2007年11月，英特尔将会发布一系列新处理器产品，其中将会包括用于双路服务器的Xeon系列处理器和用于高端PC的处理器，它们均采用了目前非常先进的采用了45nm制程技术，戈登•摩尔先生给予了这项技术极高的评价：“采用高-k栅介质和金属栅极材料，是自上世纪60年代晚期推出多晶硅栅极金属氧化物半导体（MOS）晶体管以来，晶体管技术领域里最重大的突破！”我们将通过一系列的文章帮助读者提前了解这一技术和相关的产品。

　　【IT168评测中心】自从2007年IDF透露了45nm Penryn处理器发布计划之后，Penryn的各种消息也不断地传出，这款基于45nm技术的处理器除了工艺上的进步之外，还有着架构的变动、指令集的更新，这符合着Intel一段时间（每2年）内就要对处理器进行一次较大的改进的习惯。

　　Penryn处理器搭载了最新的SSE4指令集，SSE4（Streaming SIMD Extensions 4）是英特尔自从SSE2之后对ISA扩展指令集最大的一次的升级扩展，它将会随着Penryn处理器陆续应用于台式机平台、移动平台和服务器中。据目前所致，SSE4包括大约50条新指令，Penryn通过这些新指令集，增强了从媒体应用到高性能计算应用领域的性能，同时还利用一些专用电路实现对于特定应用加速。

　　其实IA32架构上不断增加的指令集都是面向多媒体应加速而来，因为在多媒体环境下需要处理大量重复的数据，因此自MMX开始，CPU厂商就开始新增SIMD(Single Instruction Multiple Data)多媒体指令集，可以在单一指令内完成多个批次性的数据处理，从而大大提升多媒体数据处理能力，让我们先来看看SIMD扩展指令集的简单历史。

　　自从Intel在P55C Pentium加入MMX(MultiMedia Extensions)指令以来，x86指令集就不断得到扩充，3D Now!之类的扩展集时有出现。这些指令集主要都是通过SIMD的方式来提升多媒体数据处理能力。

　　指令数量达到57条的MMX扩展集属于侧重整数运算的扩展指令集，除了整数运算，浮点运算也是非常重要的，Intel在1999年首次在Pentium III处理器中引入了SSE(Streaming SIMD Extensions)扩展指令集来增强x86架构的浮点运算能力，SSE初代包括了70条新指令，其中包含提高3D图形运算效率的50条SIMD（单指令多数据技术）浮点运算指令、12条MMX 整数运算增强指令、8条优化内存中连续数据块传输指令。

　　在SSE之后Intel很快在2000年的Willamette Pentium 4中推出了SSE2指令集，这个指令集的指令数目达到了非常之多的144条，用于提升双精度向量运算能力和128位向量整数运算能力，可见SSE指令集也并不是仅仅包括浮点运算的，SSE可以做看作是IA32架构按照形势需要而作的不断扩充。

　　在2000年推出SSE2之后，Intel很久没有进行这方面的大扩充了，在2004年增加的SSE3只包括了13条新指令（首先在Prescott Pentium 4中出现），2006年增加的SSSE3(Supplemental Streaming SIMD Extensions 3)只包括32条新指令（首先在Core 2 Duo上出现），前者主要提升复数运算性能，后者主要改进了解码性能，或许是由于提前发布的缘故（原来计划包括在SSE4中），SSSE3并没有采用SSE4这样的命名。

　　从指令数目上看，SSE4的47条也是2000年来最多的变化，同时，SSE4中增加了的指令改进了整数和浮点操作，支持DWORD和QWORD操作，新的单精度FP操作、快速寄存器操作、面向性能优化的内存操作等等，包括了图形、图像、数据装载各方面的革新，因此称其为SSE2以来最大的指令集变动也是不为过的。利用支持SSE4指令集的编译器编译之后，包括图形/图像处理、视频处理、2D/3D创作、多媒体、游戏、内存敏感负载、高性能计算等应用都会受益。

　　SSE4指令集的具体指令如下图所示，按照目前的资料，SSE4指令集还将分为两个版本：4.1和4.2，SSE4.1版本将随着45nm Penryn发布，而SSE4.2版本将会随着Penryn的下一代Nehalem发布，4.1将包括47条指令，4.2将包括7条指令，因此下图的指令数目实际上并不是47，未来的SSE4.2指令数目也可能会有变动。

　　对于Nehalem的SSE4.2，Intel的Gelsinger介绍说，这7条指令集的用途各有不同，比如有面向CRC-32和POP Counts等特定应用的，有特别针对XML等的流式指令。Gelsinger称，新指令集可以将256条指令合并在一起执行，从而让XML类工作的性能提高3倍。

　　SSE4——Penryn搭载的SSE4.1指令集主要分为三个部分，分别是SSE4视频编码加速部分、SSE4图形加速部分和SSE4流加载部分，其中SSE4视频编码加速部分包括了14条指令，用于加速4x4绝对差和、子像素过滤一击数据查找方面的性能。

　　在进行视频编码时，需要进行大量的Motion Estimation（动态预测），动态预测是视频编码过程中极其重要的一个环节，它的算法效率对整个编码效率有很大的影响，而这个动态预测需要进行大量的SAD（Sums of Absolute Difference，差分绝对值和）的运算，该运算是大部分视频编码算法中运动估计一步常采用的方法。SAD算法将会在相邻两个连续视频帧中找出一个大块的运动情况，以纪录其运动数据代替纪录像素数据而节约存储容量、压缩视频。为此，SAD需要计算两个大块中每一组对应的像素值之间绝对差值的累加和。这本身就是一个非常复杂的大数据量运算动作，即使依靠SIMD指令的一条指令就处理大量数据的优势，要组合成SAD操作代码也需要大量的指令。

　　现在，SSE4指令集内特别加入了SAD加速运算指令，只需要一条指令就可以快速高效地完成这些工作。例如，在SSE4之前，一个SAD工作代码如下：

　　非常的冗长繁琐，而在有了SSE4之后，这些指令就可以简化为一条指令：

　　MPSADBW xmm0,xmm1,0

　　简化量是非常巨大的。而在复杂的动态预测程序中，要执行复杂的SAD代码，这时SSE4还可以额外提供更高的方便性：

  　SSSE3可以看作是SSE4的一个提前“泄露”的子集，同样的工作，右边的SSE4代码无疑要比SSSE3更为简捷。

　　SSE4当中还加入了快速查找的指令，虽然并不仅仅是视频编码才能具有作用，然而对于整位像素和子像素运动估计方面具有特别好的效果，如下图的指令可以在8个元素中找到最小的一个元素，并找到其位置：

　　在Intel的SSE4展示当中，使用搭载SSE4指令集的2.66G Wolfdale Core 2系统对比2.33G Core 2 Duo E6550进行Pegasys TMPGEnc 4.0 XPress HDTV编码，最后得到了55%的性能提升，其中加速的SAD处理和快速查找在各自的领域的性能提升达到了2~3倍，SSE4指令集的作用可见一斑：

　　其中，CPU的频率提升只有14%，总应用程序提升却达到了55%，这就是SSE4视频编码加速指令的作用了。

　　SSE4图形加速部分包括了32条指令，包括了图形构造上的大量基本操作指令：点积、双字节乘积、非单位步长存取等，并对现有指令的交叉支持改进了编译器的向量化，这部分指令相当于重新提供了一个向量化的图形操作基础，可以极大地提升处理器在图形处理方面的能力。

　　32条指令具体划分6个部分：

12条32位向量整数操作，用于提供快速的向量整数运算

7条非单位步长存取操作，提供快速的向量载入/保存

2条点积操作，在构造阵列（Array-Of-Structures）运算中可以提供非常快的点积运算能力

6条变量及立即混合，用于提升传统SIMD代码的性能

1条早期参量输出，可以快速测试128-bit宽度数据

4条浮点取整，用于如Floor()、Ceil()，NINT()，nearbyint()这些经常用到的高级语言代码，提高他们的性能

　　作为例子，32位向量整数操作指令是当前编程语言原语的向量版本，包括了双字节乘、填充双字节最小值/最大值、DWORD到Word组转换、QWORD比较等指令，右下显示了DWORD到Word组转换使用SSE2和SSE4指令分别编写的情形：SSE4只需要1条，而SSE2需要11条。

　　SSE4流加载部分虽然只有一条指令，不过其确实具有相当重要的地位。在现有的平台当中，CPU使用Write Combining技术可以实现很高带宽的写入操作，可以通过MMIO的方式将图形数据很快地写入到Write Combining缓存并迅速写入内存当中，然而读取却是非常的缓慢，因为Write Combining缓存的读取是缓慢的（没有Read Combining）……读取带宽被限制为800MB/s。

　　Streaming Load技术就是为了解决这个问题，它提供了一个16位对齐的加载指令，可以快速地对Write Combining内存进行操作，可以以高达8GB/s的速率加载数据至CPU（SSE4架构新增加了一个内部临时缓存来存放这些数据），从而大大提升了GPU-CPU之间的数据带宽，在现在GPU越来越强大、数据流量越来越大的情形下，这是非常必要的。

　　最后，虽然这个Streaming Load是以视频加速为例子，实际上它的工作方式对其他外设也是有用的，这是一个通用性的提高WC内存读取速度的技术。

　　45nm技术内部结构的更新无疑会带来更快的性能，然而SSE4指令的引入带来的提升更加巨大，据Intel资深工程师兼 Penryn微架构主管 Stephen Fischer表示，全新 DivX Alaph内部测试版本已完全支持SSE4指令集， 1颗3.33GHz的Yorkfield的运算效能，相比上代Intel Core 2 Duo QX6800快约105% ，其中约7成的增益来自SSE4指令集，这可以看出新指令集的效率的确不凡。其它不同的编码测试也得到了相似的结果。

　　并且，作为45nm处理器基础架构的一部分，所有Penryn核心处理器都会具有这个指令集，这意味着即使是使用其中最低端的、廉价的“Celeron”版本，也能享受到新指令集带来的益处，并且也不用付出特别的代价，这也是新技术带给用户的实际益处。

　　我们可以看到，即使是在未完全优化的工程样板CPU和配合的测试版本软件当中，新指令集的效能也令人满意，毕竟SSE4指令集就是设计用来提升视频、图像运算性能的，剩下的问题就是如何发挥SSE4的力量的问题了。按照惯例，Intel会在CPU推出的时候在自家的Intel C/C++和Fortran编译器上提供支持，也会提供相关的文档、SDK工具，凭着Intel的号召力以及SSE4本身性能上的提升带来的吸引力，而且由于当前高清晰视频流行，这些对性能不断提升的需求，更会形成一种拉力，SSE4的前景良好。