AVX2
Intel x86平台的256位SIMD指令集扩展，支持整数和浮点向量运算及融合乘加操作，广泛用于AI推理加速
时间轴 (近 90 天)
x86平台的SSE2可一次处理16字节，AVX2可处理32字节；ARM平台对应NEON。
BitRun 在 Apple Silicon 上集成 ARM NEON 点积内核与平方 ReLU 激活，同时为 Windows 和 Linux PC 提供 AVX2 回退方案。
BitRun是一个静态链接的独立运行器，内置原生SIMD内核（Mac上的NEON DotProd、Windows/Linux上的AVX2），无需任何构建依赖。
在 int8 推理中，per-input 激活量化在所有行之间摊薄，符号扩展点积使用 vpmovsxbw、vpmaddwd 和 4 个累加器，注意力使用 AVX2，exp 走七次多项式。
去布鲁因查表对整数运算单元更友好且不存在精度问题，是 x86 AVX2 环境下模拟向量化 CTZ 的主流方案之一
x86 的 SSE、AVX2 在很长一段时间内没有直接对应的向量化 CLZ/CTZ 指令
现代深度学习框架（包括TensorFlow Lite）编译预构建二进制包时通常以AVX2甚至AVX-512为基准优化，在不支持这些指令的CPU上执行会触发Illegal instruction异常并终止进程
late-2012款Mac mini搭载Intel i5-3210M处理器（2核4线程），支持AVX指令集但不支持AVX2
AVX2的256位寄存器可同时处理4个double，展开4或8倍往往配合向量化效果最好
全部知识事实 (9)
x86平台的SSE2可一次处理16字节，AVX2可处理32字节；ARM平台对应NEON。
50%待验证BitRun 在 Apple Silicon 上集成 ARM NEON 点积内核与平方 ReLU 激活，同时为 Windows 和 Linux PC 提供 AVX2 回退方案。
50%待验证BitRun是一个静态链接的独立运行器，内置原生SIMD内核（Mac上的NEON DotProd、Windows/Linux上的AVX2），无需任何构建依赖。
50%待验证在 int8 推理中，per-input 激活量化在所有行之间摊薄，符号扩展点积使用 vpmovsxbw、vpmaddwd 和 4 个累加器，注意力使用 AVX2，exp 走七次多项式。
50%待验证去布鲁因查表对整数运算单元更友好且不存在精度问题，是 x86 AVX2 环境下模拟向量化 CTZ 的主流方案之一
50%待验证x86 的 SSE、AVX2 在很长一段时间内没有直接对应的向量化 CLZ/CTZ 指令
50%待验证现代深度学习框架（包括TensorFlow Lite）编译预构建二进制包时通常以AVX2甚至AVX-512为基准优化，在不支持这些指令的CPU上执行会触发Illegal instruction异常并终止进程
50%待验证late-2012款Mac mini搭载Intel i5-3210M处理器（2核4线程），支持AVX指令集但不支持AVX2
50%待验证AVX2的256位寄存器可同时处理4个double，展开4或8倍往往配合向量化效果最好
50%