个错过的优化。vshufps，除非您可以将它与内存源一起使用。vshufps需要两次相同的内存源，这显然是不可编码的。
AVX 的设计比 KNL 早了几年，但 ISA 设计者可能想到，未来的某些 CPU 可以通过更简单的洗牌来提高效率。
常规 Silvermont（KNL 所基于的乱序 Atom）不支持 AVX，但它具有 1 uop / 1-cycle 吞吐量和延迟shufps。 Goldmont 的吞吐量为 0.5cshufps.
AFAIK，英特尔还没有使用 AVX 制造低功耗核心（Xeon Phi 除外）。我认为他们不打算这样做Tremont https://en.wikichip.org/wiki/intel/microarchitectures/tremont或 Gracemont，Goldmont Plus 的继任者。
